WEBVTT

00:00:00.000 --> 00:00:03.820
L'argomento di oggi è qualcosa che quasi tutti hanno sentito nominare, ma che pochi sanno spiegare davvero.

00:00:03.940 --> 00:00:04.960
L'AI Agent Harness.

00:00:05.560 --> 00:00:09.040
Probabilmente lo avrete visto in blog post o conferenze, ma cosa significa realmente?

00:00:09.380 --> 00:00:09.940
Ecco il punto.

00:00:10.420 --> 00:00:14.560
La maggior parte delle persone pensa che creare un agente IA significhi scrivere il prompt perfetto,

00:00:14.660 --> 00:00:17.420
quell'unica istruzione magica che fa fare al modello esattamente ciò che si vuole.

00:00:18.080 --> 00:00:19.900
Ma è come pensare che un'auto sia solo un motore.

00:00:20.480 --> 00:00:23.860
Certo, il motore è importante, ma senza ruote, volante, freni e telaio.

00:00:24.020 --> 00:00:25.040
Non si va da nessuna parte.

00:00:25.940 --> 00:00:29.080
Alla fine di questo episodio capirete cos'è davvero un Agent Harness,

00:00:29.080 --> 00:00:32.580
perché rappresenta la prossima evoluzione oltre il prompt engineering

00:00:32.580 --> 00:00:36.300
e come Microsoft AI Foundry lo rende concreto per le aziende.

00:00:37.200 --> 00:00:38.800
Prendete il vostro caffè e iniziamo.

00:00:39.560 --> 00:00:40.880
Perché il prompting non è più sufficiente.

00:00:41.260 --> 00:00:42.100
Torniamo ai primi tempi.

00:00:42.620 --> 00:00:45.560
Tra il 2022 e il 2024 lavorare con l'IA era semplice.

00:00:45.980 --> 00:00:47.300
Scrivi un prompt e otteni una risposta.

00:00:47.580 --> 00:00:48.400
Ti serve una bozza di mail.

00:00:48.880 --> 00:00:49.200
Prompt.

00:00:49.660 --> 00:00:50.680
Ti serve il riassunto di un articolo.

00:00:51.280 --> 00:00:51.760
Scrivi un prompt.

00:00:51.760 --> 00:00:53.820
Per compiti semplici e immediati funzionava davvero.

00:00:54.400 --> 00:00:57.240
Potevi chiedere qualcosa e il modello ti dava una risposta ragionevole.

00:00:57.680 --> 00:00:58.820
Ma poi le ambizioni sono cresciute.

00:00:59.220 --> 00:01:01.440
Hanno iniziato a chiedere a questi modelli fare un lavoro vero.

00:01:02.140 --> 00:01:03.840
Ricercare un argomento e scrivere un report.

00:01:04.260 --> 00:01:05.760
Analizzare un codice e correggere un bug.

00:01:05.940 --> 00:01:08.960
O gestire una conversazione di assistenza clienti a più fasi dall'inizio alla fine.

00:01:09.800 --> 00:01:11.500
E all'improvviso un solo prompt non bastava.

00:01:11.880 --> 00:01:12.700
Ecco cosa è successo.

00:01:12.860 --> 00:01:14.540
La finestra di contesto del modello si riempiva.

00:01:14.800 --> 00:01:16.180
Dimenticava le istruzioni precedenti.

00:01:16.340 --> 00:01:18.700
Iniziava a inventare fatti o a fornire risultati incompleti.

00:01:18.860 --> 00:01:21.820
Più il compito era lungo, più l'output diventava inaffidabile.

00:01:22.580 --> 00:01:24.160
Probabilmente l'avete sperimentato voi stessi.

00:01:24.160 --> 00:01:26.620
Chiede Onia di fare qualcosa di complesso.

00:01:27.140 --> 00:01:29.540
E alla fine ha dimenticato cosa le avevi chiesto all'inizio.

00:01:29.540 --> 00:01:33.760
Immaginate di chiedere a una sola persona di costruire un'intera casa da zero,

00:01:33.880 --> 00:01:35.780
tutta in una volta, senza mai controllare il lavoro.

00:01:36.560 --> 00:01:37.980
Quello che chiedevamo questi modelli di fare.

00:01:38.400 --> 00:01:40.360
I risultati erano esattamente quelli che vi aspettereste.

00:01:40.460 --> 00:01:42.740
Una casa a metà, con pareti mancanti e porte che non si aprono.

00:01:43.180 --> 00:01:44.320
La soluzione era un prompt migliore.

00:01:44.600 --> 00:01:48.560
Potevi passare ore a perfezionare le parole, aggiungere esempi e affinare le istruzioni.

00:01:48.880 --> 00:01:51.400
Ma avrebbe comunque fallito su compiti lunghi e complessi,

00:01:51.480 --> 00:01:53.220
perché il problema fondamentale non era il prompt.

00:01:53.680 --> 00:01:55.240
Era la mancanza di un sistema attorno ad esso.

00:01:55.820 --> 00:01:58.920
Ciò di cui il modello aveva bisogno non erano parole migliori, ma un supporto migliore.

00:01:58.920 --> 00:02:02.040
È lì che è iniziata l'evoluzione dal prompt engineering al context engineering.

00:02:02.720 --> 00:02:04.400
Le tre fasi dell'evoluzione dell'IA.

00:02:05.120 --> 00:02:06.640
Ecco come vedo l'evoluzione dell'IA.

00:02:07.440 --> 00:02:09.660
Tre fasi, ognuna sposta l'attenzione per gli ingegneri.

00:02:10.460 --> 00:02:11.720
La prima fase è stata il prompt engineering.

00:02:12.120 --> 00:02:14.060
È durata all'incirca dal 2024 al 2024.

00:02:14.520 --> 00:02:15.560
La grande domanda era semplice.

00:02:15.760 --> 00:02:16.660
Cosa devo dire al modello?

00:02:17.800 --> 00:02:20.440
Scrivevi un'istruzione, ottenevi una risposta e finivari.

00:02:20.820 --> 00:02:22.380
Tutto il lavoro ruotava attorno alla formulazione.

00:02:22.800 --> 00:02:24.400
Per compiti base era sufficiente.

00:02:24.860 --> 00:02:27.720
E seguita la seconda fase, context engineering, dal 2025,

00:02:27.720 --> 00:02:31.620
La domanda è cambiata da cosa devo dire a cosa deve vedere il modello.

00:02:32.680 --> 00:02:36.020
Gli ingegneri hanno scoperto che ciò che dai al modello conta più di come lo chiedi.

00:02:36.720 --> 00:02:41.620
Così hanno creato sistemi come il tool calling, la retrieval augmented generation e il protocollo MCP.

00:02:42.480 --> 00:02:45.000
Questi permettono al modello di recuperare informazioni giuste al volo.

00:02:45.260 --> 00:02:49.420
Invece di infilare tutto in un unico prompt, il modello prende ciò che serve quando serve.

00:02:50.140 --> 00:02:52.340
La terza fase è quella in cui siamo ora, l'arness engineering.

00:02:52.340 --> 00:02:57.260
A partire dal 2026, la domanda è, quale sistema devo costruire attorno al modello?

00:02:57.260 --> 00:03:04.460
Qui le cose si fanno interessanti perché è affidabilità, memoria, orchestrazione e filtri non vengono dal modello, ma dal sistema costruito attorno.

00:03:05.180 --> 00:03:06.620
Ecco il modo più semplice per pensarci.

00:03:07.120 --> 00:03:09.000
Un agente uguale a un modello più un harness e strutture su.

00:03:09.160 --> 00:03:10.140
L'arness e tutto il resto.

00:03:10.480 --> 00:03:12.240
Il modello pensa, l'arness fa tutto il resto.

00:03:12.680 --> 00:03:15.220
E quell'arness è l'ingrediente segreto che fa funzionare tutto.

00:03:15.620 --> 00:03:16.540
Pensala così il modello.

00:03:16.780 --> 00:03:19.260
È un operaio specializzato, talentuoso ma limitato.

00:03:19.700 --> 00:03:23.020
L'arness è l'officina, gli attrezzi, la checklist, il supervisore e i freni.

00:03:23.780 --> 00:03:25.680
Senza l'officina, l'operaio non ha un posto dove lavorare.

00:03:26.000 --> 00:03:27.520
Senza gli attrezzi non può costruire nulla.

00:03:28.020 --> 00:03:29.460
Senza la checklist dimentica dei passaggi.

00:03:29.880 --> 00:03:31.200
Senza il supervisore commette errori.

00:03:31.520 --> 00:03:32.660
E senza i freni si esaurisce.

00:03:33.060 --> 00:03:34.360
L'arness fornisce tutta questa struttura.

00:03:34.680 --> 00:03:36.180
Quindi cosa c'è esattamente dentro questo harness?

00:03:36.580 --> 00:03:36.980
Apriamolo.

00:03:37.620 --> 00:03:38.860
Cosa contiene effettivamente un harness?

00:03:39.300 --> 00:03:40.300
Quindi cosa entra in un harness?

00:03:40.920 --> 00:03:42.200
Analizziamo i pezzi uno per uno.

00:03:42.640 --> 00:03:43.640
Primo il ciclo dell'agente.

00:03:44.080 --> 00:03:45.600
È il ciclo che mantiene l'agente attivo.

00:03:46.040 --> 00:03:48.120
Il modello pensa, poi decide di richiamare uno strumento.

00:03:48.120 --> 00:03:49.620
Lo strumento viene eseguisce un risultato.

00:03:49.620 --> 00:03:52.880
Il modello esamina il risultato, pensa di nuovo e magari richiama un altro strumento.

00:03:53.220 --> 00:03:55.560
Il ciclo continua finché l'agente non raggiunge il suo obiettivo.

00:03:56.480 --> 00:03:59.420
Senza questo ciclo tieni solo una singola domanda e una singola risposta.

00:04:00.080 --> 00:04:02.820
Con esso hai un sistema che risolve i problemi passo dopo passo.

00:04:03.840 --> 00:04:05.200
Passiamo alla gestione del contesto.

00:04:05.460 --> 00:04:08.020
Questo è fondamentale perché i modelli hanno una capacità di attenzione limitata.

00:04:08.380 --> 00:04:10.940
La loro finestra di contesto può contenere solo una certa quantità prima di arena.

00:04:11.320 --> 00:04:12.000
Interviene in qualche modo.

00:04:12.380 --> 00:04:16.580
Comprime la conversazione, riassume tutti i messaggi e dà priorità a ciò che è importante.

00:04:17.500 --> 00:04:19.440
Immaginalo come un sistema di archiviazione per la conversazione.

00:04:19.840 --> 00:04:21.980
L'impalcatura l'organizza finché il modello vede da solo ciò che le va.

00:04:22.320 --> 00:04:25.220
Senza questo le sessioni lunghe crollano perché il modello perde il filo.

00:04:25.860 --> 00:04:27.080
Poi ci sono gli strumenti e le competenze.

00:04:27.260 --> 00:04:28.260
Queste sono le mani dell'agente.

00:04:28.640 --> 00:04:30.140
Un modello da solo può solo generare test.

00:04:30.480 --> 00:04:33.500
Non può leggere un file, navigare sul web, eseguire codici o interrogare un database.

00:04:33.880 --> 00:04:35.300
L'impalcatura gli conferisce queste capacità.

00:04:35.800 --> 00:04:39.700
Accesso ai file, navigazione web, esecuzione di codice, interrogazione di database e tutti

00:04:39.700 --> 00:04:41.040
strumenti forniti dall'impalcatura.

00:04:41.900 --> 00:04:44.580
Il modello decide quando usarli e l'impalcatura li fa funzionare.

00:04:44.580 --> 00:04:47.100
La memoria e la persistenza della sessione sono un altro pezzo importante.

00:04:47.100 --> 00:04:48.820
L'impalcatura ricorda le sessioni passate.

00:04:49.240 --> 00:04:51.500
Così quando torni da un agente domani non riparte da zero.

00:04:52.260 --> 00:04:55.000
Ricorda le tue preferenze, il contesto del progetto, le decisioni che hai preso?

00:04:55.660 --> 00:04:58.120
L'agente impara nel tempo perché l'impalcatura conserva conologia.

00:04:58.700 --> 00:05:01.700
I guardrail sono lo stato di sicurezza, i limiti che imposti al comportamento dell'agente.

00:05:02.100 --> 00:05:03.440
Pensali come al regolamento dell'agente.

00:05:03.860 --> 00:05:06.720
Numero massimo di passaggi prima di fermarsi, azioni non consentite.

00:05:07.280 --> 00:05:08.360
Richieste di approvazione umana.

00:05:08.360 --> 00:05:10.960
Per operazioni ad alto rischio come scrivere file o inviare email.

00:05:11.580 --> 00:05:14.820
Senza guardrail, un agente potrebbe continuare all'infinito a fare qualcosa che non avevi

00:05:14.820 --> 00:05:15.220
previsto.

00:05:15.620 --> 00:05:16.480
L'impalcatura lo tiene sotto.

00:05:16.780 --> 00:05:17.960
Infine, l'orchestrazione.

00:05:18.400 --> 00:05:21.300
L'impalcatura può attivare sotto agenti specializzati per compiti diversi.

00:05:21.900 --> 00:05:25.380
Uno si occupa della ricerca, un altro della scrittura, un terzo della verifica.

00:05:25.880 --> 00:05:28.240
Lavorano insieme come una squadra di specialisti in un cantiere edile.

00:05:28.820 --> 00:05:30.000
Ognuno fa ciò che sa fare meglio.

00:05:30.620 --> 00:05:32.580
E l'impalcatura assicura che non si ostacolino a vicenda.

00:05:33.140 --> 00:05:34.640
Ora, questi componenti non sono solo teorie.

00:05:34.640 --> 00:05:38.120
Microsoft ha costruito una piattaforma completa che mette tutto questo in pratica.

00:05:39.020 --> 00:05:41.640
Ecco Microsoft AI Foundry, l'impalcatura aziendale.

00:05:42.380 --> 00:05:44.160
Quella piattaforma è Microsoft AI Foundry.

00:05:44.720 --> 00:05:48.360
Immaginala come un'officina completa per costruire ed eseguire agenti IA su larga scala.

00:05:49.020 --> 00:05:51.720
Quando dico scala, intendo scala reale, non un esperimento di laboratorio.

00:05:52.800 --> 00:05:57.120
Foundry serve oggi oltre 70.000 clienti e solo nell'ultimo trimestre ha elaborato 100

00:05:57.120 --> 00:05:57.920
trilioni di token.

00:05:58.680 --> 00:06:00.720
Solo 100 trilioni non è un errore di battitura.

00:06:01.140 --> 00:06:03.720
Ogni giorno alimenta 2 miliardi di ricerche aziendali.

00:06:03.720 --> 00:06:06.900
Questa è una piattaforma di produzione che gestisce alcuni dei carichi di lavoro più

00:06:06.900 --> 00:06:07.120
grandi.

00:06:07.600 --> 00:06:10.240
Ciò che fa davvero Foundry è darti l'impalcatura come servizio gestito.

00:06:11.180 --> 00:06:14.940
Non devi costruire da zero la gestione del contesto, la memoria e il coordinamento perché

00:06:14.940 --> 00:06:15.760
è tutto integrato.

00:06:16.300 --> 00:06:18.860
Tu porti il tuo agente Foundry e fornisce l'infrastruttura necessaria.

00:06:19.360 --> 00:06:20.320
Ora parliamo di identità.

00:06:20.680 --> 00:06:21.380
Un aspetto fondamentale.

00:06:21.700 --> 00:06:24.220
Ogni agente in Foundry ottiene il proprio ID agente e entra.

00:06:24.820 --> 00:06:26.040
In pratica un'identità digitale.

00:06:26.620 --> 00:06:29.020
Pensala come un badge aziendale rilasciato dalla reception.

00:06:29.020 --> 00:06:33.340
L'agente può accedere a servizi, dati e agire per conto dell'organizzazione proprio

00:06:33.340 --> 00:06:34.440
come un dipendente umano.

00:06:35.240 --> 00:06:38.100
E poiché ogni azione legata a quell'identità è completamente verificabile.

00:06:38.680 --> 00:06:39.380
Perché è importante?

00:06:39.700 --> 00:06:41.260
In un'azienda devi sapere chi ha fatto cosa.

00:06:41.780 --> 00:06:43.140
Ogni azione è registrata e tracciabile.

00:06:43.860 --> 00:06:46.720
Foundry si connette a oltre 1400 fonti di dati aziendali.

00:06:46.880 --> 00:06:50.040
Da SharePoint, Dynamics 365, Salesforce e database personalizzati.

00:06:50.800 --> 00:06:52.800
Se la tua azienda lo usa, Foundry probabilmente ha un connettore.

00:06:53.440 --> 00:06:55.300
Quindi l'agente non sta tirando a indovinare o inventando.

00:06:55.660 --> 00:06:57.460
Estrae i dati reali da sistemi reali,

00:06:57.540 --> 00:07:00.100
che significa che le risposte si basano sui tuoi dati aziendali effettivi.

00:07:00.480 --> 00:07:01.080
Poi c'è la memoria.

00:07:01.520 --> 00:07:03.140
Foundry include tipi di memoria integrati.

00:07:03.420 --> 00:07:05.720
La memoria procedurale aiuta la gente a imparare dai compiti passati.

00:07:06.120 --> 00:07:08.060
Migliora nel tempo come una formazione sul campo.

00:07:08.580 --> 00:07:11.400
La persistenza della sessione significa che ricorda le conversazioni precedenti,

00:07:11.480 --> 00:07:13.060
quindi non riparte da zero ogni volta che ci parli.

00:07:13.060 --> 00:07:15.580
Ciò rende le interazioni fluide e intelligenti.

00:07:15.940 --> 00:07:16.940
Quindi come funziona esattamente?

00:07:17.400 --> 00:07:20.620
Analizziamo i componenti che Microsoft fornisce per costruire architetture personalizzate.

00:07:20.620 --> 00:07:23.580
Framework per agenti, per costruire architetture personalizzate.

00:07:23.980 --> 00:07:25.600
Quindi come si costruisce effettivamente un'architettura?

00:07:26.000 --> 00:07:29.460
Microsoft fornisce un S di capa dedicato chiamato Microsoft Agent Framework,

00:07:29.560 --> 00:07:32.020
che potresti conoscere con il suo nome precedente, Semantic Kernel.

00:07:32.320 --> 00:07:32.840
Semantic Care.

00:07:33.020 --> 00:07:34.580
Stato ricostruito, ma il concetto rimane lo stesso.

00:07:34.820 --> 00:07:38.360
Consente agli sviluppatori di creare architetture di agenti personalizzati in Python e C-Sharp.

00:07:38.420 --> 00:07:39.280
Framework a tre livelli.

00:07:39.660 --> 00:07:41.140
Alla base c'è il ciclo dell'agente,

00:07:41.280 --> 00:07:43.400
il processo di ragionamento principale in cui il modello pensa,

00:07:43.480 --> 00:07:45.220
richiama strumenti, ottiene risultati e ripensa.

00:07:45.900 --> 00:07:47.360
Sopra di esso si trovano i flussi di lavoro,

00:07:47.360 --> 00:07:49.240
schemi di coordinamento che gestiscono più agenti.

00:07:49.740 --> 00:07:51.700
E a racchiudere tutto c'è il livello dell'architettura stessa,

00:07:51.760 --> 00:07:52.980
il guscio che tiene tutto insieme.

00:07:53.740 --> 00:07:56.040
Microsoft offre cinque schemi di coordinamento integrati.

00:07:56.980 --> 00:07:59.640
Sequenziale esegue gli agenti uno dopo l'altro in un ordine definito.

00:08:00.360 --> 00:08:01.840
Concorrente li esegue tutti in parallelo.

00:08:02.220 --> 00:08:05.040
Endoff passa il controllo da un agente all'altro in base alla necessità.

00:08:05.500 --> 00:08:08.260
GroupChat consente a più agenti di parlare in una conversazione condivisa.

00:08:08.840 --> 00:08:11.440
E poi c'è Magentic, gestore di Microsoft Research.

00:08:11.440 --> 00:08:16.640
Qui un agente supervisore genera un piano e poi delega il lavoro a sottoagenti specializzati

00:08:16.640 --> 00:08:19.240
come un project manager che assegna compiti ai membri del team.

00:08:19.900 --> 00:08:21.880
Ogni schema gestisce un problema di coordinamento diverso.

00:08:22.360 --> 00:08:23.100
Ecco la parte migliore.

00:08:23.420 --> 00:08:24.340
Framework è estensibile.

00:08:25.000 --> 00:08:26.680
Puoi integrare qualsiasi modello desideri,

00:08:26.860 --> 00:08:29.640
da OpenAI, Anthropic e Google Gemini ad Amazon Bedrock

00:08:29.640 --> 00:08:31.780
e persino modelli locali su Allama.

00:08:32.440 --> 00:08:33.180
Lo stesso vale strumento.

00:08:33.520 --> 00:08:36.440
Ti connetti tramite OpenAI e protocollo di contesto del modello codice diretto.

00:08:36.440 --> 00:08:40.600
Alcuni temono che usare il framework di Microsoft ti vincoli al loro ecosistema.

00:08:41.060 --> 00:08:41.480
Non è vero.

00:08:41.940 --> 00:08:44.200
Il framework funziona con qualsiasi stack che tu stai già utilizzando.

00:08:44.660 --> 00:08:46.980
Il livello Arnest aggiunge funzionalità come accesso ai file,

00:08:47.100 --> 00:08:49.380
esecuzione di codice, middleware di pianificazione e telemetria.

00:08:49.740 --> 00:08:52.580
Quindi creare un agente con questo framework significa costruire un sistema completo

00:08:52.580 --> 00:08:56.220
che legge file, scrive codice, pianifica attività in più fasi e registra tutto per il debug.

00:08:56.660 --> 00:08:58.200
È molto più di una semplice interfaccia di chat.

00:08:58.480 --> 00:08:59.160
Ecco come appare.

00:08:59.600 --> 00:09:01.520
Immagina un agente di programmazione basato su questo framework.

00:09:02.040 --> 00:09:05.160
Idea è un compito, diciamo, aggiungere una nuova funzionalità a una base di codice esistente.

00:09:05.160 --> 00:09:08.520
L'agente inizia navigando nella documentazione per comprendere l'api.

00:09:08.920 --> 00:09:09.700
Poi scrive il codice.

00:09:10.180 --> 00:09:11.820
Dopodiché esegue dei test per assicurarsi l'università.

00:09:12.060 --> 00:09:15.300
Se un test fallisce, legge l'errore, corregge il bug ed esegue nuovamente i test,

00:09:15.420 --> 00:09:17.360
tutto all'interno dello stesso Arnest, ciclando tra pensiero.

00:09:17.500 --> 00:09:19.080
Se ne verifica finché il lavoro non è completato.

00:09:20.200 --> 00:09:22.340
Senza l'Arnest dovresti fornire ogni passaggio manualmente.

00:09:22.720 --> 00:09:24.960
Con esso l'agente gestisce l'intero flusso di lavoro da solo.

00:09:25.420 --> 00:09:27.820
Un esempio popolare di Arnest in azione è il pattern Clow.

00:09:28.420 --> 00:09:30.120
Microsoft l'ha reso disponibile su Foundry

00:09:30.120 --> 00:09:32.480
ed è un'ottima dimostrazione di come questi pezzi si uniscano.

00:09:32.480 --> 00:09:34.520
Agenti in stile Clow e Arnest

00:09:34.520 --> 00:09:36.360
Parliamo degli agenti in stile Clow.

00:09:37.060 --> 00:09:39.240
Il nome deriva da progetti open source come Open Clow.

00:09:39.720 --> 00:09:41.240
Questi agenti risiedono sulla tua macchina,

00:09:41.360 --> 00:09:43.960
attendono istruzioni e poi eseguono lunghi compiti autonomamente.

00:09:44.540 --> 00:09:46.400
Sono sempre lì pronti a intervenire quando ne hai bisogno.

00:09:46.880 --> 00:09:49.580
Pensali come un assistente personale che non si prende mai un giorno libero.

00:09:50.160 --> 00:09:51.680
La versione di Microsoft si chiama Arnest.

00:09:52.020 --> 00:09:54.640
Funziona all'interno della sandbox per agenti ospitata da Foundry

00:09:54.640 --> 00:09:56.400
e offre alcune capacità impressionanti.

00:09:56.820 --> 00:09:59.600
Arnest ha il proprio file system, la propria memoria e il proprio set di strumenti.

00:09:59.600 --> 00:10:01.700
Puoi impostare le proprie routine di manutenzione,

00:10:01.920 --> 00:10:03.980
prendendo vecchi file organizzando il proprio spazio di lavoro.

00:10:04.640 --> 00:10:06.840
E se si rende conto di aver bisogno di una nuova competenza che non possiede,

00:10:06.920 --> 00:10:07.680
può costruirlo al volo.

00:10:08.140 --> 00:10:09.500
Ora ecco il punto sugli agenti Clow.

00:10:09.840 --> 00:10:12.120
Gli architetti Cloud li chiamano animali domestici, non bestiame.

00:10:12.520 --> 00:10:13.540
Gli animali domestici sono uno.

00:10:13.740 --> 00:10:15.980
Dai loro un nome, ti prendi cura di loro, non puoi sostituirli facilmente.

00:10:16.220 --> 00:10:17.080
Bestiame è intercambiabile.

00:10:17.520 --> 00:10:19.060
Quindi se uno si guasta ne avvia un altro.

00:10:19.680 --> 00:10:21.000
Gli agenti Clow sono decisamente animali domi.

00:10:21.340 --> 00:10:23.740
Ognuno ha il proprio stato, la propria cronologia, i propri comportamenti apriti.

00:10:23.740 --> 00:10:27.840
Questa unicità li rende potenti, ma rende anche più difficile il ripristino e la scalabilità.

00:10:28.500 --> 00:10:32.020
Se qualcosa va storto, non puoi semplicemente eliminare distanze e ricominciare da capo,

00:10:32.060 --> 00:10:33.860
perché perderesti tutta la conoscenza accumulata.

00:10:34.080 --> 00:10:35.760
La soluzione di Microsoft è chiamata routine.

00:10:36.140 --> 00:10:38.840
Si tratta di attività programmate, che consentono alla gente di svegliarsi,

00:10:38.920 --> 00:10:41.040
eseguire operazioni di manutenzione e poi tornare a dormire.

00:10:41.140 --> 00:10:43.760
Invece di mantenere la sandbox attiva 24 ore su 24,

00:10:43.760 --> 00:10:46.760
il che ha un costo, la gente si spegne dopo un periodo di inattività.

00:10:47.600 --> 00:10:50.300
Il sistema di routine non riattiva quando è necessario svolgere operazioni,

00:10:50.460 --> 00:10:53.400
come ripulire vecchie competenze, eseguire un backup o cercare nuovi task.

00:10:53.960 --> 00:10:54.820
Poi torna a dormire.

00:10:55.320 --> 00:10:58.320
Questo permette di risparmiare, mantenendo la gente disponibile quando serve.

00:10:58.680 --> 00:11:00.020
La sandbox isola ogni sessione.

00:11:00.660 --> 00:11:05.140
I file, la memoria e la configurazione del tuo agente rimangono confinati nel proprio ambiente.

00:11:05.700 --> 00:11:07.940
Inoltre, l'harness gestisce lo stato tra le varie sessioni,

00:11:08.020 --> 00:11:10.740
così non devi preoccuparti che i dati di un agente finiscano in quelli di un altro.

00:11:11.260 --> 00:11:14.820
Costruire il proprio harness da zero è possibile, ma la maggior parte delle aziende non ne ha bisogno.

00:11:15.440 --> 00:11:18.460
Foundry ti offre una piattaforma pronta all'uso con tutte queste funzionalità integra.

00:11:18.940 --> 00:11:21.000
La vera domanda è, cosa vuoi che faccia il tuo agente?

00:11:21.000 --> 00:11:24.960
Pubblicazione e collaborazione, dove gli Amazon si incontrano gli esseri mai.

00:11:25.300 --> 00:11:28.360
Quindi hai creato il tuo agente, fornendo gli strumenti, memoria, orchestrazione e una sandbox.

00:11:28.820 --> 00:11:29.940
Ora come fanno le persone a usare Google?

00:11:30.280 --> 00:11:31.620
È qui che Foundry semplifica le cose.

00:11:32.280 --> 00:11:37.540
Una volta creato e distribuito l'agente, puoi pubblicarlo su Microsoft 3.5 Copilot in Microsoft Teams con un solo click.

00:11:38.280 --> 00:11:41.000
Niente 10 click, niente pipeline di distribuzione di 3 giorni, solo un click.

00:11:41.000 --> 00:11:45.620
E il tuo agente appare esattamente dove le persone lavorano già, nelle email, nel chat e nei documenti.

00:11:46.120 --> 00:11:47.680
Foundry supporta due modalità di distribuzione.

00:11:48.100 --> 00:11:49.060
Primo, agenti di assistenza.

00:11:49.480 --> 00:11:52.960
Questi lavorano per tuo conto, scrivendo email, pianificando riunioni e recuperando documenti.

00:11:53.420 --> 00:11:57.300
Agiscono come una tua estensione, come avere un assistente velocissimo che fa ciò che chiedi.

00:11:58.600 --> 00:11:59.880
Secondo, agenti a pilota automatico.

00:12:00.180 --> 00:12:01.280
Questi sono più recenti e interessanti.

00:12:01.580 --> 00:12:04.260
Agiscono per il proprio conto, con il proprio indirizzo email e la propria identità.

00:12:04.700 --> 00:12:06.320
Non hanno bisogno che tu fornisca loro input ogni volta.

00:12:06.640 --> 00:12:07.340
Prendono iniziativa.

00:12:07.340 --> 00:12:09.600
Gli agenti a pilota automatico hanno un account tag complet.

00:12:09.740 --> 00:12:12.640
Puoi aggiungerli a una chat di gruppo di Teams, proprio come faresti con un collega umano.

00:12:12.980 --> 00:12:16.240
Seguono la conversazione e intervengono quando possono essere d'aiuto,

00:12:16.320 --> 00:12:19.560
tenendo traccia delle attività aperte, rispondendo alle domande sul lavoro del team

00:12:19.560 --> 00:12:23.780
e persino inserendo i nuovi membri, inviando loro i documenti giusti e presentandoli alle persone corrette.

00:12:24.020 --> 00:12:24.920
Ecco un esempio concreto.

00:12:25.280 --> 00:12:27.360
Immagina di avere un agente responsabile del flusso di lavoro.

00:12:27.660 --> 00:12:28.880
Lo aggiungi alla tua chat di gruppo su Team.

00:12:29.080 --> 00:12:31.300
Qualcuno dice, ehi, ho bisogno del rapporto del Q3 entro venerdì.

00:12:31.960 --> 00:12:33.720
L'agente nota che si tratta di un'attività da svolgere.

00:12:33.720 --> 00:12:38.340
Crea un task, lo assegna la persona giusta e aggiunge un promemoria per giovedì per verificare l'avanzamento.

00:12:38.880 --> 00:12:39.780
Nessuno glielo ha chiesto.

00:12:40.240 --> 00:12:41.960
Ha semplicemente visto qualcosa da fare e l'ha fatta.

00:12:42.760 --> 00:12:44.620
L'Arnes gestisce tutti i permessi dietro le quinte.

00:12:45.240 --> 00:12:47.960
Solo utenti autorizzati possono interagire con l'agente in una chat di gruppo.

00:12:48.140 --> 00:12:50.520
L'agente vede solo i messaggi che gli è consentito vedere e ignora il resto.

00:12:50.880 --> 00:12:53.340
Rispetta gli stessi controlli di accesso dei membri umani del tuo team.

00:12:53.760 --> 00:12:55.500
Ecco perché l'ingegneria dell'Arnes ripaga davvero.

00:12:55.820 --> 00:12:58.220
L'agente smette di essere un chatbot ed aprire una scheda del browser.

00:12:58.880 --> 00:13:00.000
Eventa un membro produttivo del team.

00:13:00.000 --> 00:13:02.520
Vive dove vivi tu, lavora come lavora il tuo team.

00:13:03.120 --> 00:13:08.720
E fa tutto questo perché l'Arnes, il sistema attorno al modello, gestisce identità, permessi, deployment e integrazione.

00:13:09.540 --> 00:13:11.920
Senza l'Arnes avresti solo un'altra finestra di chat da controllare.

00:13:12.280 --> 00:13:13.920
Ma ogni strumento potente ha necessità di tutto.

00:13:14.240 --> 00:13:16.380
Parliamo delle barri di protezione che rendono tutto questo sicuro.

00:13:16.880 --> 00:13:18.680
IA responsabile governance nell'Arnes.

00:13:19.200 --> 00:13:19.580
Tutto questo.

00:13:20.000 --> 00:13:22.500
L'ingegneria dell'Arnes non serve solo a rendere gli agenti più capaci.

00:13:22.940 --> 00:13:24.560
Serve a renderli sicuri e affidabili.

00:13:24.560 --> 00:13:30.000
Un agente che può inviare mail, modificare file e agire nelle chat di gruppo è potente ma tale potere richiede controlli.

00:13:30.540 --> 00:13:32.680
Immaginalo come dare a un dipendente le chiavi dell'edificio.

00:13:33.180 --> 00:13:36.360
Puoi che svolga il suo lavoro, ma stabilisce anche regole su cosa può accedere e quando.

00:13:37.420 --> 00:13:40.320
L'approccio di Microsoft si basa sullo standard per unire responsabile.

00:13:41.360 --> 00:13:42.740
Sei principi guidano ogni cosa.

00:13:43.100 --> 00:13:48.880
Equità, affidabilità e sicurezza, privacy e protezione, inclusività, trasparenza e responsabilità.

00:13:48.880 --> 00:13:51.220
Non sono solo belle idee scritte su un poster.

00:13:51.800 --> 00:13:55.440
Sono le fondamenta reali su cui è progettata l'intera piattaforma fin dall'inizio.

00:13:55.960 --> 00:13:58.180
L'Arnes è il luogo in cui questi principi diventano codice concreto.

00:13:58.640 --> 00:14:00.220
Le barriere limitano ciò che l'agente può fare.

00:14:00.500 --> 00:14:04.200
Gli hook del ciclo di vita ti consentono di applicare policy a ogni fase dell'esecuzione dell'agente.

00:14:04.540 --> 00:14:08.400
Prima che l'agente venga eseguito, dopo prima che richiami uno strumento, dopo aver ottenuto un risultato,

00:14:08.460 --> 00:14:10.420
puoi inserire i tuoi controlli in qualsiasi momento.

00:14:11.120 --> 00:14:13.180
Puoi impedire all'agente di accedere a determinati database?

00:14:13.780 --> 00:14:14.220
Puoi farlo.

00:14:14.600 --> 00:14:16.840
Puoi richiedere l'approvazione umana prima che l'agente inviui un email?

00:14:16.840 --> 00:14:19.860
Puoi fare anche questo. Entrambe le operazioni sono semplici da configurare.

00:14:20.200 --> 00:14:23.720
Il Well-Architected Framework di Azure include una guida dedicata ai carichi di lavoro di A.

00:14:23.920 --> 00:14:26.340
Copre tutto dalla criptografia dei dati e alla risposta agli incidenti.

00:14:27.040 --> 00:14:31.520
L'idea è che costruire un sistema di A non sia sostanzialmente diverso dal costruire qualsiasi altro sistema aziendale.

00:14:31.920 --> 00:14:34.220
Hai ancora bisogno di sicurezza, affidabilità ed eccellenza operativa.

00:14:34.860 --> 00:14:38.860
Il Well-Architected Framework ti offre un modo strutturato per pensare a tutto questo senza perderti.

00:14:39.360 --> 00:14:41.020
Oltre a questo c'è il Cloud Adoption Framework.

00:14:41.480 --> 00:14:43.480
Fornisce un processo in quattro fasi per la governance dell'IA.

00:14:43.960 --> 00:14:45.160
Primo, identificare i rischi.

00:14:45.600 --> 00:14:46.280
Cosa potrà ristorre?

00:14:46.840 --> 00:14:48.280
Secondo, misurare l'impatto. Non sarebbe grave.

00:14:48.700 --> 00:14:50.000
Terzo, mitigare con i controlli.

00:14:50.280 --> 00:14:51.560
Cosa puoi mettere in atto per prevenire?

00:14:51.980 --> 00:14:53.260
Quarto, operare con il monitoraggio.

00:14:53.640 --> 00:14:55.020
Come intercetti i problemi quando si verifichi?

00:14:55.320 --> 00:14:59.100
È un approccio pratico passo dopo passo che trasforma preoccupazioni astratte in azioni concrete.

00:14:59.840 --> 00:15:03.040
Per i sistemi di controllo degli agenti questo significa alcune cose fondamentali.

00:15:03.380 --> 00:15:05.980
Limiti massimi di passaggi così l'agente non può girare infinito.

00:15:06.540 --> 00:15:08.780
Restrizioni sugli strumenti affinché acceda solo a ciò che deve.

00:15:09.220 --> 00:15:11.000
Filtri di approvazione umana per azioni ad alto rischio.

00:15:11.260 --> 00:15:13.540
Tracce di audit così ogni decisione è registrata e revisionabile.

00:15:13.540 --> 00:15:17.280
Filtri di sicurezza dei contenuti che bloccano output problematici ma ne vengono visti.

00:15:17.780 --> 00:15:20.100
Ogni elemento lavora insieme per tenere il tuo agente sotto stretto.

00:15:20.540 --> 00:15:23.840
Microsoft fornisce sicurezza dei contenuti valutatori integrati in Foundry.

00:15:24.320 --> 00:15:26.840
Puoi testare il tuo agente rispetto a una serie di criteri prima di distribuire.

00:15:27.280 --> 00:15:27.920
Resta in tema.

00:15:28.460 --> 00:15:29.860
Gestisci i dati sensibili ma d'appropriato.

00:15:30.280 --> 00:15:31.960
Rifiuta le richieste che non dovrebbe soddisfare.

00:15:32.520 --> 00:15:37.060
Puoi eseguire queste valutazioni automaticamente e ottenere un punteggio prima di pubblicare l'agente.

00:15:37.060 --> 00:15:40.380
In questo modo intercetti i problemi presto, non dopo che qualcosa è andato a stop.

00:15:40.800 --> 00:15:41.680
Questo è il quadro completo.

00:15:42.080 --> 00:15:44.720
Da un semplice prompt a un agente autonomo sicuro di livello produttivo.

00:15:45.300 --> 00:15:47.300
Il modello pensa all'imparcatura, fa tutto il resto.

00:15:48.060 --> 00:15:51.300
Coordinamento, guardrail, governance, tutto ciò che lo rende affidabile.

00:15:52.020 --> 00:15:53.600
Quindi ricapitoliamo la trasformazione.

00:15:54.140 --> 00:15:55.320
Abbiamo iniziato con il prompt one shot.

00:15:55.780 --> 00:15:57.000
Scrivi un prompt e otti una risposta.

00:15:57.640 --> 00:15:58.820
Funzionava per compiti semplici.

00:15:59.100 --> 00:16:00.500
Poi siamo passati all'ingegneria del contesto.

00:16:00.780 --> 00:16:01.920
Gestisci ciò che il modello vede.

00:16:02.200 --> 00:16:03.820
Carica le informazioni giuste al momento giusto.

00:16:04.140 --> 00:16:05.580
Funzionava per compiti più complessi.

00:16:05.580 --> 00:16:07.900
E ora siamo arrivati all'ingegneria completa del sistema di controllo.

00:16:08.280 --> 00:16:12.280
Costruisci un sistema completo attorno al modello con memoria, strumenti, coordinamento, guardrail e governance.

00:16:12.780 --> 00:16:13.580
Ecco il concetto chiave.

00:16:13.900 --> 00:16:16.120
Un agente affidabile è solo quanto il sistema che lo circonda.

00:16:16.620 --> 00:16:19.880
Il modello conta, certamente, ma è l'impalcatura che determina il successo in produzione.

00:16:20.280 --> 00:16:23.240
Puoi avere il miglior modello al mondo, ma senza un buon sistema di controllo.

00:16:23.460 --> 00:16:24.580
Fallirà nei compiti reali.

00:16:25.400 --> 00:16:27.420
E puoi avere un modello discreto con un'ottima impalcatura.

00:16:27.760 --> 00:16:29.160
Supererà le aspettative ogni volta.

00:16:30.120 --> 00:16:30.800
Ecco la tua sfida.

00:16:31.700 --> 00:16:33.880
Nel tuo prossimo progetto di A, pensa oltre il prompt.

00:16:33.880 --> 00:16:35.920
Non chiederti cosa dovrei dire al modello.

00:16:36.040 --> 00:16:38.120
Chiediti quale sistema devo costruire attorno ad esso.

00:16:38.840 --> 00:16:41.540
Questo cambio di mentalità è ciò che separa le demo dai sistemi di produzione.

00:16:42.000 --> 00:16:44.800
Nel prossimo episodio approfondiremo un componente dell'architettura al memoria.

00:16:45.340 --> 00:16:48.080
Come gli agenti imparano nel tempo, come ricordano ciò che hanno fatto

00:16:48.080 --> 00:16:50.080
e come questo cambia ciò che possono realizzare.

00:16:50.740 --> 00:16:51.720
Iscriviti per non perderlo.

00:16:51.720 --> 00:16:52.720
Grazie.

00:16:52.720 --> 00:16:53.720
Grazie.

00:16:53.720 --> 00:16:54.720
Grazie.
