L'impresa agente

Agentic Enterprise rappresenta un cambiamento fondamentale nel modo in cui le aziende utilizzano l'intelligenza artificiale. Passa da strumenti passivi che richiedono una costante direzione umana ad agenti autonomi che percepiscono, ragionano e agiscono da soli pur rimanendo allineati all'intento umano. È un'organizzazione in cui persone, agenti e piattaforme lavorano insieme all'interno di sistemi aziendali governati per ottenere risultati che nessuno potrebbe ottenere da solo.

Questo documento è complementare al framework ben progettato. I cinque pilastri del framework — Trust, Affidabilità, Eccellenza operativa, Ottimizzazione delle risorse e dei costi ed Equità — forniscono le linee guida di base valide per tutte le soluzioni Salesforce. Questa panoramica spiega che cosa cambia quando le soluzioni diventano efficaci e indica i dettagli pilastro per pilastro.

I sistemi agentici combinano modelli di linguaggio di grandi dimensioni, generazione aumentata di recupero, chiamata di funzioni e schemi di orchestrazione per creare funzionalità che si adattano al contesto anziché seguire percorsi programmati rigidi. Gli agenti combinano il ragionamento probabilistico (inferenza LLM) con l'esecuzione deterministica (flussi di lavoro e orchestrazione) per consentire sia l'adattabilità che la governance.

Per gli architetti, questo comportamento introduce considerazioni sulla progettazione in ogni pilastro. Gli agenti operano con un comportamento non deterministico nel loro livello di ragionamento, che richiede nuovi schemi di affidabilità, monitoraggio e controllo. L'autonomia degli agenti richiede confini di sicurezza ottimizzati e la supervisione di Human-in-the-Loop. Il coordinamento tra più agenti crea una complessità emergente che richiede un'orchestrazione deliberata. Agentic Enterprise non si limita ad aggiungere funzioni di intelligenza artificiale alle architetture esistenti, ma ripensa il modo in cui i sistemi vengono progettati, distribuiti e governati.

Se eseguita correttamente, questa combinazione crea un valore aziendale reale: gli agenti gestiscono flussi di lavoro complessi in più fasi che in precedenza richiedevano l'intervento umano, sintetizzano le informazioni tra le fonti e scalano le competenze in tutta l'organizzazione. Introduce anche sfide che richiedono una progettazione deliberata. Il comportamento non deterministico complica i test, il monitoraggio e la gestione degli errori. L'autonomia solleva questioni di controllo, responsabilità e sicurezza. Le strutture dei costi passano dall'infrastruttura fissa al consumo di inferenza variabile. Gli architetti devono trovare un equilibrio tra autonomia e rischio, tra innovazione e controllo e tra capacità e costi.

Una distinzione fondamentale nell'architettura agente è se un agente assiste un essere umano (schema copilota: suggerire, consigliare, creare bozza) o agisce in modo autonomo (schema agente: decidere, eseguire, completare). I copiloti richiedono l'approvazione umana per le azioni di modifica dello stato; gli agenti operano in modo indipendente entro i limiti delle autorizzazioni. Tale distinzione determina i requisiti Trust, le esigenze di osservabilità e gli schemi di supervisione. Il passaggio dagli interventi agli interventi è un cambiamento architettonico, non di configurazione: richiede di rivalutare ogni pilastro attraverso la lente del funzionamento autonomo.

Agentic Enterprise è un'organizzazione in cui persone, agenti e piattaforme lavorano insieme all'interno di sistemi aziendali governati per fornire risultati che nessuno potrebbe ottenere da solo. Questo modello in tre parti modella ogni decisione architettonica:

Gli esseri umani forniscono supervisione, giudizio e intervento quando le capacità degli agenti sono insufficienti o quando la posta in gioco richiede responsabilità umana. La collaborazione uomo-agente consente alle persone di concentrarsi sul giudizio di alto valore mentre gli agenti gestiscono l'esecuzione di routine e la sintesi delle informazioni. Gli esseri umani mantengono il controllo a livello di sistema: definiscono i confini e gli agenti decidono e agiscono al loro interno.
Gli agenti offrono automazione intelligente, interfacce per linguaggio naturale e processi decisionali adattivi. Gli agenti non sono funzioni indipendenti ma partecipanti integrati ai flussi di lavoro aziendali. Rilevano il contesto dai dati governati, ragionano sulle azioni appropriate utilizzando tecniche probabilistiche e deterministiche e agiscono tramite flussi di lavoro aziendali e integrazioni esterne.
Le piattaforme offrono l'infrastruttura gestita che rende possibile il lavoro degli agenti: logica aziendale accumulata, dati unificati, orchestrazione e infrastruttura di collaborazione. La piattaforma distingue i sistemi agentici di livello aziendale dagli esperimenti di intelligenza artificiale non governati: applica le autorizzazioni, mantiene gli itinerari di controllo, applica le regole di conformità e mantiene gli agenti operativi all'interno della governance organizzativa.

Rimuovere gli esseri umani e si perde la responsabilità; rimuovere gli agenti e si perde l'intelligenza; rimuovere le piattaforme e si perde la governance. Agentic Enterprise richiede tutti e tre come sistema unificato.

Qualsiasi architettura agente, su qualsiasi stack tecnologico, deve fornire un insieme comune di funzionalità. Un agente ha bisogno di dati affidabili su cui ragionare, di una logica aziendale su cui agire in modo sicuro, di una governance del proprio ciclo di vita, di una comprensione condivisa di cosa significhino i dati e di un percorso per inoltrarli al livello umano. Si tratta di requisiti architettonici, non di prodotti: laddove Salesforce fornisce parte dello stack, le funzionalità rimanenti richiedono comunque attenzione.

Salesforce offre queste funzionalità come insieme integrato. Considerandole come un sistema, le dipendenze vengono rese esplicite: indebolite e gli agenti sono limitati in modo prevedibile. Questa sezione descrive ogni funzionalità, il motivo per cui è importante per gli agenti e il modo in cui Salesforce la fornisce.

Gli agenti richiedono dati controllati e verificati per ragionare in modo efficace: i modelli di intelligenza artificiale conoscono gli schemi dai dati di addestramento, non dai record dei clienti, dal catalogo prodotti o dalla cronologia delle transazioni di un'azienda. Questa funzionalità consente di colmare questa lacuna basando gli agenti su dati precisi, autorizzati, aggiornati e tracciabili, anziché su contenuti Web arbitrari o fonti non verificate.

I dati operativi correnti alimentano decisioni sensibili al tempo: un agente di commercio che risponde "Qual è lo stato dei miei ordini?", un agente dell'assistenza che fa emergere i casi aperti o un agente di vendita che classifica le opportunità chiuse questo trimestre.
I dati storici, ad esempio le serie di dati di grandi dimensioni contenute in Data 360, supportano l'analisi delle tendenze, le previsioni e l'apprendimento dagli schemi passati.
L'accesso federato consente agli agenti di ragionare sui dati ovunque si trovino. Riduce la duplicazione per le fonti connesse e presenta una visualizzazione unificata.

Salesforce fornisce questo tramite il portafoglio Data 360.

Implicazioni architettoniche: La qualità degli agenti dipende dalla qualità dei dati. Investire in governance, classificazione e discendenza dei dati. Un agente che mette in evidenza dati errati erode Trust più velocemente di uno che dice "Non lo so".

Un agente che può rispondere solo alle domande è un copilota. Un agente che può creare record, aggiornare opportunità, inviare comunicazioni e attivare automazioni è autonomo. Questa autonomia consente agli agenti di agire anziché limitarsi ad assistere: richiama processi aziendali esistenti e ben collaudati anziché reimplementarli nel codice generato.

Gli agenti traducono gli intenti di linguaggio naturale in operazioni aziendali standard anziché richiedere agli utenti di scrivere codice.
Gli agenti delegano a processi a più fasi incapsulati (ad esempio, un flusso di rimborso che gestisce controlli del credito, aggiornamenti dell'inventario e notifiche).
Man mano che le regole aziendali si evolvono, gli agenti ereditano automaticamente le modifiche, a condizione che la logica risieda nel flusso di lavoro e non nelle istruzioni dell'agente.

Salesforce fornisce questa capacità attraverso la logica aziendale Customer 360 e l'automazione della piattaforma.

Implicazioni architettoniche: Progettare gli agenti in modo che richiamino i flussi di lavoro esistenti e non li sostituiscano. Gli agenti che chiamano automazioni collaudate sono più affidabili degli agenti che implementano nuovamente la logica aziendale tramite il codice generato.

Gli agenti hanno bisogno di governance dallo sviluppo alla distribuzione, al monitoraggio e al ritiro. Senza di essa, la proliferazione degli agenti non governati crea un'intelligenza artificiale ombra: agenti con autorizzazioni poco chiare, senza tracce di controllo, comportamento non testato e costo sconosciuto. Questa funzionalità garantisce che gli agenti vengano costruiti con guardrail, distribuiti attraverso i cancelli di approvazione, monitorati per la fluttuazione e ritirati quando non sono più necessari.

Gli strumenti di sviluppo generano configurazioni iniziali a partire da descrizioni in linguaggio naturale e impongono guardrail (convalida delle autorizzazioni, ambito subagente) in fase di progettazione.
L'orchestrazione in fase gestisce la chiamata degli agenti, l'imposizione delle autorizzazioni, la registrazione dei controlli e la gestione degli errori.
Le funzionalità riutilizzabili consentono ai team di adottare azioni e agenti predefiniti, incluse le funzionalità verticali degli esperti di dominio, anziché creare ogni agente da zero.
L'osservabilità della sessione memorizza le interazioni degli agenti, le fasi di ragionamento e i risultati per analisi, debug e rilevamento della fluttuazione.

Salesforce fornisce questa funzionalità tramite Agentforce Studio, Agent Fabric e AgentExchange.

Implicazioni architettoniche: Considerare gli agenti come asset gestiti, non come script singoli. La governance a livello di sistema evita la proliferazione degli agenti.

Gli agenti che eseguono query sui dati devono comprendere la semantica: che cosa significa "reddito", quale campo è "nome cliente" e in che modo le tabelle sono correlate. Senza una definizione semantica condivisa, gli agenti generano query che utilizzano campi errati, interpretano in modo errato i valori nulli o violano le regole aziendali. Con uno, ogni agente esegue una query nelle definizioni governate e restituisce risultati coerenti e corretti, con una logica di calendario fiscale e di riconoscimento del reddito basata sulla definizione, non sui prompt degli agenti. Questo livello opera all'interno del modello di sicurezza nativo della piattaforma: l'accesso è regolato dai controlli a livello di riga e a livello di campo della piattaforma, non implementati nuovamente nel livello semantico. Di conseguenza, gli agenti sono vincolati dalle stesse autorizzazioni dati applicate dalla piattaforma.

Salesforce offre questa funzionalità tramite Tableau Semantics, un livello semantico governato integrato con Tableau Next e Data 360.

Implicazioni architettoniche: Definire il livello semantico prima di distribuire gli agenti analitici. Gli agenti che eseguono query sulle tabelle non elaborate creano lacune di governance e risultati incoerenti.

Gli agenti completamente autonomi senza supervisione umana creano rischi per la conformità, lacune di responsabilità e sfiducia degli utenti. Questa funzionalità consente agli utenti di avere il controllo: gli agenti inoltrano al livello superiore quando sono incerti, richiedono l'approvazione per le azioni di grande impatto e rimangono trasparenti sui loro ragionamenti.

I flussi di lavoro consentono agli agenti di richiedere l'autorizzazione umana prima di eseguire azioni consequenziali (emissione di un rimborso, chiusura di un'opportunità, eliminazione di dati).
La cronologia interazioni persistenti registra gli intenti, i dati consultati, le fasi di ragionamento e le azioni intraprese, consentendo il controllo, il debug e il miglioramento continuo.
Gli schemi di inoltro al livello superiore vengono trasmessi agli specialisti umani con contesto completo quando un agente non è sicuro di sé o ha un caso limite.

Salesforce offre questa funzionalità tramite l'approvazione Human-in-the-Loop e flussi di lavoro di inoltro al livello superiore con cronologia delle interazioni persistente e controllabile.

Implicazioni architettoniche: Progettare regole esplicite di inoltro al livello superiore. Definire le decisioni che richiedono l'approvazione umana (soglie finanziarie, azioni irreversibili, dati regolamentati) e implementare tali flussi di lavoro prima di distribuire agenti autonomi.

Queste funzionalità sono interdipendenti. Un agente attinge a dati affidabili per basare il suo ragionamento, agisce secondo una logica aziendale, opera nell'ambito della governance del ciclo di vita, esegue query attraverso la semantica condivisa e inoltra il livello superiore agli esseri umani quando necessario. Rimuovere i dati affidabili e gli agenti hanno allucinazioni; rimuovere la logica aziendale e possono solo rispondere, non agire; rimuovere la governance e proliferare nell'intelligenza artificiale ombra; rimuovere la semantica condivisa e la fluttuazione delle loro query; rimuovere l'inoltro al livello superiore umano e agire senza supervisione. Un modello di consumo API-first (Salesforce Headless 360) consente agli agenti di raggiungere queste funzionalità tramite interfacce di programmazione coerenti (API, MCP e CLI) anziché integrare sistemi separati uno per uno.

I pilastri del framework Well-Architected rimangono la base per i sistemi agenti: gli agenti operano ancora entro i limiti del governor, richiedono controlli di accesso adeguati, necessitano di monitoraggio, consumano risorse e servono gli utenti in modo equo. Iniziare dalla guida del pilastro centrale, quindi applicare le considerazioni agentiche aggiunte dal compagno di ogni pilastro.

Guida del pilastro centrale:

Trust — Modello di responsabilità condiviso, controllo dell’accesso a quattro livelli (organizzazione/oggetto/campo/record), crittografia, flussi OAuth, itinerari di controllo, framework di conformità
Affidabilità: limiti del governor con un buffer operativo consigliato (il tetto del 70% è una procedura ottimale della comunità ampiamente citata, non una specifica Salesforce ufficiale), elaborazione asincrona, interruttori automatici, pianificazione della capacità, schemi multi-organizzazioni, ripristino di emergenza
Eccellenza operativa — Monitoraggio evento, Proactive Monitoring, procedure DevOps (sviluppo basato sulla fonte, CI/CD), automazione, gestione degli incidenti, metriche DORA
Ottimizzazione di risorse e costi: ottimizzazione SOQL, prevenzione dell'alterazione dei dati, organizzazione del codice, strategie di creazione pacchetti, monitoraggio delle prestazioni, modellazione TCO, creazione e acquisto, ottimizzazione delle licenze, monitoraggio dei costi
Equità: accessibilità (WCAG 2.2 AA), modelli di non discriminazione (regole di condivisione, FLS), architettura della privacy, governance etica dell'intelligenza artificiale

Gli schemi Trust principali (modello di responsabilità condiviso, privilegi minimi, crittografia, OAuth) rimangono fondamentali. I sistemi agentici aggiungono:

Identità agente e autenticazione: gli agenti possono utilizzare l'autenticazione basata su JWT anziché chiavi API statiche, che abilita gli itinerari di controllo per agente e il tracciamento granulare delle autorizzazioni
Propagazione dell'identità: quando gli agenti invocano sistemi esterni per conto di un utente, propagano l'identità dell'utente (non solo quella dell'agente) in modo che i sistemi a valle applichino le autorizzazioni a livello di utente e gli itinerari di controllo
Confini delle autorizzazioni: privilegi minimi per gli agenti, eredità delle autorizzazioni da parte dell'utente in esecuzione, autorizzazioni esplicite degli agenti e convalida ai confini delle delegazioni
Human-in-the-Loop per decisioni consequenziali — flussi di lavoro di approvazione per azioni ad alto impatto o irreversibili e dati regolamentati
Spiegabilità: gli agenti spiegano il loro ragionamento, citano le fonti per le richieste fattuali e rendono trasparenti i dati e le azioni intraprese
Conformità per sistemi autonomi: rispettare la classificazione del rischio dell'EU AI Act (che distingue le distribuzioni limitate da quelle ad alto rischio) e i regolamenti specifici del settore come l'HIPAA e la legge sui servizi finanziari funzionali; mantenere una gestione rigorosa del consenso per il trattamento gestito dagli agenti

Perché è importante: Gli agenti che agiscono in autonomia senza i limiti Trust appropriati creano vulnerabilità di sicurezza, violazioni della conformità e diffidenza degli utenti. Il pilastro Trust centrale fornisce il modello di responsabilità condivisa e il controllo dell'accesso a quattro livelli; la variante agente aggiunge l'autenticazione degli agenti basata su JWT facoltativa, i gate di approvazione HITL e la spiegabilità.

Ulteriori informazioni: Agentic Enterprise Trust

Gli schemi di affidabilità di base (limiti dei governatori, elaborazione asincrona, interruttori, pianificazione della capacità) rimangono fondamentali. I sistemi agentici aggiungono:

Gestione del ragionamento non deterministico: lo stesso input può produrre output diversi; progettazione per la varianza con calcolo del punteggio di confidenza, controlli di convalida e strategie di fallback
Degradazione graziosa: quando l'inferenza non riesce o restituisce una bassa confidenza, degrada a funzionalità più semplici anziché fallire completamente
Gestione errori orchestrazione: i flussi di lavoro multi-agente richiedono l'isolamento degli errori, strategie di nuovo tentativo e la gestione dei risultati parziali in modo che un agente specializzato che esegue errori rimanga isolato anziché a catena
SLO prestazioni modello: definire obiettivi accettabili di latenza, precisione e disponibilità per i servizi agli agenti
Interruttori per coordinamento — per evitare errori a catena quando un agente riscontra errori o latenza eccessiva

Perché è importante: Il comportamento probabilistico degli agenti indica che gli schemi di affidabilità deterministica non sono sufficienti. Il pilastro Affidabilità centrale fornisce schemi asincroni e interruttori automatici per le integrazioni esterne; la variante agente aggiunge un'agevole degradazione per gli errori di inferenza e la gestione degli errori di orchestrazione per il coordinamento multi-agente.

Ulteriori informazioni: Affidabilità di Agent Enterprise

Gli schemi di eccellenza operativa di base (Monitoraggio evento, DevOps, automazione, gestione degli incidenti) rimangono fondamentali. I sistemi agentici aggiungono:

Agent Development Lifecycle (ADLC): consente di gestire gli agenti in tutto il loro ciclo di vita, dalla progettazione e il test fino alla distribuzione, al monitoraggio e alla messa a punto
Osservazione dei sistemi probabilistici: acquisizione di fasi di ragionamento, punteggi di confidenza, fonti di dati a cui si accede e logica decisionale, non solo input→output
Rilevamento della fluttuazione: monitorare il deterioramento delle prestazioni a causa di turni di distribuzione dei dati, modifiche delle regole aziendali o aggiornamenti del modello a monte rispetto ai valori di riferimento comportamentali
Controllo delle versioni e distribuzione degli agenti: implementazione graduale, test A/B, ritiro e controllo delle versioni per prompt e configurazioni
Risposta agli incidenti: distinguere gli errori del modello, gli errori dell'orchestrazione e gli errori dei dati per una riparazione mirata

Perché è importante: Il comportamento non deterministico rende più difficile l'osservabilità. Il pilastro Eccellenza operativa principale fornisce procedure di Monitoraggio evento e DevOps; la variante agente aggiunge ADLC, rilevamento della fluttuazione e osservabilità specifica dell'agente.

Ulteriori informazioni: Eccellenza operativa di Agent Enterprise

Gli schemi di ottimizzazione delle risorse e dei costi di base (ottimizzazione SOQL, limiti governor, organizzazione del codice, monitoraggio delle prestazioni, modellazione TCO, build vs. buy, ottimizzazione delle licenze, monitoraggio dei costi) rimangono fondamentali. I sistemi agentici aggiungono:

Ottimizzazione della latenza di inferenza: risposte in streaming, esecuzione parallela, caching e ottimizzazione del prompt
Economia dei token: ogni chiamata, recupero e fase di ragionamento consuma token; progettare strategie di gestione del contesto (riepilogo, recupero selettivo) per finestre di contesto limitate
Ottimizzazione recupero memoria: ricerca vettoriale e recupero semantico efficienti in modo che gli schemi RAG non creino colli di bottiglia nella latenza
Gestione della latenza multi-agente: esecuzione parallela di specialisti, delega asincrona e pianificazione del timeout per evitare che le catene sequenziali degli agenti accumulino latenza
Modularizzazione degli agenti: decomporre gli agenti monolitici in agenti specializzati per il riutilizzo, la scalabilità indipendente e l'ottimizzazione mirata
Prezzi basati sul consumo: a differenza delle licenze per utente, i costi degli agenti si scalano con l'utilizzo, richiedendo budget e previsioni diversi
Unità di lavoro agenti: misurare la spesa rispetto al lavoro svolto dagli agenti, non solo il consumo di token non elaborati, e regolare il consumo rispetto al valore consegnato
Build vs. buy for agentc capabilities — valutare la creazione di capacità differenziate rispetto all'adozione di quelle basate su materie prime
Misura del ROI: tenere traccia dei risultati aziendali rispetto ai costi operativi degli agenti

Perché è importante: Il consumo di token e la latenza di inferenza sono nuovi vincoli per le risorse e i modelli di costo agentico sono fondamentalmente diversi dai costi dell'infrastruttura. Il pilastro centrale fornisce una guida per il limite governor, l'ottimizzazione SOQL e il framework TCO; la variante agente aggiunge l'economia dei token, l'ottimizzazione della latenza di inferenza, la gestione dei prezzi basata sul consumo e le unità di lavoro agenti per misurare il costo rispetto al completamento degli agenti di lavoro.

Ulteriori informazioni: Ottimizzazione delle risorse aziendali e dei costi di Agent Enterprise

I modelli fondamentali di equità (accessibilità, non discriminazione, privacy, governance etica dell'intelligenza artificiale) rimangono fondamentali. I sistemi agentici aggiungono:

Spiegabilità: gli agenti spiegano perché hanno deciso, quali dati hanno utilizzato e quali alternative hanno preso in considerazione. (Il pilastro Trust copre la spiegabilità come controllo di audit e trasparenza; l'equità copre il diritto dell'utente di comprendere una decisione che lo riguarda).
Contestabilità: gli utenti possono contestare le decisioni degli agenti, richiedere un riesame umano e comprendere il processo di appello
Rilevamento e mitigazione del bias: eseguire test con input diversi e monitorare gli esiti disparati tra i gruppi demografici
Sorveglianza umana proporzionale all'impatto — le decisioni ad alto rischio richiedono Human-in-the-Loop; le decisioni a basso rischio possono operare autonomamente
Equity agent-driven experiences (Equità delle esperienze guidate dagli agenti): servire tutti gli utenti in modo efficace, indipendentemente dalle competenze linguistiche, dalle competenze tecniche o dalle esigenze di accessibilità

Perché è importante: Gli agenti autonomi che prendono decisioni che influiscono sulle persone sollevano problemi di equità. Il pilastro centrale dell'equità fornisce standard di accessibilità e schemi di non discriminazione; la variante agente aggiunge spiegabilità, contestabilità e supervisione umana proporzionale.

Ulteriori informazioni: Agentic Enterprise Fairness (Equità aziendale agente)

Quando si progettano soluzioni agentiche:

Iniziare da qui per il modello concettuale: le funzionalità richieste dagli agenti e come si applicano i pilastri agli agenti.
Leggere le guide per gli approcci di base validi per tutte le soluzioni Salesforce.
Leggere i componenti del pilastro per i dettagli di progettazione specifici degli agenti.

Basarsi su modelli di piattaforma collaudati e quindi tenere presenti le considerazioni che gli agenti introducono. I pilastri centrali forniscono le fondamenta, i compagni agenti forniscono i dettagli e questa panoramica li unisce.

Le funzionalità e i pilastri descritti sopra descrivono come progettare un sistema agente. La messa in produzione di quel sistema richiede una struttura di governance permanente: un Centro di Eccellenza (CdE). Nel sistema unificato di esseri umani, agenti e piattaforme, il CoE conferisce agli esseri umani il controllo. Il Consiglio d'amministrazione definisce i confini degli agenti, decide che cosa raggiunge la produzione e allinea il lavoro degli agenti agli intenti aziendali e ai requisiti normativi. Un CoE è la differenza tra sistemi agentici governati ed esperimenti non governati che scivolano nell'intelligenza artificiale ombra: agenti con autorizzazioni poco chiare, senza traccia di controllo e costi sconosciuti.

L'autonomia rende ogni decisione di governance consequenziale. Il Consiglio d'Europa aiuta i team a prendere deliberatamente queste decisioni e ad applicarle in modo coerente, anziché risolverle una alla volta.

Un CoE riunisce business, IT e conformità attorno a un backlog condiviso e a una definizione condivisa di ready. La sua appartenenza abbraccia le prospettive toccate da una decisione dell'agente:

Uno sponsor esecutivo detiene l'autorità di bilancio ed elimina gli ostacoli all'organizzazione.
I lead aziendali traducono la strategia in priorità e sono titolari dell'arretrato.
Un ufficio programma e degli addetti ai dati collegano il lavoro degli agenti a iniziative più ampie e valutano l'integrità e la sicurezza dei dati.
Architetti, amministratori e sviluppatori sono titolari del modello di dati, degli schemi di integrazione e della cadenza di consegna, oltre che dei vincoli tecnici prima dell'inizio del lavoro.

Gli agenti effettuano spedizioni, modifiche e fluttuazioni più rapide rispetto al software tradizionale. Per mantenere la governance allineata alla consegna, il Comitato delle regioni esegue una cadenza di revisione accelerata e asincrona. Il ritmo si stringe rispetto a un CoE convenzionale e la revisione asincrona diventa la modalità di lavoro predefinita:

La modalità principale è la revisione continua asincrona: i membri rimangono allineati in un canale condiviso man mano che cambiano le impostazioni, non solo durante gli incontri pianificati.
Le revisioni operative settimanali confermano che le modifiche in volo rimangono compatibili con gli agenti attivi e le integrazioni, un ritmo più rapido rispetto alle revisioni mensili o trimestrali consentite da un ritmo di consegna più lento.
I riesami strategici mensili valutano l'arretrato rispetto alle priorità aziendali e la preparazione rispetto all'attuale base di riferimento per la qualità dei dati.

Il Consiglio d'amministrazione prende decisioni esplicite su chi approva le modifiche agli oggetti, ai campi e alle automazioni da cui dipendono gli agenti, a chi spetta la priorità quando le richieste competono, quando ritirare il debito tecnico e quali metriche aziendali definiscono il successo.

Un CoE pronto per l'uso governa in ogni pilastro. Le guide del pilastro centrale forniscono i controlli di base; il Consiglio d'Europa è il luogo in cui diventano prassi osservabili e applicate.

Trust: la protezione a livello di oggetto, campo e record regola i dati utilizzati dagli agenti. I controlli di accesso a livello di agente limitano i dati e le azioni a cui ogni agente può accedere. La modellazione di identità, privilegi minimi e minacce è incorporata nella progettazione dell'agente. Vedere Trust and Agentic Enterprise Trust.
Eccellenza operativa: i registri di traccia e controllo acquisiscono decisioni, azioni e output degli agenti. I cruscotti digitali di monitoraggio rivedono le prestazioni e l'allineamento agli obiettivi in tutto il ciclo di vita dello sviluppo degli agenti. Vedere Eccellenza operativa ed Eccellenza operativa aziendale.
Affidabilità e ottimizzazione risorse e costi: specifiche, generazione di test, loop di feedback e deprecazione regolano l'intero ciclo di vita degli agenti. La limitazione della percentuale, i controlli delle risorse e le strategie di risoluzione contengono gli effetti degli errori degli agenti. Vedere Affidabilità e ottimizzazione risorse e costi.
Equità: i checkpoint Human-in-the-loop consentono alle persone di intercettare o rivedere le azioni conseguenti. I percorsi di inoltro al livello superiore e la formazione del personale preparano le persone a rivedere e sostituire i flussi di lavoro degli agenti. Vedere Fairness and Agentic Enterprise Fairness.

Un CoE è pronto a governare i carichi di lavoro degli agenti quando sussistono le seguenti condizioni:

Policy: le policy di accesso e azione per gli agenti sono definite, applicate e controllabili.
Osservabilità: gli strumenti di monitoraggio e controllo supportano revisioni in tempo reale e retrospettive del comportamento degli agenti.
Secure by design: sicurezza, privacy e conformità sono integrate nei flussi di lavoro degli agenti fin dall'inizio.
Ciclo di vita: un processo strutturato disciplina l'orientamento, l'aggiornamento e il ritiro degli agenti.
Supervisione umana: i revisori gestiscono le eccezioni e utilizzano i commenti per migliorare i flussi di lavoro degli agenti.

Confermare queste quattro basi prima di distribuire il primo agente di produzione:

Base di riferimento, rivista con cadenza regolare.
Processo formale di modifica dello schema con un titolare denominato e autorizzazione registrata.
Registro crediti-tecnici tenuto, rivisto con cadenza strategica.
Una policy AI che copre l'accesso ai dati, l'ambito degli agenti e i requisiti di controllo.

Implicazioni architettoniche: Creare il Comitato delle regioni e confermare queste basi prima di distribuire gli agenti autonomi. Governance integrata fin dall'inizio con l'adozione da parte degli agenti. La governance ammodernata in seguito compete con l'espansione che dovrebbe prevenire.

Vedere anche: Processi di approvazione della distribuzione nella guida Agentic Enterprise Operational Excellence, l'elenco di controllo per agente che completa la visualizzazione della preparazione a livello di organizzazione di questa sezione.

Le organizzazioni che iniziano il loro journey per agenti devono:

Iniziare con casi d'uso di alto valore: concentrare gli agenti iniziali sui flussi di lavoro con un ROI chiaro; il successo genera slancio.
Creare capacità di base: stabilire governance dei dati, Knowledge Base e schemi di integrazione.
Sviluppare le competenze degli agenti: sviluppare competenze nell'ingegneria rapida e nell'architettura degli agenti, anche se gli strumenti a basso codice e in linguaggio naturale riducono la barriera all'ingresso.
Creazione di un centro di eccellenza: dar vita all'organo di governance titolare dei processi di approvazione, test di sicurezza e monitoraggio prima di distribuire gli agenti di produzione (vedere Preparazione organizzativa: Il Centro di Eccellenza sopra).
Iterazione: pianificare un perfezionamento continuo anziché una distribuzione iniziale perfetta.
Misurare il valore: tenere traccia dei risultati aziendali, dei risparmi sui costi e della soddisfazione degli utenti per informare gli investimenti.

Agentic Enterprise è un'opportunità di trasformazione per le organizzazioni pronte ad adottare flussi di lavoro basati sull'intelligenza artificiale. La progettazione architettonica deliberata consente di realizzarla gestendo rischi e complessità.

Condividere i propri commenti sul framework ben progettato.