Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Queste linee guida forniscono un framework strutturato per aiutare le organizzazioni ad adottare correttamente gli agenti di intelligenza artificiale come parte della strategia di adozione più ampia dell'IA. Risolve le considerazioni univoche introdotte dagli agenti di intelligenza artificiale. La serie evidenzia gli agenti di Microsoft 365 e le linee guida per la creazione di agenti personalizzati con Microsoft Foundry e Microsoft Copilot Studio. Include anche strategie per progettare un'architettura dei dati a livello di organizzazione per supportare gli agenti di intelligenza artificiale su larga scala.
Grazie a questa guida, i leader otterranno informazioni operative in quattro aree chiave: (1) pianificare gli agenti, (2) gestire e proteggere gli agenti, (3) costruire agenti e (4) far funzionare gli agenti (vedere la figura 1).
Figura 1. Processo di adozione degli agenti di intelligenza artificiale di Microsoft.
Che cos'è un agente di intelligenza artificiale?
Un agente di intelligenza artificiale è un programma software flessibile che usa modelli di intelligenza artificiale generativi per interpretare gli input, ad esempio eventi di sistema, messaggi utente o altri messaggi dell'agente, motivo attraverso problemi e decidere le azioni più appropriate. A differenza delle applicazioni tradizionali che si basano su regole fisse, gli agenti orchestrano dinamicamente i flussi di lavoro in base al contesto in tempo reale. Questa adattabilità consente loro di gestire ambiguità e complessità che il software deterministico non può. Gli agenti sono basati su cinque componenti principali:
Il modello di intelligenza artificiale generativa funge da motore di ragionamento dell'agente. Elabora le istruzioni, integra le chiamate agli strumenti e genera output, come messaggi ad altri agenti o come risultati interattivi.
Le istruzioni definiscono l'ambito, i limiti e le linee guida comportamentali per l'agente. Le istruzioni chiare impediscono l'espansione dell'ambito e assicurano che l'agente rispetti le regole aziendali.
Il recupero fornisce i dati di base e il contesto necessari per risposte accurate. L'accesso ai dati rilevanti e di alta qualità è fondamentale per ridurre le allucinazioni e garantire la rilevanza.
Le azioni sono le funzioni, le API o i sistemi usati dall'agente per eseguire attività. Gli strumenti trasformano l'agente da un recuperatore di informazioni passive in un partecipante attivo nei processi aziendali.
Memoria archivia la cronologia e lo stato delle conversazioni. La memoria garantisce la continuità tra le interazioni, consentendo all'agente di gestire in modo efficace le conversazioni a più turni e le attività a esecuzione prolungata.
Differenza rispetto alla generazione aumentata di recupero (RAG)
Le applicazioni RAG standard seguono un processo di recupero deterministico per rispondere alle query. Gli agenti di intelligenza artificiale usano un modello generativo per decidere quali conoscenze e strumenti usare in ogni passaggio. Questo approccio adattivo consente il ragionamento in più passaggi e la risoluzione complessa dei problemi, ma introduce anche un comportamento non deterministico che richiede test e governance affidabili.
Per le definizioni tecniche, vedere Che cos'è un agente? e che cos'è un flusso di lavoro?.
Perché gli agenti di intelligenza artificiale?
L'adozione di agenti di intelligenza artificiale determina risultati aziendali specifici. Comprendere questi vantaggi consente di giustificare gli investimenti e definire le priorità dei casi d'uso.
Efficienza: gli agenti automatizzano attività ripetitive e a basso valore. Riduce il lavoro manuale e i costi operativi, consentendo alle risorse di concentrarsi sulle iniziative strategiche.
Velocità: gli agenti possono elaborare informazioni ed eseguire decisioni rapide, che possono migliorare i tempi di consegna dei servizi e la velocità di risposta ai cambiamenti di mercato.
Scalabilità: gli agenti gestiscono carichi di lavoro fluttuanti e questa elasticità supporta picchi di crescita e domanda stagionale.
Questi vantaggi portano a risultati misurabili, ad esempio costi operativi inferiori, maggiore soddisfazione dei clienti e innovazione più rapida. Per i leader, questo significa che gli agenti di IA non sono solo un investimento tecnologico. Sono una leva strategica per la crescita e la competitività. Per altre ragioni aziendali e casi d'uso, vedere Piano aziendale per gli agenti di intelligenza artificiale .
Tipi di agente
Le organizzazioni distribuiscono in genere tre categorie di agenti. Ogni categoria offre un diverso livello di autonomia e impatto aziendale.
Agenti di produttività. Questi agenti si concentrano sul recupero e la sintesi delle informazioni per accelerare il processo decisionale. Usano strumenti di conoscenza per disegnare dati da varie origini e recuperarli per l'utente. Questa funzionalità aumenta l'accuratezza dei dipendenti e riduce il tempo dedicato alla ricerca di informazioni in scenari come il supporto del servizio clienti e la gestione delle informazioni interne.
Agenti di azione. Questi agenti eseguono attività specifiche all'interno di flussi di lavoro definiti, ad esempio l'aggiornamento di record o l'attivazione di processi. Usano strumenti di conoscenza combinati con gli strumenti di azione per eseguire attività. Questo approccio semplifica le operazioni e riduce gli errori di immissione manuale dei dati nei casi d'uso, ad esempio la creazione di ticket di servizio e il monitoraggio del sistema.
Agenti di automazione. Questi agenti gestiscono processi complessi e in più passaggi con una supervisione minima. Usano strumenti di conoscenza e strumenti di azione, oltre a trigger che stabiliscono quando avviare, interrompere o escalare un problema. Questa autonomia consente l'automazione scalabile per scenari come l'ottimizzazione della supply chain, anche se richiede una rigorosa governance per gestire la maggiore complessità.
Passaggi successivi
Per realizzare il potenziale degli agenti di IA, allineare la strategia di adozione con risultati aziendali specifici. Le sezioni seguenti illustrano come creare un impatto interno e rivolto ai clienti e guidare i team a usare gli agenti in modo efficace.