3 percorsi verificati per portare i tuoi workload di agentic AI enterprise in produzione

Negli ultimi due anni, l'intelligenza artificiale ha cambiato l’operatività aziendale. Ma dal momento iPhone dell'AI generativa in poi, la pressione sulle imprese perché dimostrino un ROI tangibile sui loro investimenti nell’intelligenza artificiale sta aumentando. 

Per gli early adopter, i risultati sono stati ottimi: Il 92% di loro afferma che le iniziative di gen AI si sono ripagate, secondo un recente sondaggio di Enterprise Strategy Group. Ma molte organizzazioni sono ancora nelle fasi di pianificazione, pilota o trasformazione dei loro progetti di Gen AI. 

Chris Wegmann, Technology & Capability Lead per AWS Business Group di Accenture, spiega. “Il nostro team ha acquisito esperienza lavorando su migliaia di progetti di AI. Abbiamo appreso che, quando si scala in particolare la Gen AI, il 28% dei vertici aziendali rivelano che le barriere dei dati e delle infrastrutture tecnologiche sono i principali freni che impediscono alle loro organizzazioni di scalare. Questo include dati errati, sistemi obsoleti e mancanza di modelli di governance o piani testati. Con l'adozione dei sistemi multi-agente che si prevede accelererà rapidamente, si presentano anche nuove sfide per le aziende che passano dalla sperimentazione dell'IA alla sua implementazione su larga scala in tutta l'organizzazione.”

“Crediamo che per essere pronti per l'era dell'AI, le organizzazioni dovrebbero iniziare identificando le aree aziendali in cui l'AI può avere un impatto reale; investire nella preparazione dei dati e degli asset di conoscenza affinché l'AI possa ragionare e agire con fiducia; e lanciare progetti pilota su flussi di lavoro prioritari affidabili, quindi espandere, orchestrare e scalare tra le funzioni,” spiega. “Iniziando in questo modo, le organizzazioni possono costruire capacità di AI che possono crescere con ogni ondata di innovazione.”

Nel frattempo, sebbene la tecnologia sia potente, solleva anche alcune preoccupazioni. Le organizzazioni devono garantire che gli agenti AI operino entro i confini previsti e mantenere il controllo umano sulle decisioni critiche, e condurre valutazioni regolari dei rischi per nuovi potenziali rischi. Le organizzazioni devono anche comprendere e gestire sistemi più sofisticati e le loro potenziali interazioni per garantire che gli agenti possano eseguire compiti complessi e multi-fase, che i dipendenti abbiano la formazione adeguata e possano adattarsi ai cambiamenti organizzativi rispetto agli strumenti software tradizionali. 

Il mio collega Maulie Dass, responsabile delle alleanze cloud per le Americhe, spiega quattro sfide chiave per introdurre l'AI all'interno delle imprese durante una recente conversazione con Harvard Business Review.  

Per aiutare i nostri clienti a navigare in questa transizione e costruire soluzioni ad agenti integrate e olistiche, Snowflake collabora con leader dell'ecosistema come Accenture, Amazon Web Services (AWS) e Anthropic. 

Offrendo un insieme di funzionalità e capacità profondamente integrate di importanti SI globali, cloud e partner LLM—insieme a competenze affidabili per aiutarti a identificare casi d'uso e implementare gli strumenti giusti per il lavoro da svolgere —stiamo consentendo ai clienti di costruire e implementare iniziative di agentic AI in modi che riducono la complessità mantenendo la flessibilità. Colleghiamo una gamma di modelli AI e strumenti dove vivono i dati, il tutto senza il mal di testa di costruire pipeline di dati complesse o il rischio di sicurezza di spostare o copiare set di dati, che ritardano i progressi e i risultati misurabili.

In questo blog, offrirò tre strategie per costruire agenti pronti per la produzione, evidenziandone il potere combinato di un ecosistema connesso. Per maggiori dettagli, esplora il nostro ebook, “Implementare gli agenti AI su scala: 3 modelli per andare oltre la POC.”

La data foundation per gli agenti AI di produzione

Prima di immergerci nei tipi di agenti, è importante comprendere cosa è necessario per qualsiasi distribuzione di agentic AI di successo. Una solida data foundation è la spina dorsale di qualsiasi iniziativa AI. Gli agenti hanno bisogno di accesso a dati strutturati e non strutturati unificati, governati, affidabili e di alta qualità. Questo moderno patrimonio di dati pronto per l'AI è cruciale affinché gli agenti funzionino in modo efficace. In Snowflake, diciamo sempre: non c’è strategia AI senza una strategia dati.

Poi ci sono controlli di sicurezza e governance per aiutarti a mantenere i tuoi dati in un ambiente cloud sicuro. Entrambi sono requisiti non negoziabili. In collaborazione con partner come Anthropic e AWS, portiamo i migliori LLM a funzionare in Snowflake dove risiedono i dati. Abbiamo investito pesantemente nella costruzione di integrazioni native e modelli di implementazione con servizi AWS come Amazon Bedrock Agentcore, Amazon SageMaker Studio e Canvas, e Amazon Q for Business, rendendo facile per i nostri clienti beneficiare di entrambi i fornitori senza compromettere la sicurezza o la facilità d'uso. Infine, ci siamo impegnati reciprocamente a standard aperti come Model Context Protocol (MCP) e Agent-2-Agent (A2A) per l'interoperabilità agentica, in modo che le organizzazioni possano adattare i loro agenti e strumenti AI a casi d'uso specifici senza ostacolare la collaborazione tra agenti e strumenti di diversi fornitori.

Alla base di tutto c'è un'infrastruttura flessibile, affidabile e scalabile basata su cloud, che fornisce capacità di elaborazione ad alte prestazioni oggi insieme a una base versatile che scala istantaneamente per le esigenze aziendali di oggi e di domani. 

Tre percorsi verificati per distribuire oggi l’agentic AI enterprise

Ho visto emergere un modello tra le imprese che hanno distribuito agenti in produzione. I loro agenti tendono a rientrare in tre categorie, che esploreremo in ordine di complessità, partendo da modelli relativamente facili da distribuire e gestire e finendo con modelli che richiedono più configurazione.

1. Data agent: Si concentrano su insight iperaccurati e basati sui dati, sia strutturati che non strutturati. I servizi AWS completano Snowflake Intelligence, che utilizza strumenti come Snowflake Cortex Agents (Analyst e Search) per abilitare l'accesso e l'elaborazione dei dati in modo completo, sia che i dati risiedano in Snowflake o in S3. Questa integrazione è fondamentale per sbloccare approfondimenti sui dati sicuri e unificati oltre i confini del cloud. 

2. Agenti conversazionali: Questi agenti enfatizzano interfacce conversazionali integrate direttamente nei flussi di lavoro aziendali familiari. Amazon Q si integra perfettamente con Snowflake Cortex Agents, consentendo alle imprese di implementare chatbot intelligenti all'interno di strumenti familiari come email, strumenti di chat o repository di contenuti. Questa partnership offre assistenti AI dove gli utenti già lavorano.

3. Sistemi multi-agente: Questi sistemi agentici orchestrano più agenti specializzati per compiti complessi e multistep. Strands Agents, come SDK, costruiscono questo flusso di lavoro, e il protocollo A2A consente agli agenti all'interno di questo flusso di lavoro di comunicare con facilità e sicurezza. Amazon Bedrock Agents, come orchestrator, sfruttano gli LLM per dirigere intelligentemente flussi di lavoro multistep. Questa integrazione consente ai clienti di mescolare e abbinare agenti specializzati sia da Snowflake che da AWS, fornendo flessibilità e potenza senza pari.

Mettere a terra agenti AI pronti per la produzione

L’intelligenza artificiale agentica offre alle aziende un percorso efficace per superare la fase di sperimentazione e sfruttare appieno il valore dell’AI. I team di prodotto di Snowflake, AWS e Anthropic lavorano duramente per costruire integrazioni pronte all'uso in modo che tu possa utilizzare gli strumenti e i servizi necessari per ottenere risultati aziendali significativi con gli agenti AI, senza complessità.

Ma ciò non significa che il viaggio sarà una passeggiata—trovare la tecnologia giusta è solo un pezzo del puzzle. Collaborando con partner come Accenture, i clienti acquisiscono una profonda esperienza tra più fornitori in modo da poter applicare la tecnologia giusta per risolvere grandi problemi e guidare risultati trasformativi.

“Secondo la nostra ricerca, l'AI può potenzialmente influenzare il 44% di tutte le ore lavorative su tutti i settori negli Stati Uniti,” condivide Wegmann. “Mentre il 92% degli alti dirigenti aziendali crede che le persone nelle loro organizzazioni siano state formate per utilizzare l'AI in modo efficiente, solo il 72% dei dipendenti è d'accordo con questo e suggerisce che ci sia una mancanza di risorse per il supporto alla formazione o difficoltà nell'integrare l'AI nel loro lavoro quotidiano. Inoltre, il 55% dei dipendenti ritiene che sia necessaria una formazione più completa e il 45% crede che linee guida chiare sull'uso responsabile incoraggerebbero a utilizzare strumenti di Gen AI.”

In conclusione, non sei solo. Fai affidamento sul tuo ecosistema per navigare in quest'era di cambiamenti monumentali. 

Per scoprire i blueprint tecnici, le integrazioni di strumenti dettagliate, i clienti che hanno già completato la transizione e le considerazioni pratiche che guideranno la tua organizzazione dalla POC dell’AI alla produzione, scarica il nostro ebook, “Implementare gli agenti AI su scala: 3 modelli per andare oltre la POC”.