Nachrichten

Oracle ha annunciato significative espansioni per AI Agent Studio per Fusion Applications, introducendo un nuovo AI Agent Marketplace che integra agenti IA sviluppati dai partner, oltre a un supporto esteso per i modelli di linguaggio (LLM) da fornitori come OpenAI, Anthropic e Google. Queste innovazioni, supportate da una vasta rete di oltre 32.000 esperti certificati, mirano ad accelerare l'adozione dell'IA, semplificare le operazioni e raggiungere nuovi livelli di efficienza per i clienti aziendali. L'integrazione nativa del marketplace in Fusion Applications consente agli utenti di accedere e implementare agenti di terze parti direttamente nei loro flussi di lavoro esistenti.

IBM ha lanciato Granite 4.0, una nuova generazione di modelli linguistici che utilizzano un'architettura ibrida Mamba/Transformer. Questa innovazione riduce drasticamente il fabbisogno di memoria e i costi operativi, consentendo l'esecuzione su GPU meno costose, pur mantenendo alte prestazioni. I modelli, disponibili open source con licenza Apache 2.0, sono i primi al mondo a ricevere la certificazione ISO 42001 e includono una firma crittografica per garantirne la provenienza e l'affidabilità.

Anubis è un sistema di protezione per siti web progettato per contrastare l'estrazione indiscriminata di dati da parte di aziende di intelligenza artificiale generativa, che può causare disservizi e rendere i siti inaccessibili. Il sistema impiega un meccanismo proof-of-work, simile a Hashcash, che impone un costo computazionale trascurabile agli utenti legittimi ma significativo alle reti di bot. Questa soluzione provvisoria mira a guadagnare tempo per sviluppare metodi più avanzati di rilevamento dei browser headless e garantire un accesso ininterrotto agli utenti.

La scelta di una società di penetration testing esterna è fondamentale per identificare e mitigare le vulnerabilità di sicurezza in un'organizzazione. Questo articolo fornisce una guida dettagliata sui criteri essenziali per confrontare e selezionare i migliori fornitori, inclusi costi, metodologie, esperienza e qualità dei report, per soddisfare esigenze specifiche. Comprendere questi aspetti è cruciale per rafforzare la postura di sicurezza e garantire la conformità.

Databricks ha introdotto il framework Mosaic AI Agent, che consente agli sviluppatori di costruire sistemi di agenti IA autonomi e su scala di produzione utilizzando qualsiasi modello linguistico di grandi dimensioni (LLM). Questi agenti avanzati sono progettati per eseguire compiti complessi che richiedono ragionamento, anticipazione, memorizzazione delle conversazioni passate e l'uso di vari strumenti per adattare le risposte. Il framework facilita la personalizzazione e abilita gli agenti a prendere decisioni autonome, estendendo le capacità oltre la semplice generazione aumentata per recupero (RAG).

L'organizzazione agenziale rappresenta un nuovo modello operativo in cui individui, team e sistemi di intelligenza artificiale godono di maggiore autonomia e responsabilità decisionale. Questo paradigma emergente è cruciale per navigare la complessità e la velocità dell'era dell'IA, promuovendo agilità, innovazione e resilienza aziendale attraverso una collaborazione uomo-macchina più profonda e strategica.

Questo articolo esplora dieci concetti fondamentali dell'ingegneria dei grandi modelli linguistici (LLM) essenziali per costruire sistemi AI affidabili e performanti. Lontano dalla sola ingegneria dei prompt, le applicazioni LLM reali gestiscono il contesto, integrano strumenti, recuperano dati e orchestrano flussi di lavoro complessi. Comprendere questi blocchi costruttivi è cruciale per sviluppare applicazioni che si distinguano per affidabilità ed efficienza.

Anthropic, sviluppatore del software Claude, è sotto i riflettori per il suo utilizzo da parte del Pentagono in un contesto militare, evidenziando il passaggio dei Large Language Model (LLM) da strumenti sperimentali a operativi. Questo episodio, insieme al rifiuto di Anthropic di concedere un uso illimitato, solleva importanti questioni di governance e di controllo umano nell'implementazione dell'IA in organizzazioni complesse. Il mercato degli LLM, che vede protagonisti anche OpenAI, Google, Microsoft, Meta e xAI, sta diventando l'infrastruttura software fondamentale per il lavoro, trasformando processi aziendali e supportando decisioni strategiche.

L'intelligenza artificiale generativa sta rivoluzionando settori come il servizio clienti, la gestione dei talenti e la modernizzazione delle applicazioni, promettendo miglioramenti significativi in efficienza e produttività. Nonostante ciò, la sua scalabilità è ostacolata da problemi di qualità e governance dei dati, nonché dalla fiducia nei modelli, evidenziando la necessità di solide fondamenta dati e pratiche di IA responsabile. La soluzione proposta per superare queste sfide è l'adozione di un data lakehouse.

Le aziende stanno ridefinendo la crescita, dissociandola dall'incremento del personale grazie all'uso di agenti IA autonomi. Questi sistemi gestiscono compiti ripetitivi e intensivi di dati, precedentemente svolti da impiegati, consentendo di aumentare la produttività e l'efficienza senza espandere gli organici in modo proporzionale. Questa transizione richiede ai leader di distinguere tra i compiti adatti all'IA e quelli che necessitano del giudizio umano, trasformando il ruolo dell'operatore in quello di orchestratore.

Il rapporto annuale Cloudflare Radar Year in Review 2025 svela le principali tendenze di internet, basandosi sulla vasta visibilità della rete globale di Cloudflare. Tra i punti salienti figurano un aumento del 19% del traffico internet globale, un'impennata delle attività legate all'IA e al traffico web crittografato post-quantico, che ha raggiunto il 52%. Il report evidenzia inoltre attacchi DDoS record e significativi cambiamenti nei servizi internet più popolari.

La tokenizzazione, un passaggio fondamentale nei Large Language Models (LLM), è identificata come un collo di bottiglia che limita la comprensione del linguaggio e rende i modelli vulnerabili a errori minimi. Per superare questo limite, i ricercatori di Meta AI hanno sviluppato il Byte Latent Transformer (BLT), un modello che elabora direttamente i byte grezzi. Il BLT adotta un sistema dinamico a due livelli per comprimere i segmenti di byte facili da prevedere in "patch" latenti, riducendo significativamente la lunghezza della sequenza e ottimizzando le risorse computazionali.

L'integrazione dell'intelligenza artificiale (AI), in particolare i Large Language Models (LLM), offre un potenziale enorme per le aziende, ma richiede un approccio strutturato per una piena realizzazione. Il whitepaper "AI Capability Maturity Assessment" di KPMG presenta un framework pratico a sei livelli per aiutare le organizzazioni a valutare le proprie capacità AI e sviluppare una strategia mirata per l'evoluzione tecnologica. Questo modello consente un'oggettiva identificazione delle lacune e la creazione di una roadmap strategica, dalla preparazione dei dati all'ottimizzazione operativa su vasta scala.

Uno studio ha esplorato l'uso di un assistente didattico basato su IA generativa (GenAI) con Retrieval-Augmented Generation (RAG) per l'apprendimento personalizzato nell'educazione medica. Implementato in un corso di scienze di base, il sistema ha limitato le risposte dell'LLM a materiali curati dagli istruttori, riducendo le allucinazioni e garantendo accuratezza. Gli studenti hanno dimostrato un utilizzo strategico, apprezzando la disponibilità 24/7 e le risposte basate su fonti, soprattutto durante i periodi di esame.

Gli agenti AI stanno evolvendo dai chatbot per agire autonomamente per nostro conto, richiedendo un accesso profondo ai dati personali e una memoria persistente. Questa capacità è resa possibile dal Model Context Protocol (MCP), che standardizza le connessioni tra i sistemi AI e gli strumenti esterni. Sebbene prometta efficienza, solleva significative preoccupazioni in termini di privacy, sicurezza e governance, data la natura federata e persistente della memoria tra diverse applicazioni, rendendo urgente un'analisi approfondita prima dell'adozione su larga scala.

Uno studio pubblicato nel gennaio 2025 da ricercatori dell'Università di Harvard e dell'UBO valuta il potenziale dell'intelligenza artificiale (IA), in particolare i modelli LLM arricchiti da architettura RAG, come strumento di ricerca giuridica nel diritto francese per non specialisti e non francofoni. L'analisi, basata su dieci domande poste a ChatGPT-4 e Llama2, ha rivelato un certo potenziale per la ricerca multilingue, pur evidenziando significative limitazioni sulla affidabilità e pertinenza delle risposte e delle fonti citate.

L'intelligenza artificiale generativa, andando oltre i semplici chatbot, sta trasformando la produttività aziendale attraverso l'accesso ai dati specifici e la capacità di creare piani d'azione complessi. Nonostante le sfide legate all'investimento iniziale, l'articolo identifica nove aree chiave in cui l'IA offre un valore commerciale tangibile, sottolineando l'importanza della qualità dei dati per risultati superiori e una solida analisi di ROI.

Mathis Joffre, cofondatore e responsabile dell'ingegneria di Blaxel, condivide la sua visione sulla necessità di un cloud specificamente progettato per gli agenti di intelligenza artificiale. La piattaforma Blaxel offre un'infrastruttura scalabile e a bassa latenza, con innovazioni come il Model Context Protocol e le gateway multiregionali, affrontando le lacune delle soluzioni esistenti per il deployment di agenti autonomi in produzione.

L'adozione dell'intelligenza artificiale, in particolare dei modelli linguistici di grandi dimensioni (LLM) per i chatbot, introduce nuove vulnerabilità di sicurezza. Questo articolo esplora i rischi associati all'uso di LLM con dati aziendali e delinea un approccio basato sulla difesa in profondità, con misure pratiche implementabili in Azure per proteggere i chatbot privati e le relative infrastrutture.

DataStax Astra DB su IBM watsonx.data sta rivoluzionando l'accessibilità della base di conoscenza multilingue di Wikipedia, Wikidata, per i grandi modelli di linguaggio (LLM) e gli sviluppatori AI. Questa soluzione ha accelerato la velocità delle query di 30 volte e ridotto i tempi di sviluppo del 90%, semplificando l'interrogazione delle sue 120 milioni di voci senza richiedere competenze in SPARQL. L'iniziativa mira a rendere l'IA generativa più affidabile e trasparente, fornendo un accesso flessibile e performante a un patrimonio di conoscenza fondamentale.