Il panorama aziendale sta vivendo una corsa frenetica verso l'implementazione di soluzioni di intelligenza artificiale agentica. Questi sistemi, definiti come capaci di "pensare" raccogliendo autonomamente strumenti, dati e altre fonti di informazione per fornire una risposta, rappresentano la prossima frontiera dell'automazione e dell'efficienza. Tuttavia, il successo e l'affidabilità di tali agenti dipendono in modo cruciale dalla capacità di fornire un contesto accurato e pertinente. Il problema risiede nel fatto che, nella maggior parte delle imprese, questo contesto è disperso in una miriade di fonti di dati non strutturati, inclusi documenti, e-mail, applicazioni aziendali e feedback dei clienti.

Secondo Ken Exner, chief product officer di Elastic, la risoluzione di questa sfida sarà fondamentale per accelerare le implementazioni dell'IA agentica a livello globale in vista del 2026. "Le persone stanno iniziando a rendersi conto che per implementare correttamente l'IA agentica, è necessario disporre di dati pertinenti," afferma Exner. "La rilevanza è fondamentale nel contesto dell'IA agentica, perché quell'IA sta agendo per tuo conto. Quando le persone faticano a costruire applicazioni AI, posso quasi garantirvi che il problema è la rilevanza."

Agenti ovunque: la crescita esponenziale dell'IA agentica

La sfida potrebbe entrare in un periodo decisivo, poiché le organizzazioni si affrettano a ottenere un vantaggio competitivo o a creare nuove efficienze. Uno studio di Deloitte prevede che entro il 2026, oltre il 60% delle grandi imprese avrà implementato l'IA agentica su larga scala, segnando un aumento significativo dalle fasi sperimentali all'implementazione mainstream. Questa previsione sottolinea una transizione da un approccio cauto a una vera e propria integrazione strategica dell'IA agentica nei processi aziendali quotidiani.

In aggiunta, il ricercatore Gartner prevede che entro la fine del 2026, il 40% di tutte le applicazioni aziendali incorporerà agenti specifici per le attività, un notevole balzo da meno del 5% nel 2025. L'aggiunta di capacità di specializzazione delle attività fa evolvere gli assistenti AI in agenti AI consapevoli del contesto. Questo significa che gli agenti non si limiteranno più a eseguire compiti predefiniti, ma saranno in grado di comprendere meglio le intenzioni degli utenti e di adattare le loro risposte e azioni in base a un contesto più ampio e dinamico.

Introduzione all'ingegneria del contesto

Il processo per fornire il contesto pertinente agli agenti al momento giusto è noto come ingegneria del contesto. Questa disciplina emergente non solo garantisce che un'applicazione agentica disponga dei dati necessari per fornire risposte accurate e approfondite, ma aiuta anche il modello linguistico di grandi dimensioni (LLM) a capire quali strumenti deve trovare e utilizzare per accedere a tali dati, e come richiamare le API pertinenti. È il ponte tra la capacità di "pensare" dell'IA e la realtà complessa dei dati aziendali.

Sebbene esistano standard open source come il Model Context Protocol (MCP) che consentono agli LLM di connettersi e comunicare con dati esterni, sono poche le piattaforme che permettono alle organizzazioni di costruire agenti AI precisi che utilizzino i propri dati e combinino recupero, governance e orchestrazione in un unico luogo, in modo nativo. Questa lacuna evidenzia la necessità di soluzioni integrate che semplifichino la gestione del ciclo di vita dei dati e degli agenti.

Il ruolo di Elasticsearch e Agent Builder

Elasticsearch è sempre stata una piattaforma leader per il nucleo dell'ingegneria del contesto, fornendo capacità robuste per l'indicizzazione, la ricerca e l'analisi di dati su larga scala. Recentemente, Elastic ha rilasciato una nuova funzionalità all'interno di Elasticsearch chiamata Agent Builder, che mira a semplificare l'intero ciclo di vita operativo degli agenti. Questa soluzione integrata promette di accelerare lo sviluppo e l'implementazione di agenti AI contestualmente pertinenti.

Agent Builder supporta le organizzazioni in diverse fasi cruciali:

Sviluppo: Creazione rapida di agenti personalizzati.
Configurazione: Definizione flessibile dei parametri operativi.
Esecuzione: Gestione efficiente delle attività degli agenti.
Personalizzazione: Adattamento degli agenti a esigenze specifiche.
Osservabilità: Monitoraggio e analisi delle prestazioni degli agenti.

Come funziona Agent Builder

Agent Builder aiuta a costruire strumenti MCP su dati privati utilizzando varie tecniche. Queste includono l'Elasticsearch Query Language, un linguaggio di query pipeline per filtrare, trasformare e analizzare i dati, o la modellazione del flusso di lavoro. Gli utenti possono quindi prendere diversi strumenti e combinarli con prompt e un LLM per costruire un agente che sia in grado di interagire con i dati in modo intelligente e contestualizzato.

La piattaforma offre un agente conversazionale preconfigurato e personalizzabile che consente di "chattare" direttamente con i dati indicizzati. Questo significa che gli utenti possono interrogare i loro dati aziendali utilizzando un linguaggio naturale e ottenere risposte pertinenti basate sul contesto. Inoltre, Agent Builder offre agli utenti la flessibilità di costruire un agente da zero, utilizzando vari strumenti e prompt sui propri dati privati, garantendo la massima personalizzazione e controllo.

"I dati sono il centro del nostro mondo in Elastic. Stiamo cercando di assicurarci che tu abbia gli strumenti necessari per mettere quei dati al lavoro", spiega Exner. "Nel momento in cui apri Agent Builder, lo punti a un indice in Elasticsearch, e puoi iniziare a chattare con qualsiasi dato a cui lo connetti, qualsiasi dato indicizzato in Elasticsearch — o da fonti esterne tramite integrazioni." Questa facilità d'uso e la profonda integrazione con l'ecosistema Elastic rendono Agent Builder uno strumento potente per democratizzare l'accesso all'IA agentica basata su dati proprietari.

L'ingegneria del contesto come disciplina emergente

L'ingegneria dei prompt e del contesto sta rapidamente diventando una disciplina a sé stante. Non è qualcosa che richiede una laurea in informatica, ma emergeranno sempre più corsi e migliori pratiche, perché c'è un'arte in questo processo. La capacità di formulare prompt efficaci e di strutturare il contesto in modo ottimale è tanto una scienza quanto un'arte intuitiva che richiede esperienza e comprensione delle sfumature linguistiche e delle esigenze dell'IA.

"Vogliamo renderlo molto semplice", afferma Exner. "La cosa che le persone dovranno capire è: come si guida l'automazione con l'AI? Questo è ciò che guiderà la produttività. Le persone che si concentreranno su questo vedranno più successo." Questo focus sull'automazione guidata dall'IA, supportata da una solida ingegneria del contesto, è la chiave per sbloccare nuovi livelli di efficienza e innovazione nelle imprese.

Evoluzione dei pattern di ingegneria del contesto

Al di là di Agent Builder e delle sue funzionalità attuali, emergeranno altri pattern di ingegneria del contesto. L'industria è passata dall'ingegneria dei prompt, dove le istruzioni dirette erano predominanti, alla generazione aumentata dal recupero (RAG), dove le informazioni vengono passate all'LLM in una finestra di contesto per arricchire le risposte. Ora, con soluzioni MCP, gli LLM sono assistiti nella selezione degli strumenti più appropriati per un dato compito. Ma non si fermerà qui.

"Considerando quanto velocemente si stanno muovendo le cose, garantirò che nuovi modelli emergeranno abbastanza rapidamente", afferma Exner. "Ci sarà ancora l'ingegneria del contesto, ma ci saranno nuovi modelli per come condividere i dati con un LLM, come farlo basare sulle informazioni corrette. E prevedo più modelli che renderanno possibile per l'LLM comprendere dati privati su cui non è stato addestrato." Questa visione futuristica sottolinea un'evoluzione continua, dove l'IA agentica diventerà sempre più sofisticata nell'interagire e comprendere il mondo dei dati proprietari di un'azienda.

Disponibilità e risorse

Agent Builder è disponibile ora in anteprima tecnologica. Per iniziare, è possibile usufruire di una prova di Elastic Cloud e consultare la documentazione completa di Agent Builder qui.

Articolo sponsorizzato: I contenuti sponsorizzati sono prodotti da un'azienda che paga per la pubblicazione o ha un rapporto commerciale con VentureBeat, e sono sempre chiaramente contrassegnati. Per maggiori informazioni, contattare sales@venturebeat.com.