Perché gli agenti AI falliscono senza la fondazione dati corretta

Nella tua capacità di supportare l’implementazione di agenti AI all’interno delle organizzazioni, è fondamentale partire da un punto chiave: rendere i dati accessibili agli algoritmi di intelligenza artificiale e prepararli in modo coerente. La potenza degli agenti AI dipende totalmente dalla qualità e strutturazione dei dati a cui ha accesso. Lo sottolinea Niels Zeilemaker, CTO globale di Xebia.

La relazione critica tra dati e agenti AI

Zeilemaker spiega che, in assenza di una base dati solida, il miglior agente AI non può trovare la corretta informazione o potrebbe persino interpretarla male. “Non è necessariamente un problema dell’agente, ma della fondazione, una fondazione non pronta per agenti AI.”

“Se costruisci l'agente migliore, ma lui non riesce a trovare i dati corretti, magari capita di mescolare campi che non dovrebbero essere connessi tra loro. Questo tipo di errori capita quando la base dati non è abbastanza chiara o strutturata.”

La criticità del catalogo dei dati

Uno degli elementi da non trascurare è il catalogo dei dati. Anche se non è una novità assoluta, il ruolo del catalogo cambia quando si introduce la gestione automatizzata mediante agenti AI.

Zeilemaker ricorda che, nel caso di organizzazioni composte unicamente da esseri umani, esiste sempre un cosiddetto “back door” per ottenere informazioni aggiuntive: basta chiamare un collega o chiedergli in maniera informale. “Ma gli agenti AI non hanno questo accesso informale. Devono affidarsi esclusivamente al catalogo dati e alle sue descrizioni.”

Costruire una fondazione dati per agenti AI

Xebia si concentra sull’aiutare le aziende a trasformare una strategia di AI in soluzioni operative efficaci. Il valore fondamentale, per Zeilemaker, è il condivisione della conoscenza. Il CTO evidenzia come eventi come il TechEx Global North America siano fondamentali: “Permettono di scoprire nuove tecnologie, capire cosa funziona e cosa no, ed essere un passo avanti rispetto al resto del mercato.”

Secondo Zeilemaker, la trasformazione non è un processo passivo. “Lavoriamo insieme ai nostri clienti, costruiamo soluzioni insieme, e in questo modo riusciamo a ottenere un risultato che si adatti meglio alle loro esigenze.”

Xebia Axis: una soluzione integrata

Uno degli strumenti chiave che Xebia propone è Xebia Axis: Agentic Data Foundation (ADF). Si tratta di un’estensione della piattaforma dati, progettata specificatamente per integrare l’architettura degli agenti AI.

Il progetto ADF cerca di accelerare i tempi di migrazione verso piattaforme moderne di dati, riducendo i rischi associati alla digital transformation. “Il processo di migrazione richiede di solito da 12 a 24 mesi; grazie all’unione di agenti AI e ingegneria esperta, riusciamo a ridurre drasticamente quei tempi, fornendo risultati chiari, prevedibili e completi,” spiega Zeilemaker.

Xebia ACE: AI-native software engineering

Un altro strumento essenziale nel panorama di Xebia è Xebia ACE: AI-Native Software Engineering. Questo framework consente l’integrazione dell’intelligenza artificiale in ogni fase del ciclo di vita del software. Il risultato? Velocizzare la consegna del prodotto software fino al 40% e ridurre i costi della trasformazione dei sistemi legacy fino al 70%.

Per aziende più grandi, in particolare, l’utilità di ACE è evidente. “Spesso queste aziende desiderano mantenere standard specifici di governance, ma hanno bisogno dell’efficienza dei tool AI. Ecco perché Xebia ACE si integra con i processi esistenti mantenendo la qualità, evitando di abbandonare i controlli di produzione.”

La sfida del codice generato da LLMs

Zeilemaker affronta un tema spinoso: la scarsa adozione del codice generato da modelli a lunga coda (LLMs) direttamente in produzione. “Tutti possono creare un’app con vibe coding, ma nessuno ha il coraggio di mandarla in produzione.”

Con Xebia ACE, invece, l’azienda è in grado di ottenere i vantaggi di AI senza compromettere la qualità. “Non hai la rischio di un ‘dark factory’ in cui il modello LLM genera codice e non lo controlli affatto.”

Agente autonomo nel processo software

Una soluzione concreta sta nell’introduzione di agenti AI a livello del codice sorgente. Zeilemaker menziona un esempio concreto da parte di Anthropic: la capacità degli agenti AI di esaminare le richieste di pull e fornire una revisione terzi. Secondo il CTO, questi strumenti rappresenteranno una tendenza nel prossimo futuro.

• Review automatiche da parte di un LLM senior: analisi approfondita e senza stress.

• Maggiore controllo sui processi di produzione: il codice rispetta standard riconosciuti.

• Maggiore trasparenza e tracciabilità: ogni modifica può essere ispezionata.

“In futuro, questi agenti saranno parte strutturale del team di sviluppo, un supporto non sostituivo ma complementare,” afferma Zeilemaker.

Un percorso comune verso l’innovazione

Indipendentemente da dove un’azienda si trovi lungo la sua traiettoria di trasformazione digitale, Xebia accompagna i clienti passo dopo passo. Che si tratti di valutare la maturità dei dati, di prepararli per l’AI o di costruire nuovi strumenti di lavoro, Xebia si impegna a offrire una soluzione su misura.

Il ruolo principale rimane sempre lo stesso: garantire fondazioni robuste e moderne, capaci di sostenere l’innovazione futura.