L'uso controllato dell'IA in una piattaforma di governance presuppone che un modello linguistico non acceda in modo indiscriminato a documenti e dati, ma operi all'interno di un contesto aziendale strutturato, aggiornato e regolato da autorizzazioni.
In questo contesto rientrano, in particolare, oggetti di governance, ruoli, autorizzazioni, rischi, decisioni, condizioni di approvazione e stati dei processi chiaramente definiti e tracciabili. Allo stesso modo, deve essere stabilito quali azioni un assistente o un agente di intelligenza artificiale possa eseguire in una determinata operazione, in una determinata fase del processo e per conto di un determinato ruolo.
L'ulteriore sviluppo di Ailance non consiste quindi semplicemente nell'aggiungere alla piattaforma una funzione di chat. È invece fondamentale rendere Ailance un livello contestuale e operativo affidabile a cui possano attingere diversi assistenti e agenti basati sull'intelligenza artificiale.
L'intelligenza artificiale nelle piattaforme di governance richiede un contesto aziendale affidabile
Si prevede che le funzionalità di intelligenza artificiale troveranno sempre più applicazione nei settori della governance, della protezione dei dati, Conformità- e nei sistemi di gestione del rischio. Tuttavia, per quanto riguarda l’utilizzabilità pratica, non è determinante solo il tipo di testi che un modello linguistico è in grado di formulare o le informazioni che può estrarre dai documenti.
I modelli linguistici sono già oggi in grado di riassumere contenuti, effettuare confronti e rispondere a domande. Possono estrarre informazioni dai contratti, descrivere i rischi, preparare prime valutazioni o redigere relazioni. Tuttavia, queste capacità non sostituiscono una solida struttura di governance.
Un'intelligenza artificiale non conosce automaticamente la realtà organizzativa di un'azienda. Senza una struttura aggiuntiva, spesso non è in grado di riconoscere quale decisione sia attualmente in vigore, chi sia responsabile di un caso d’uso dell’IA, se un documento sia stato approvato o sia solo una bozza, quali rischi siano stati accettati, quali misure siano ancora in sospeso, quali condizioni siano state associate a un’approvazione o quale azione sia consentita in una determinata fase del processo.
Per l'impiego dell'IA nei processi di governance non occorre quindi tenere conto solo della qualità dei contenuti generati. È fondamentale anche che l'IA possa attingere a un contesto aziendale affidabile e agisca entro chiari limiti di autorizzazione e di processo.
Ailance dovrebbe andare oltre la semplice funzione di chat
Una prima fase di integrazione potrebbe consistere nel fornire risposte, all’interno di una piattaforma di governance, a domande relative ai dati e ai processi esistenti. Gli utenti potrebbero, ad esempio, verificare quali rischi siano ancora in sospeso, quali trattamenti non siano stati controllati da tempo, quali casi d’uso dell’IA non abbiano un responsabile assegnato, quali misure siano in ritardo o quale sia lo stato attuale di una Valutazione d'impatto sulla protezione dei dati si può riassumere.
Tali funzioni possono facilitare l'accesso alle informazioni disponibili. La loro utilità rimane tuttavia limitata se l'IA si limita a effettuare ricerche nei testi senza tenere conto delle relazioni tecniche tra i rispettivi oggetti di governance.
Uno Elaborazione In Ailance non è semplicemente configurata come un singolo documento. Può essere collegata a sistemi, fornitori di servizi, categorie di dati, rischi, misure tecniche e organizzative, termini di cancellazione, autorizzazioni e responsabili. Lo stesso vale per un caso d’uso dell’IA, che può essere collegato, tra l’altro, a un fornitore, a un modello, a fonti di dati, a una valutazione dei rischi, a una Model Card, a una verifica della protezione dei dati, a una verifica legale, a una valutazione della sicurezza, a condizioni di approvazione e a un processo di monitoraggio.
Anche un rischio non è un elemento isolato. Esso è correlato alla sua valutazione, alle misure stabilite, ai responsabili, alle scadenze, ai controlli e, se del caso, a un’accettazione del rischio documentata.
Queste relazioni costituiscono il contesto specialistico di cui un'intelligenza artificiale ha bisogno per fornire risposte e suggerimenti affidabili. Nell'ambito dell'ulteriore sviluppo di Ailance occorre quindi valutare in che modo i dati di governance strutturati possano essere resi disponibili in modo tale che gli assistenti e gli agenti di intelligenza artificiale possano comprenderli e utilizzarli nel rispetto delle rispettive autorizzazioni.
Requisiti per un livello contestuale di governance
Un livello contestuale di governance non mette a disposizione di un'IA, in modo indiscriminato, tutte le informazioni disponibili. Deve piuttosto selezionare le informazioni rilevanti per la specifica operazione, indicarne lo stato e tenere conto delle autorizzazioni del singolo utente.
Un agente di intelligenza artificiale deve in particolare essere in grado di determinare quale procedura concreta sia oggetto della richiesta, quale versione di un documento o di un record di dati sia quella attuale, quale ruolo sia responsabile della procedura, quale decisione sia stata presa, a quali condizioni tale decisione è valida, quali rischi e misure sono ancora in sospeso, quali verifiche sono state completate, quale rielaborazione è prevista, quali informazioni l'utente attuale è autorizzato a visualizzare e quale azione è consentita nella fase attuale del processo.
Questi requisiti vanno oltre la semplice ricerca full-text. Una funzione di ricerca può, ad esempio, individuare una versione precedente e una versione attuale dello stesso documento. Un livello contestuale di governance deve inoltre tenere conto di quale versione sia rilevante ai fini del processo.
Lo stesso vale per i diversi tipi di valutazioni e decisioni. Un’e-mail rinvenuta può contenere una valutazione non vincolante. Occorre distinguere tra questa e una verifica formale, un’approvazione o una decisione effettivamente attuata. Occorre inoltre tenere conto dello stato di un caso d’uso dell’IA. C’è una differenza sostanziale tra un caso d’uso semplicemente segnalato, già valutato, approvato a determinate condizioni o nel frattempo messo fuori servizio.
Il contesto fornito a un'intelligenza artificiale deve quindi essere strutturato, aggiornato, versionato e soggetto a controlli di autorizzazione.
Azioni controllate nei processi di governance
Un ulteriore passo avanti consiste nel non utilizzare gli agenti di intelligenza artificiale esclusivamente per rispondere alle domande, ma nell’assegnare loro compiti ben definiti nell’ambito dei processi di governance esistenti.
Un agente potrebbe, ad esempio, creare un nuovo caso d’uso dell’IA, individuare i dati obbligatori mancanti, proporre un responsabile competente, avviare una verifica sulla protezione dei dati, coinvolgere l’ufficio legale o la sicurezza informatica, definire una misura, inviare un promemoria a un responsabile in ritardo, preparare una revisione, generare un promemoria di follow-up, redigere una relazione o avviare un’escalation.
Non appena un'intelligenza artificiale modifica dei dati, assegna compiti o avvia flussi di lavoro, occorre tuttavia tenere conto di ulteriori requisiti. Una bozza di testo può essere verificata e scartata da una persona prima di essere utilizzata. Nel caso di un'azione eseguita, invece, deve essere stabilito in anticipo se e a quali condizioni tale azione sia consentita.
In particolare, occorre verificare quale azione possa essere eseguita, a quale oggetto di governance l’azione possa riferirsi, a nome di quale ruolo agisca l’agente, se sia necessaria una conferma da parte di un utente, quali autorizzazioni siano applicabili, quale verifica debba essere stata completata in precedenza e quali informazioni siano contenute nel Audit È necessario documentare il percorso e le condizioni alle quali l'agente deve interrompere l'elaborazione.
A tal fine, un livello operativo mette a disposizione funzioni chiaramente definite entro limiti di processo prestabiliti. Esso trasforma una competenza tecnica generica in uno strumento di governance controllabile.
Esempio: integrazione di un nuovo caso d'uso dell'IA
Un dipendente vorrebbe utilizzare un nuovo strumento di intelligenza artificiale per analizzare le richieste dei clienti.
Un processo di governance di questo tipo può iniziare con la segnalazione da parte del dipendente del caso d’uso previsto tramite un modulo. In tale occasione vengono descritti, tra l’altro, lo scopo, il fornitore, i dati utilizzati e gli utenti previsti. A seconda delle informazioni fornite, è quindi possibile Protezione dei dati, l'ufficio legale, la sicurezza informatica o altri uffici competenti.
In futuro, un agente di intelligenza artificiale potrebbe supportare questo processo. Potrebbe strutturare la descrizione, individuare le informazioni mancanti e preparare le relative richieste di chiarimenti. Inoltre, potrebbe verificare se il fornitore sia già stato registrato o se esistano casi d’uso simili. Su questa base, potrebbe dedurre il fabbisogno previsto in termini di verifica e proporre i revisori più adatti.
L'agente non dovrebbe tuttavia concedere autonomamente un'approvazione formale, qualora tale decisione sia riservata a un ruolo espressamente designato. In tal caso, la piattaforma dovrebbe garantire che siano state effettuate le verifiche necessarie e che la decisione sia presa dalla persona competente.
Inoltre, occorrerebbe documentare quali informazioni utilizza l’agente, quali proposte formula e quale decisione viene poi presa da una persona. In questo modo, l’IA può supportare il processo senza trasferire responsabilità né creare ambiguità.
| Fase di sviluppo | Funzionalità della piattaforma | Possibile supporto aggiuntivo tramite IA |
|---|---|---|
| Dati strutturati sulla governance | Rileva i casi d'uso, i trattamenti, i rischi, i ruoli, le misure e la documentazione. | È in grado di sintetizzare le informazioni e individuare i dati mancanti. |
| Oggetti di governance correlati | Collega sistemi, fornitori, dati, rischi, autorizzazioni e Persone responsabili. | È in grado di tenere conto dei nessi specialistici e di rispondere a domande relative al contesto. |
| Ruoli e autorizzazioni | Regola l'accesso, le competenze e i poteri decisionali. | È possibile adattare le risposte e i suggerimenti al ruolo e alle autorizzazioni. |
| Flussi di lavoro | Gestisce le procedure di accettazione, verifica, approvazione e revisione. | È in grado di preparare i compiti, coinvolgere i revisori e proporre i passi successivi. |
| Processo decisionale e Audit-Percorso | Documenta i controlli, le approvazioni, le condizioni e le modifiche. | È in grado di illustrare i processi decisionali e Audit-Preparare i riassunti. |
| Azioni controllate | Fornisce funzioni e limiti di processo chiaramente definiti. | Può creare processi, avviare revisioni, generare attività o innescare escalation. |
| MCP e strumenti standardizzati | Rende i dati e le funzioni condivisi accessibili ai sistemi esterni. | Consente a diversi agenti di accedere ad Ailance in modo controllato. |
Il passo fondamentale in questa evoluzione consiste quindi nell'integrazione controllata delle funzioni di intelligenza artificiale con le strutture di governance già esistenti. I presupposti sono dati strutturati, relazioni univoche, competenze ben definite e limiti di processo garantiti a livello tecnico.
MCP come interfaccia standardizzata per i dati e le funzioni di governance
Al momento non è possibile stabilire con certezza quali assistenti o agenti basati sull’intelligenza artificiale verranno utilizzati dalle aziende tra qualche anno. Tra le opzioni possibili figurano soluzioni di Microsoft, OpenAI o SAP, sistemi settoriali specializzati o applicazioni aziendali sviluppate internamente.
In questo contesto, la logica di governance non dovrebbe essere vincolata in modo permanente a un singolo assistente. Il modello o il sistema di assistenza utilizzato può cambiare. Il contesto strutturato di governance dell’azienda deve invece essere mantenuto e rimanere utilizzabile indipendentemente dal modello specifico.
Il Model Context Protocol, abbreviato in MCP, è quindi un tema rilevante per la roadmap di Ailance. Grazie a strumenti MCP chiaramente definiti, la piattaforma potrebbe mettere a disposizione dati e funzioni selezionati per diversi sistemi di intelligenza artificiale.
In questo contesto, un agente non dovrebbe avere accesso illimitato all’intera piattaforma. Si dovrebbero invece prendere in considerazione strumenti ben definiti, come ad esempio il recupero di un caso d’uso dell’IA, la verifica dei dati obbligatori non inseriti, l’individuazione di un responsabile competente, la richiesta di una revisione, la visualizzazione dello stato di approvazione, l’elenco delle azioni in ritardo, la creazione di un promemoria o la preparazione di un rapporto.
La disponibilità di una determinata funzione in un caso specifico dipende dal ruolo, dall’autorizzazione, dall’oggetto di governance e dallo stato del processo. La logica di governance rimane quindi all’interno di Ailance. L’agente utilizzato in ciascun caso può accedere solo ai dati e alle funzioni che gli vengono espressamente messi a disposizione per l’operazione specifica.
Le funzionalità esistenti della piattaforma come base
Ailance è stata concepita come piattaforma configurabile per la gestione integrata del rischio. Per i nuovi casi d'uso dell'IA non è quindi necessario, in ogni caso, sviluppare un'applicazione specializzata autonoma.
La piattaforma dispone già di elementi fondamentali, rilevanti anche per una successiva integrazione dell'intelligenza artificiale. Tra questi figurano gli oggetti di governance e le loro relazioni, i modelli di dati configurabili, i ruoli e le autorizzazioni, i flussi di lavoro, le attività e i modelli di stato, le convalide e le condizioni, le azioni e le scadenze, i report e i dashboard, Audit Percorsi, contenuti multilingue, API e possibilità di integrazione.
Questi moduli possono essere configurati per altre soluzioni e, in futuro, anche per strumenti di IA. Nel caso di applicazioni pensate per un singolo processo o per un ambito specialistico ben circoscritto, l’integrazione di ulteriori funzioni di IA può richiedere un’ulteriore adattamento del rispettivo modello di dati e della logica di processo. Una piattaforma configurabile consente invece di rendere disponibili le funzioni di governance anche per ulteriori casi d’uso.
È proprio questo l’approccio basato sulla piattaforma che caratterizza Ailance.
Funzionalità di IA adatte ai processi di governance
Non tutte le funzioni di IA tecnicamente realizzabili sono ugualmente adatte ai processi di governance. Occorre dare priorità alle funzioni che riducono un onere concreto e ricorrente e che possono essere integrate nelle strutture di responsabilità e controllo esistenti.
L'intelligenza artificiale è in grado di analizzare testi non strutturati, questionari o documenti e di ricavarne informazioni da proporre per un processo di governance. Un documento contrattuale, ad esempio, potrebbe essere esaminato per verificare i dati relativi al fornitore, alla durata, ai subappaltatori o alle clausole relative alla protezione dei dati. Una descrizione del processo potrebbe fungere da punto di partenza per una voce nel Elenco delle attività di trattamento servire. L'adozione delle informazioni proposte dovrebbe essere regolarmente verificata da una persona competente in materia.
Un agente può inoltre verificare se mancano i dati necessari per una valutazione. Nel caso di un use case di IA, ciò può riguardare, tra l’altro, lo scopo, le categorie di dati utilizzate, colpiti riguardano gruppi di persone, il fornitore, il modello utilizzato, il responsabile competente o la supervisione umana prevista. L’IA può segnalare le informazioni mancanti e preparare le relative richieste di chiarimento. Spetta al rispettivo processo valutare se i dati siano completi e sufficienti dal punto di vista tecnico.
I processi di governance possono assumere una portata considerevole a causa delle numerose verifiche, pareri, misure e decisioni. L’intelligenza artificiale (IA) può riassumere lo stato attuale, le azioni in sospeso, le decisioni prese e i possibili passi successivi. A tal proposito, occorre tenere presente che ruoli diversi richiedono informazioni diverse. La presentazione destinata a un dipartimento specifico può differire dal riepilogo destinato al responsabile della protezione dei dati, all’ufficio legale o alla direzione.
Se un caso d’uso simile è già stato esaminato, le valutazioni e le decisioni esistenti possono essere rilevanti per una nuova procedura. L’intelligenza artificiale è in grado di identificare procedure, rischi, misure e decisioni simili e di fornirli come riferimento. Resta tuttavia determinante stabilire se i fatti siano effettivamente comparabili e se le valutazioni precedenti possano essere applicate al caso in esame. Una decisione preesistente non sostituisce quindi la necessaria valutazione del nuovo caso d’uso.
L'IA può inoltre elaborare bozze di decisione, sintetizzare le verifiche esistenti, evidenziare i rischi in sospeso, illustrare le possibili condizioni di approvazione e mettere in evidenza i pareri mancanti. La decisione formale spetta tuttavia al ruolo competente in materia. Ciò vale in particolare per le approvazioni, l’accettazione dei rischi e altre decisioni che comportano responsabilità organizzative o legali.
È possibile gestire anche revisioni, rielaborazioni e relazioni. Un agente può segnalare che è in scadenza una revisione, che sono cambiate condizioni rilevanti o che alcune misure sono in ritardo. Dai dati strutturati relativi alla governance è inoltre possibile generare relazioni di gestione, Audit-Verranno preparati riassunti e analisi tecniche. Il presupposto fondamentale è che i dati utilizzati siano completi, aggiornati e autorizzati per la relazione prevista.
Limiti delle azioni dell'IA in Ailance
Lo sviluppo di adeguate funzioni di intelligenza artificiale comporta anche la definizione di limiti chiari.
Un'intelligenza artificiale non dovrebbe prendere, senza che ciò venga notato, decisioni riservate a chi ricopre un ruolo di responsabilità. Allo stesso modo, non deve eludere le autorizzazioni esistenti né utilizzare informazioni a cui l'utente in questione non ha accesso.
Inoltre, un’IA non dovrebbe presentare informazioni obsolete come se fossero aggiornate, non dovrebbe concedere alcuna approvazione in assenza delle verifiche necessarie, non dovrebbe modificare i dati di governance senza che l’azione sia documentata in modo tracciabile, non dovrebbe presentare una valutazione generata come decisione aziendale vincolante e non dovrebbe eseguire alcuna azione se i requisiti di processo stabiliti a tal fine non sono soddisfatti.
Il vantaggio dell'integrazione dell'IA non dipende quindi dal fatto di concedere al sistema utilizzato poteri decisionali il più ampi possibile. È invece determinante quali funzioni possano essere messe a disposizione entro limiti decisionali e procedurali chiaramente definiti.
La supervisione umana come requisito tecnico
La supervisione umana non deve limitarsi a una disposizione generica contenuta in una politica. La piattaforma deve indicare tecnicamente in quali casi è necessaria una verifica, una conferma o una decisione da parte di un essere umano.
Le modalità concrete possono variare a seconda del processo. Ad esempio, un agente può redigere una bozza senza poterla approvare autonomamente. Può proporre un revisore senza modificare autonomamente la responsabilità organizzativa.
Lo stesso vale per altre decisioni. Un agente può riepilogare i rischi in sospeso, ma non può dichiarare l’accettazione del rischio. Può preparare un’escalation, ma non può interrompere l’utilizzo di un sistema senza la relativa autorizzazione. Può formulare una raccomandazione di approvazione, ma non può sostituirsi alla decisione del ruolo competente. Può individuare fasi di verifica mancanti, ma non può simulare la loro esecuzione né saltarle.
Tali limiti dovrebbero essere legati alla specifica azione e allo stato concreto del processo. Una descrizione generica del ruolo di un agente non è solitamente sufficiente a tal fine.
I ruoli e le autorizzazioni si applicano anche all'IA
In linea di principio, un'intelligenza artificiale non deve poter accedere a più informazioni né eseguire azioni più estese rispetto all'utente nel cui contesto opera.
Se un dipendente non ha accesso a una valutazione legale riservata, nemmeno l’agente che agisce per suo conto può utilizzare tale valutazione per rispondere a una richiesta. Se un ruolo ha solo diritti di lettura su un’operazione, non può richiedere tramite un agente alcuna modifica di stato o altra elaborazione. Se l’approvazione è riservata a un determinato ruolo dirigenziale, tale requisito non può essere aggirato ricorrendo a uno strumento di intelligenza artificiale.
I ruoli, le autorizzazioni e i poteri decisionali devono quindi essere definiti sulla base della piattaforma e del rispettivo processo di governance. Una limitazione formulata esclusivamente nel prompt non è sufficiente per garantire l'applicazione tecnica delle relative disposizioni.
Tracciabilità tramite un audit trail
Quando un agente agisce nell'ambito di un processo di governance, deve essere possibile ricostruire in un secondo momento l'azione eseguita.
In particolare, occorre documentare quale agente abbia agito, quale utente abbia avviato l'azione, quali dati siano stati utilizzati, quale funzione sia stata richiamata, quale risultato sia stato ottenuto, se sia stata effettuata una conferma da parte di un utente, quali modifiche siano state apportate e quando l'azione abbia avuto luogo.
Questi Documentazione non è rilevante solo ai fini di eventuali audit successivi. È necessaria anche per la garanzia interna della qualità. Se un agente formula un suggerimento errato o esegue un’azione inaspettata, l’organizzazione deve poter ricostruire l’operazione e verificarne la causa. L’affidabilità dell’intervento non dipende quindi dal presupposto che i risultati dell’IA siano privi di errori, ma dalla possibilità di controllare e ricostruire i suggerimenti e le azioni.
Piano d'azione dai dati strutturati alle azioni controllate
La roadmap per l'IA in Ailance segue una struttura a livelli progressivi.
In primo luogo sono necessari oggetti di governance strutturati, relazioni funzionali, ruoli e flussi di lavoro. Su questa base è possibile fornire funzioni di IA contestualizzate. Solo in un secondo momento si può prendere in considerazione l’utilizzo di azioni controllate e strumenti standardizzati per sistemi di IA esterni.
In sintesi, la sequenza può essere rappresentata come segue:
Governance strutturata → contesto affidabile → IA di supporto → azioni controllate
Un sistema di intelligenza artificiale non dovrebbe quindi essere semplicemente integrato in un panorama documentale non strutturato, senza che lo stato, le responsabilità e le relazioni siano chiaramente definiti.
Se il contesto necessario viene inizialmente strutturato in modo sistematico, le successive funzionalità di IA potranno essere integrate con maggiore precisione nei rispettivi processi e utilizzate nel rispetto delle autorizzazioni richieste. Ciò è rilevante anche ai fini della valutazione economica dei singoli casi d’uso.
Criteri di selezione per i nuovi clienti
Le aziende che oggi scelgono una piattaforma di governance non dovrebbero limitarsi a valutare quali funzionalità sono necessarie per i loro processi attuali. È importante considerare anche se la piattaforma offra una base adeguata per future funzionalità di intelligenza artificiale.
A questo proposito sorgono in particolare le seguenti domande: i dati relativi alla governance vengono gestiti in modo strutturato o prevalentemente sulla base di documenti? È possibile collegare tra loro oggetti e processi? Esiste un modello di ruoli e autorizzazioni solido? È possibile configurare i flussi di lavoro? Le decisioni e le modifiche vengono documentate in modo tracciabile? È possibile rendere disponibili azioni definite tramite interfacce? Il contesto aziendale rimane utilizzabile indipendentemente dal modello di IA impiegato?
Questi criteri determinano se una piattaforma potrà in futuro limitarsi a integrare una funzione di chat oppure se potrà essere utilizzata come base per agenti di intelligenza artificiale controllati.
Punto di partenza per casi d'uso concreti dell'IA
Ai fini di una valutazione pratica, occorre innanzitutto prendere in esame un’attività ricorrente nell’ambito della governance quotidiana. Si può pensare, ad esempio, all’adozione di un caso d’uso dell’IA, alla verifica di un fornitore di servizi, a una Valutazione d'impatto sulla protezione dei dati, una valutazione dei rischi, un'autorizzazione o una revisione periodica.
Successivamente, occorre verificare quale fase del processo comporti il maggiore dispendio ricorrente. Ciò può riguardare in particolare la raccolta di informazioni, l’individuazione di dati mancanti, il coordinamento dei revisori, la redazione di relazioni, il monitoraggio delle azioni in sospeso o la preparazione di una decisione.
È proprio in queste fasi operative concrete che le funzioni di IA dovrebbero intervenire. Ciò che conta non è l’effetto di una dimostrazione tecnica, bensì se una funzione supporti in modo affidabile un processo di governance esistente e riduca l’onere ad esso associato.
Conclusione
L'integrazione dell'IA nelle piattaforme di governance presuppone che il sistema utilizzato operi all'interno di un contesto aziendale affidabile e possa eseguire solo azioni controllate.
Ailance dispone, grazie a oggetti di governance strutturati, relazioni funzionali, ruoli, autorizzazioni, flussi di lavoro, decisioni e documentazioni, delle basi essenziali per un adeguato sviluppo futuro.
Su questa base, in futuro sarà possibile sviluppare funzioni di intelligenza artificiale contestualizzate, azioni controllate degli agenti e strumenti standardizzati come gli strumenti MCP. A tal proposito, occorre distinguere tra l’elaborazione delle informazioni a scopo di supporto e quelle azioni che rimangono di competenza di un operatore umano responsabile.
L'obiettivo di questo ulteriore sviluppo non è quindi solo quello di creare un chatbot in più. Ailance è destinata a fungere da livello di governance e di azione per collegare diversi sistemi di intelligenza artificiale al contesto aziendale, tenendo conto dei ruoli, delle autorizzazioni e dei prerequisiti di processo definiti nella piattaforma.
All’interno di un processo aziendale, un’intelligenza artificiale non deve agire solo perché un’azione è tecnicamente possibile. Ciò che conta è se il ruolo, l’autorizzazione, il contesto e il processo consentono tale azione.
Domande e risposte
Come è possibile integrare l'IA in modo sicuro nelle piattaforme di governance come Ailance?
L'intelligenza artificiale può essere integrata in modo sicuro nelle piattaforme di governance se non accede ai documenti in modo indiscriminato, ma opera all'interno di un contesto aziendale strutturato, aggiornato e basato su autorizzazioni. Sono fondamentali oggetti di governance chiari, ruoli, autorizzazioni, stato dei processi, supervisione umana e un processo tracciabile Audit Sentiero.
Che cos’è un livello contestuale nella governance dell’IA?
Uno strato contestuale fornisce all'IA i dati di governance rilevanti per la rispettiva operazione. Tra questi figurano le attività di trattamento, i casi d’uso dell’IA, i rischi, le misure, le approvazioni, i ruoli, le autorizzazioni e lo stato attuale dei processi. In questo modo, l’IA è in grado di ricavare risposte e suggerimenti non solo dai documenti, ma anche dal contesto tecnico-funzionale.
Che cos’è un livello di azione per gli agenti di intelligenza artificiale?
Un livello di azione mette a disposizione funzioni chiaramente definite che un agente di intelligenza artificiale è autorizzato a eseguire entro i limiti prestabiliti del processo. Tra queste possono figurare la creazione di un’operazione, la generazione di un’attività, l’avvio di una revisione o la preparazione di un’escalation. L'ammissibilità di un'azione deve dipendere dal ruolo, dall'autorizzazione, dallo stato del processo e dalla necessaria conferma umana.
Che ruolo svolge MCP nelle piattaforme di governance?
Il Model Context Protocol, abbreviato in MCP, può consentire ai sistemi di intelligenza artificiale un accesso standardizzato ai dati e alle funzioni condivisi. Per le piattaforme di governance è fondamentale che un agente non riceva un accesso illimitato, ma possa utilizzare solo strumenti chiaramente definiti. In Ailance, l’MCP potrebbe servire a fornire un contesto di governance e azioni controllate per diversi assistenti o agenti di IA.
Un agente di intelligenza artificiale può prendere decisioni autonomamente all’interno di una piattaforma di governance?
Un agente di intelligenza artificiale non dovrebbe prendere, senza che ciò venga notato, decisioni che sono di competenza di un operatore umano responsabile. Può strutturare le informazioni, individuare i dati mancanti, preparare bozze decisionali o avviare revisioni. Approvazioni, accettazioni di rischio e altro responsabile Le decisioni dovrebbero tuttavia essere prese solo se il ruolo, l'autorizzazione, lo stato del processo e la supervisione umana lo consentono espressamente.
Di quali dati relativi alla governance ha bisogno l'IA per fornire un supporto affidabile?
Per garantire un supporto affidabile da parte dell’IA, una piattaforma di governance necessita di dati strutturati e aggiornati relativi a oggetti di governance, ruoli, autorizzazioni, rischi, misure, approvazioni, verifiche, scadenze, stato dei processi e documentazione. Quanto più queste informazioni sono curate e interconnesse, tanto più affidabile sarà il supporto fornito dall’IA nella creazione di sintesi, verifiche, report e azioni controllate.
German 
English 
Italian 
French