Come smettere di trattenere gli agenti AI

      Gli sviluppatori di AI agentica hanno fatto alcune grandi affermazioni. La promessa è stata quella di sistemi autonomi in grado di fare tutto, dalla prenotazione dei nostri voli e dal monitoraggio dei concorrenti in tempo reale alla gestione di interi cicli di approvvigionamento, il tutto senza la necessità di un umano reale che prema “conferma”. E mentre la tecnologia necessaria per realizzare la maggior parte di queste meraviglie esiste già in gran parte, l'infrastruttura necessaria per farla funzionare in modo affidabile su larga scala lascia ancora molto a desiderare. Gartner ha recentemente previsto che oltre il 40% dei progetti di AI agentica sarà annullato prima della fine del 2027, citando costi in aumento, valore commerciale poco chiaro e controlli sui rischi inadeguati. Questo è piuttosto sorprendente, soprattutto in vista dell'aspettativa che gli agenti autonomi avrebbero finalmente annunciato il raggiungimento della maturità dell'AI. Eppure, questo non dovrebbe sorprendere chiunque abbia visto le innegabili limitazioni che questi agenti mostrano nel mondo reale. La maggior parte delle persone presume che il problema sottostante sia legato alla qualità dei modelli stessi. Anche se questo potrebbe sembrare plausibile, è un po' fuorviante.

      Perché il Web Resiste agli Agenti

      Considera di cosa ha realmente bisogno un agente capace. Accedere a un sito web e ricevere una risposta è solo l'inizio, deve poi tradurre quella risposta in qualcosa di utilizzabile. Non solo, deve farlo in modo coerente, in tempo reale e su una scala che renda l'intero esercizio degno di essere intrapreso. Data la forma attuale del web, questo è un compito scoraggiante. Prendi le piattaforme online come esempio. Non c'è motivo tecnico per cui un agente indipendente non possa confrontare diverse piattaforme e fare la scelta che meglio si adatta alle preferenze degli utenti. Tuttavia, quelle stesse piattaforme attualmente dipendono dal fatto che tali informazioni non siano facilmente disponibili. Per mantenere il loro vantaggio, lavorano su risultati sempre più personalizzati, posizionamenti sponsorizzati e segnali di urgenza per plasmare il comportamento degli utenti e inclinare le bilance a loro favore. Senza accesso a dati pertinenti, nessun agente AI sarà mai in grado di completare compiti sul web o automatizzare la selezione della migliore opzione per i propri utenti. Il risultato di questo è un web che funziona ragionevolmente bene per la navigazione generale ma scoraggia sistematicamente l'accesso automatizzato. Darò un'anteprima di alcune delle scoperte che forniscono un'illustrazione chiara. Oxylabs sta per rilasciare l'Indice di Apertura del Web, che valuta oltre 120 paesi in base a vari aspetti dell'accessibilità web. I risultati mostrano: La media globale per la raggiungibilità pratica, essenzialmente, quanto bene un sito risponde a richieste HTTP automatizzate standard, si attesta a 83,4 su 100. Il punteggio per l'attrito anti-automazione (più basso è, maggiore è l'attrito), come CAPTCHA, limitazione della velocità, fingerprinting e rilevamento dei bot, è, in media, 62,8. E l'interoperabilità dei dati strutturati, se i siti restituiscono dati in formati con cui le macchine possono effettivamente lavorare, scende ancora di più a 60,3. Quelle differenze di oltre 20 punti riflettono un divario strutturale. I siti generalmente rispondono alle richieste di accesso automatizzato. Allo stesso tempo, abbondano le restrizioni e i dati vengono spesso restituiti in modi poco amichevoli per le macchine. Gli agenti che dipendono da informazioni affidabili, tempestive e strutturate cadranno spesso in quel divario.

      AI Affamata di Dati

      All'interno delle organizzazioni, gli agenti affrontano un problema diverso ma correlato: la mancanza di dati utilizzabili. In altre parole, i dati pertinenti esistono ma non sono stati puliti, etichettati o strutturati in un modo che un sistema AI possa comprendere. Lo stesso vale per le applicazioni rivolte ai clienti costruite su sistemi agentici. Senza dati web in tempo reale, prezzi attuali, inventario dal vivo, aggiornamenti delle politiche, movimenti di mercato, non hanno altra scelta che ragionare sulla base di una versione congelata del mondo. La latenza è un altro problema. In parole semplici, un agente che alla fine restituisce la risposta giusta è molto meno utile di uno che la restituisce abbastanza velocemente da poter agire. Quando si tratta di sistemi autonomi, la tolleranza per il ritardo è ancora più bassa. In ogni caso, il vincolo è lo stesso: gli agenti hanno bisogno di un contesto di cui possano fidarsi, e non lo stanno ricevendo, né dai propri dati organizzativi, né dal web.

      Risolvere un Problema Già Risolto

      È facile dimenticare, ma questa non è affatto la prima volta che il volume di informazioni ha superato la nostra capacità di elaborarle. Il web primordiale è particolarmente istruttivo in questo senso. Conteneva già così tanto sapere, ma non poteva essere utile nel suo stato grezzo. Ciò che ha fatto la differenza all'epoca è stata l'infrastruttura costruita per la scala. In particolare, sono stati impiegati crawler web per indicizzare le pagine, scraper per confrontare i prezzi online e sistemi di monitoraggio per tenere traccia di annunci fraudolenti e impersonificazione di marchi su migliaia di domini. Tutte queste innovazioni richiedono la capacità di raccogliere dati pubblici dal web in modo affidabile e su larga scala. Un esempio più recente proviene dai nostri partner pro bono di Project 4β, Debunk.org. Questa non-profit, che combatte la disinformazione e la frode online, ha condotto un'indagine che ha scoperto un'operazione di truffa su larga scala e multilingue che prendeva di mira ex vittime di frode. L'indagine ha identificato oltre 50.000 annunci, 459 domini e più di 1.100 pagine web correlate, con una portata stimata di 52 milioni di persone in tutta Europa. Quel tipo di copertura richiede una raccolta sistematica e automatizzata di dati su larga scala. L'AI agentica ha bisogno di un'infrastruttura dello stesso tipo, ma con richieste ancora più elevate, perché gli agenti fanno di più con i dati rispetto a qualsiasi applicazione precedente. Hanno bisogno di informazioni che siano strutturate, attuali, complete e restituite abbastanza velocemente da supportare azioni in tempo reale.

      Le Tre C dell'Infrastruttura Affidabile per Agenti

      Come accennato sopra, tutto ciò è improbabile che accada in modo organico. Per le piattaforme, aprirsi a un accesso automatizzato senza attriti significa cedere il controllo su scoperta, ranking e relazioni con i clienti. Sebbene questo sia vantaggioso per il consumatore e inviti a rimodellare i modelli di business di conseguenza, rappresenta anche una minaccia per i ricavi a breve termine. L'infrastruttura che rende i sistemi agentici funzionanti in modo affidabile deve essere costruita in modo indipendente. Tre requisiti, o tre C, si distinguono: Coerenza: gli agenti che incontrano fonti di dati inaffidabili producono comportamenti inaffidabili, e il comportamento inaffidabile è la via più rapida verso l'annullamento dei progetti. Attualità: l'accesso in tempo reale a prezzi, inventario, disponibilità e politiche è ciò che separa un agente che ragiona sulla base di fatti attuali da uno che ragiona facendo riferimento a assunzioni obsolete; nella maggior parte dei contesti commerciali, quest'ultimo crea più problemi di quanti ne risolva. Conformità: l'accesso costruito al di fuori di standard equi tende a provocare contromisure che alzano le barriere per tutti i sistemi automatizzati, quindi qualsiasi infrastruttura che valga la pena costruire deve essere sostenibile, non solo tecnicamente ma anche nella pratica. Il web non è stato progettato per gli agenti. All'interno delle organizzazioni, il contesto di cui gli agenti hanno bisogno non è spesso facilmente accessibile per loro o addirittura prontamente disponibile. Questi sono problemi di qualità dei dati che possono essere risolti e problemi di infrastruttura che stiamo attivamente risolvendo. Infine, ciò di cui abbiamo veramente bisogno come società è decidere se siamo pronti ad accogliere gli agenti AI o se vogliamo continuare a trattenerli.