Da Stanford a Salesforce, dalle aule dell’università all’ufficio di una delle tech company più attive sul fronte della ricerca sull’intelligenza artificiale – che poi è la sua passione da sempre, visto che si è laureato con una tesi sul tema a Napoli negli anni Novanta. Silvio Savarese, executive vice president e chief scientist di Salesforce AI Research, è considerato una delle personalità più influenti in tema di artificial intelligence (figura, infatti, nell’elenco dei “top 100” dell’IA della prestigiosa rivista Time Magazine) ed è a capo di un pool di una trentina di “cervelloni” impegnati a lavorare sulle traiettorie di sviluppo più promettenti dell’AI enterprise. Tra i suoi compiti anche quello di “addestrare” gli agenti AI, per migliorarne accuratezza e consistenza operativa.
Indice degli argomenti:
L’avvento dell’AI agentica
L’AI agentica, infatti, sta trasformando la gestione di processi complessi. Non parliamo più di assistenti virtuali che suggeriscono risposte o aiutano gli operatori con un flusso di informazioni ma di agenti AI programmati per prendere decisioni, adattarsi dinamicamente al contesto, gestire l’incertezza, cooperare con le persone e gli altri agenti per portare a termine flussi di lavoro anche piuttosto complessi. Software che operano in autonomia, integrati direttamente nei flussi di lavoro, dalla gestione di ordini e appuntamenti alla vendita e supporto ai clienti. E la cui autonomia deve essere allineata alle esigenze di business, non lasciata alla deriva delle possibilità computazionali.
AI research: come raggiungere l’obiettivo della consistenza
Il lavoro di Savarese muove da punto di partenza che è un paradosso noto dell’AI, per cui modelli capaci di risolvere compiti complessi falliscono a volte su task elementari. Questa intelligenza discontinua – con picchi prestazionali alternati a performance deludenti -, in azienda non può essere tollerata e rappresenta un vero e proprio rischio operativo. “Per le imprese – evidenzia il manager – affidabilità e coerenza contano tanto quanto la potenza”. L’asticella della qualità degli agenti, spiega Savarese, non è più definita solo dalla capacità di risolvere i task in modo accurato, quanto piuttosto dalla loro consistenza ovvero l’abilità di produrre risultati stabili, affidabili e ripetibili nel tempo con input simili.
“Essere consistenti nel 90% dei casi non è sufficiente, bisogna puntare almeno al 99%. E per ottenere questo risultato serve un vero e proprio salto metodologico, occorre cambiare l’ambiente di addestramento”.
Il ruolo dei dati sintetici
Proprio quello che ha fatto Salesforce con eVerse, un framework di simulazione aziendale che sfrutta la potenza dei dati sintetici per superare uno dei principali limiti dell’AI research: l’indisponibilità cronica di quantitativi di record sufficienti recuperati sul campo per addestrare rapidamente i modelli.
“Per capire come funziona questo nuovo ambiente di training – spiega il manager –, di solito faccio un’analogia con lo sport. Un pilota di Formula 1 usa un simulatore per imparare un circuito. Prima di andare in pista, si addestra in ambienti controllati ma realistici. Ecco, noi stiamo creando l’equivalente di quei dispositivi di addestramento, un gemello digitale al cui interno si replicano migliaia di scenari diversi negli ambiti del Customer Service, delle vendite, del marketing o della gestione dell’eCommerce e che simula come funzionano i processi dell’azienda, alimentato da dati reali e dati sintetici ispirati da situazioni reali”.
Salesforce eVerse: un gemello digitale per creare gli agenti AI del futuro
In prospettiva, l’interazione tra agenti (A2A, Agents-to-Agents) e con l’uomo diventerà sempre più sofisticata, integrando non solo processi digitali ma anche attività che richiedono la percezione del contesto e una gestione dinamica di diverse variabili reali. E proprio con questa idea di fondo è stato sviluppato eVerse – una sorta di metaverso funzionale, un’arena virtuale in cui l’AI impara a gestire i vincoli, gli obiettivi e i fallimenti del mondo reale attraverso tre fasi integrate:
- Synthesize: si costruiscono digital twin dei processi aziendali, che riproducono record, workflow e casistiche reali attraverso l’impiego di dati sintetici, così da preservare l’integrità di quelli aziendali.
- Measure: gli agenti digitali vengono stressati all’interno di scenari realistici – rumori, disturbi di rete, voci sovrapposte – per valutarne le prestazioni nei contesti operativi in cui tipicamente i modelli mostrano cedimenti.
- Train: le lacune rilevate vengono colmate attraverso un approccio di apprendimento per rinforzo. I test interni di Salesforce mostrano miglioramenti che oscillano tra il 19% e l’88% sui task enterprise.
L’integrazione tra Proof-of-concept e ambiente di simulazione evoluto definisce un approccio consente di creare agenti AI fortemente specializzati abilitando quella che Salesforce chiama Enterprise General Intelligence – un’AI ottimizzata per le applicazioni aziendali, che eccelle sia in termini di capacità che di coerenza, garantendo prestazioni affidabili anche all’interno di scenari complessi.
Governare gli agenti prima che governino i processi
Una volta in produzione, poi, “ogni agente – spiega Vanessa Fortarezza, senior vice president e country general manager di Salesforce – deve sapere quando eseguire un’azione, quando chiedere conferma a un referente umano e come comunicare con altri agenti evitando errori, duplicazioni o decisioni incoerenti. La sfida non è, quindi, solo implementare gli agenti, ma orchestrarli e impostare guardrail che consentono di validare l’output, gestire l’incertezza e assicurare che le decisioni siano coerenti con gli obiettivi aziendali, i requisiti legali e gli standard etici garantendone la consistenza. Solo così possiamo trasformare questa tecnologia in un vantaggio competitivo reale. Questo significa che l’agente deve avere indicazioni a monte su come procedere in base a una molteplicità di casi d’uso. O, detto in altre parole, è fondamentale governare gli agenti prima che loro governino i processi aziendali”. Un principio che Salesforce ha ben chiaro. “Il vero vantaggio competitivo – evidenzia la manager – non sta nella bontà del modello, ma nell’ambiente operativo in cui lo si forma e nel modo in cui lo si governa una volta lasciato libero di agire”.
Fortarezza evidenzia che l’adozione degli agenti in Italia copre tutte le principali industry, dal settore finanziario alle utility, dal retail alla sanità privata, con oltre 50 piloti avviati in realtà come Adecco, Amplifon, Brunello Cucinelli, Compass, Lavazza, Unicredit e diversi agenti AI già in produzione in Telepass, ma non solo…
L’AI embedded come vantaggio competitivo
Nella visione Salesforce, l’AI agentica non è un layer esterno ma un componente nativo del CRM della tech company californiana. “Gli agenti, addestrati sui processi di vendita, service, marketing ed eCommerce, operano già dentro la nostra piattaforma, con il vantaggio di essere noi stessi il customer zero, ovvero il primo utente delle nostre soluzioni”, assicura Fortarezza. Questo significa che le funzionalità, prima di essere rilasciate, vengono testate internamente su casi reali.
Uno dei più significativi riguarda la gestione dei contatti commerciali. “In Italia, negli ultimi anni – spiega – abbiamo accumulato circa 100 milioni di contatti non qualificati, un volume impossibile da gestire con il personale che abbiamo. La soluzione è arrivata da un agente virtuale in grado di processare circa 10mila lead a settimana. È così che abbiamo scoperto che circa il 40% di questi contatti è buono. Nel momento in cui il lead è identificato come qualificato, l’agente oltretutto fa subito l’handover sul primo livello della nostra organizzazione di vendita, con un vantaggio evidente in termini di nuove opportunità di business generate”.
