Nel dibattito sull’AI enterprise si parla molto di modelli e ancora troppo poco di orchestrazione. È comprensibile. I modelli sono la parte più visibile, quella che produce testo, codice, analisi, sintesi e raccomandazioni. Ma quando i sistemi diventano autonomi o semi autonomi, la qualità del modello non basta più a spiegare il valore generato. La differenza si sposta sulla capacità di coordinare agenti, strumenti, dati, permessi, memoria e priorità in una sequenza operativa coerente.
approfondimento
Agent orchestration: come ottimizzare la latenza decisionale nei sistemi autonomi
Focus sulla latenza decisionale, che si distingue dalla semplice velocità del modello perché riguarda l’intero percorso, dall’obiettivo all’esito operativo. Routing, memoria, tool calling, protocolli aperti, sicurezza e metriche diventano elementi centrali per rendere l’autonomia efficace, controllabile e sostenibile
Pubblicato il 22 mag 2026
Giovanni Masi
Computer science engineer
@RIPRODUZIONE RISERVATA
Giovanni Masi
Computer science engineer
Ingegnere informatico e dell’automazione, specializzato in cybersecurity e intelligenza artificiale, con oltre vent’anni di esperienza nel settore dell’Information Technology. Ha sviluppato competenze avanzate nella progettazione e nello sviluppo di architetture software, nella gestione di infrastrutture IT complesse, nell’implementazione di strategie di sicurezza informatica e nella creazione di modelli di intelligenza artificiale.
È Presidente della Commissione per l’intelligenza artificiale dell’Ordine degli Ingegneri della Provincia di Frosinone e Vice Delegato del Comitato Italiano Ingegneria dell’Informazione – C3i, dove fa parte anche del Gruppo di Lavoro AI (GTL AI).
Nell’ambito dell’Ordine ha ideato e condotto numerosi seminari ed è autore e docente dei corsi:
- Intelligenza Artificiale per Ingegneri
- Intelligenza Artificiale Generativa
- Prompt Engineering.
Svolge attività accademica come cultore della materia presso il Dipartimento di Ingegneria Informatica dell’Università eCampus e ha tenuto seminari sull’intelligenza artificiale presso la Pontificia Università Antonianum.
Autore di numerosi articoli scientifici e divulgativi, si occupa di Generative AI e delle sue applicazioni professionali. Ha partecipato a progetti di ricerca avanzata, tra cui:
• BioGene, iniziativa supportata da NASA GeneLab per l’analisi genomica di esperimenti spaziali tramite AI
• Uno studio con l’Università Ben Gurion del Negev (Israele) sulla classificazione del livello di ossidazione degli oli mediante modelli intelligenti.
Attualmente concentra la sua attività sullo sviluppo e lo studio dei Large Language Models (LLM), con particolare attenzione alle applicazioni innovative dell’Intelligenza Artificiale Generativa in ambito tecnico e industriale.
