Latest / M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano / La trappola di Azure AI Foundry: RAG, agenti e valutatori per non portare più allucinazioni in produzione (Doppiaggio IA)

Transcript

La trappola di Azure AI Foundry: RAG, agenti e valutatori per non portare più allucinazioni in produzione (Doppiaggio IA) · M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano

0:00
Speaker 2: Hai cliccato perché il podcast diceva che Azure AI Foundry
0:02
Speaker 2: è una trappola, giusto? Sei nel posto giusto. Ecco subito
0:06
Speaker 2: la promessa. Co- pilot crollano senza il grounding, ma strumenti come
0:10
Speaker 2: la Retrieval Augmented Generation e Rage con la ricerca ibrida
0:13
Speaker 2: di Azure AI e valutatori semantici per aderenza, pertinenza e
0:16
Speaker 2: coerenza sono le soluzioni reali per evitare di distribuire allucinazioni
0:20
Speaker 2: camuffate da risposte. Supereremo le slide di marketing e ti
0:24
Speaker 2: mostreremo il manuale di sopravvivenza con esempi reali dal campo.
0:27
Speaker 2: Iscriviti alla newsletter dell'M365show e segui le dirette con gli MVP. Chi?
0:32
Speaker 2: È lì che si trovano le cicatrici e le soluzioni.
0:34
Speaker 2: E dato che le prime crepe appaiono solitamente nelle app multimodali,
0:37
Speaker 2: partiamo da lì. Perché le app multimodali falliscono nel mondo reale.
0:41
Speaker 2: Quando vedi una demo multimodale sul palco, sembra perfetta. Il
0:44
Speaker 2: presentatore inserisce un prompt di testo, un'immagine pulita, magari un
0:47
Speaker 2: rapido input vocale, e il modello fornisce un grafico perfetto
0:50
Speaker 2: e il riassunto preciso di un contratto. Sembra tutto magia,
0:52
Speaker 2: ma nel momento in cui provi la stessa cosa in
0:54
Speaker 2: un'azienda reale, il luccichio svanisce in fretta. Vedemo girano su
0:57
Speaker 2: input immacolati. I luoghi di lavoro girano su spazzatura. Questa
1:00
Speaker 2: è la vera divisione. In produzione, nessuno fornisce al tuo
1:03
Speaker 2: modello screenshot curati o CSV formattati da un comitato di standardizzazione.
1:07
Speaker 2: Le risorse umane caricano documenti di identità sfocali. L'ufficio acquisti
1:10
Speaker 2: e trascina dentro PDF che sono la quinta generazione di fax.
1:13
Speaker 2: Qualcuno in amministrazione scatta una foto o una fattura con
1:15
Speaker 2: la fotocamera crepata di un Android. I modelli multimodali possono
1:19
Speaker 2: gestire testo, immagini, voce e video, ma hanno bisogno di
1:21
Speaker 2: dati ben indicizzati di recupero per funzionare in condizioni disordinate.
1:25
Speaker 2: Altrimenti stai solo chiedendo al modello di improvvisare su dei rifiuti.
1:28
Speaker 2: E nessuna quantità di spesa in GPU può risolvere il
1:29
Speaker 2: problema garbage in garbage out. Qui che la retrieval augmented generation,
1:33
Speaker 2: o RAG, dovrebbe salvarti. Parole povere, il modello non conosce
1:37
Speaker 2: la tua azienda, quindi lo collega in una fonte di conoscenza.
1:39
Speaker 2: Recupera una porzione di dati e modella le risposte attorno
1:41
Speaker 2: ad essa. Quando la corrispondenza è precisa ottieni risposte utili
1:44
Speaker 2: e fondate. Quando è approssimativa il modello va a ruota libera,
1:46
Speaker 2: sputando sciocchezze con sicurezza. È così che finisci con un
1:49
Speaker 2: chatbot che giura che la tua azienda ha una nuova
1:51
Speaker 2: politica di sconti per il Q3 che non esiste. Non
1:54
Speaker 2: è diventato senziente, ha solo estratto i dati sbagliati. Azure
1:58
Speaker 2: AI Studio e Azure AI Foundry si basano entrambi su
2:00
Speaker 2: questo pattern e supportano tutti i tipi di modalità, linguaggio, visione, voce,
2:03
Speaker 2: persino recupero video. Ma il punto è che la RAG
2:06
Speaker 2: è valida solo quanto i dati che utilizza. Ecco la
2:08
Speaker 2: verità che molti team ignorano. Non puoi semplicemente inserire un
2:11
Speaker 2: metodo di recupero e ritenerti soddisfatto. Se vuoi che i
2:13
Speaker 2: risultati siano coerenti, ti serve una ricerca ibrida basata su parole,
2:16
Speaker 2: chiave e vettori, completata da un riordinatore semantico integrato in
2:19
Speaker 2: Azure AI Search. permette al sistema di bilanciare le corrispondenze
2:21
Speaker 2: letterali con il significato semantico, riordinando i risultati per mettere
2:24
Speaker 2: in cima il contesto corretto. Integrandolo nella tua configurazione multimodale,
2:28
Speaker 2: il modello riesce improvvisamente a gestire scansioni storte e immagini
2:30
Speaker 2: sfocate invece di inventare la tua polisi di conformità dal nulla.
2:34
Speaker 2: Parliamo ora del perché così tante implementazioni falliscono in Israel.
2:37
Speaker 2: Le aziende si aspettano risultati perfetti fin dal primo giorno,
2:39
Speaker 2: ma non stanziano un budget per i cicli di valutazione.
2:42
Speaker 2: Senza controlli di fondatezza, pertinenza e coerenza in background, non
2:45
Speaker 2: ti accorgi dello scostamento finché gli utenti non ne subiscono
2:47
Speaker 2: le conseguenze. Molte implementazioni iniziali falliscono rapidamente proprio per questo motivo.
2:51
Speaker 2: L'output sembra corretto ma nessuno l'ha verificato rispetto alla verità
2:54
Speaker 2: di origine. Pensaci, non distribuiresti mai un nuovo database senza
2:57
Speaker 2: un monitoraggio. Eppure, con l'IA multimodale, i dirigenti la mettono
3:00
Speaker 2: in produzione come se fosse una scatola magica plug and play.
3:03
Speaker 2: Non deve per forza finire un fallimento. Carvana è una
3:05
Speaker 2: delle storie di successo dei clienti foundry che lo dimostra.
3:08
Speaker 2: Hanno reso l'IA self- service davvero utile ottimizzando il recupero, fondando
3:11
Speaker 2: correttamente i propri agenti e investendo nell'osservabilità attuale. Ciò ha
3:15
Speaker 2: trasformato quello che poteva essere solo un altro bot giocattolo
3:17
Speaker 2: in qualcosa di cui i clienti potranno fidarsi. Ora, guarda
3:20
Speaker 2: invece le aziende che hanno incollato un chatbot generico alla
3:23
Speaker 2: loro pagina di supporto senza fondatezza né valutazione. Hai già
3:26
Speaker 2: visto il risultato. Richieste di garanzie scambiate per l'idea di vendita,
3:29
Speaker 2: code di assistenza intasate e credibilità distrutte. Stesso stack azzurro,
3:32
Speaker 2: risultato opposto. Quindi, ecco la cruda realtà. Multimodale non crolla
3:36
Speaker 2: perché l'IA non è abbastanza intelligente. Crolla perché i dati
3:39
Speaker 2: non sono preparati, indicizzati o monitorati. Inserisci spazzatura nel sistema
3:43
Speaker 2: di recupero, salta le valutazioni e guarda la fiducia andare
3:45
Speaker 2: in fuoco. Ma con la ricerca ibrida, il riordinamento semantico
3:48
Speaker 2: e costanti valutazioni, puoi elaborare fatture, contratti, immagini e persino
3:52
Speaker 2: note audio approssimative con risposte che rimangono ancorate alla realtà.
3:56
Speaker 2: E una volta che la fondatezza è assicurata emerge un
3:58
Speaker 2: altro rischio. Perché anche se le pipeline di dati sono pulite,
4:01
Speaker 2: il sistema che le guida può comunque andare fuori controllo.
4:04
Speaker 2: E' qui che la domanda cambia. La gente che coordina
4:06
Speaker 2: tutto questo sta davvero aiutando la tua azienda o sta
4:08
Speaker 2: solo trasformando silenziosamente il tuo budget IT in combustibile? Agente
4:13
Speaker 2: utile o costoso fermacarte? Un agente che ordina modelli, dati,
4:16
Speaker 2: trigger e azioni. Pensalo come un vigile urbano per i
4:19
Speaker 2: tuoi flussi di lavoro automatizzati. A volte dirige tutto senza intoppi,
4:22
Speaker 2: a volte fa passare tre autocarri e un'auto da clown,
4:24
Speaker 2: poi se ne va a pranzo. Quel divario tra la
4:27
Speaker 2: definizione pulita e la realtà disordinata è dove la maggior
4:29
Speaker 2: parte dei team prende il controllo. Sulla carta un agente
4:31
Speaker 2: sembra perfetto. Dagli istruzioni, puntalo verso i tuoi dati e
4:34
Speaker 2: le tue app e dovrebbe eseguire processi, trovare risposte e
4:37
Speaker 2: persino avviare flussi di lavoro. Ma questo non è un
4:40
Speaker 2: collega perfetto. È tanto probabile che risolva un problema ricorrente
4:43
Speaker 2: alle 2 del mattino quanto che inondi la tua coda
4:45
Speaker 2: di ticket fantasma per aver letto male un log di errore.
4:48
Speaker 2: Immaginalo dentro ServiceNow. Se limitata correttamente, è lì a creare
4:51
Speaker 2: ticket reali solo per problemi autentici restituendo ore di lavoro
4:54
Speaker 2: agli umani. Se lasciata libera, può seppellire l'app desk sotto
4:57
Speaker 2: una valanga di avvisi falsi su critiche guasti alle stampanti
4:59
Speaker 2: su hardware perfettamente funzionante. Prova a spiegare questo incremento di
5:02
Speaker 2: produttività al tuo CIO. Ecco la distinzione che molti trascurano.
5:05
Speaker 2: I copiloti e gli agenti non sono la stessa cosa.
5:07
Speaker 2: Un copilota è praticamente un compagno di promo. Tu chiedi,
5:09
Speaker 2: lui risponde e tu mantieni il controllo. Gli agenti, d'altra parte,
5:12
Speaker 2: decidono senza aspettare te. Seguono le tue vaghe istruzioni a
5:16
Speaker 2: lettera anche quando i risultati non hanno alcun senso. È
5:19
Speaker 2: qui che l'automazione o far risparmiare tempo reale o scivola
5:21
Speaker 2: nel caos che impiegherà il doppio del tempo a ripulire.
5:24
Speaker 2: La verità è che molti team consegnano al proprio agente
5:26
Speaker 2: una descrizione del lavoro che sembra una promessa elettorale. Ottimizzare
5:29
Speaker 2: i processi, fornire insight, aiutare le persone. Congratulazioni, è praticamente
5:33
Speaker 2: detto al bot di scadenarsi. Gli agenti senza limiti non
5:35
Speaker 2: restano educatamente nella loro corsi, ma non nel pallone. Inventano
5:38
Speaker 2: problemi da risolvere, duplicano i record, entrano in lupo infiniti
5:42
Speaker 2: E poi la dirigenza si chiede perché una demo brillante
5:44
Speaker 2: si sia trasformata in un incubo di prodotti. Ma mettiamo
5:46
Speaker 2: le cose in chiaro. Non è che la maggior parte
5:48
Speaker 2: delle organizzazioni fallisce nei primi due mesi. Non è questo
5:50
Speaker 2: che dice la ricerca. Ciò che accade è in fretta
5:52
Speaker 2: e che molte aziende incontrano ostacoli presto perché non hanno
5:55
Speaker 2: mai limitato bene i loro agenti, aggiunto fasi di validazione
5:58
Speaker 2: o implementato la telemetria. Senza cui guarderei il tuo nuovo
6:01
Speaker 2: strumento scintillante solo uno stagista spericolato con privilegi di amministratore.
6:05
Speaker 2: Ed è qui che lo stack Microsoft ti fornisce effettivamente
6:07
Speaker 2: i pezzi. Copilot Studio è il punto low- code dove i
6:09
Speaker 2: creatori progettano il comportamento degli agenti Pensa a Flussy Prompt
6:13
Speaker 2: e Trigger di Eventi. Poi l'agent service di Azure AI
6:15
Speaker 2: Foundry è l'impalcatura enterprise che mette quegli agenti in produzione
6:18
Speaker 2: con osservabilità. Agent service dove aggiungi monitoraggio, log e metriche.
6:24
Speaker 2: È deliberatamente progettato per un'automazione con supervisione umana integrata perché
6:27
Speaker 2: Microsoft sa cosa succede se ti fidi di un agente
6:29
Speaker 2: non testato in the wild. Quindi come fai a sapere
6:32
Speaker 2: se il tuo agente è davvero utile? Sotto ponilo una
6:35
Speaker 2: brutale lista di controlli. Primo, riduce le ore uomo o
6:38
Speaker 2: trascina il tuo staff in noiose attività di debugger. 2.
6:41
Speaker 2: State acquisendo metriche come fondatezza, fluidità e coerenza o state
6:44
Speaker 2: solo fissando le belle dashboard di marketing? 3. Avete predisposto
6:48
Speaker 2: la telemetria per intercettare le derive prima che gli utenti
6:51
Speaker 2: inizino a presentare reclame? Se avete risposto in modo eratono
6:53
Speaker 2: a qualsiasi di queste, non avete un agente in tv.
6:55
Speaker 2: Avete uno screensaver molto costoso. La soluzione è utilizzare le
6:58
Speaker 2: funzionalità di osservabilità e i valutatori integrati di Azure iFoundry.
7:02
Speaker 2: Non sono extra opzionali. Sono il metodo documentato per misurare fondatezza, pertinenza,
7:06
Speaker 2: coerenza e fedeltà alla fonte. Senza di essi state solo
7:09
Speaker 2: tirando a indovinare se il vostro agente sia intelligente o
7:11
Speaker 2: sia solo inventando cose con tono garbato. Con essi potete
7:14
Speaker 2: intervenire con sicurezza e ottimizzare quando l'output devia. Quindi sì,
7:17
Speaker 2: gli agenti possono cambiare le regole del gioco. Se delimitati
7:19
Speaker 2: male diventano amplificatori di caos che fanno perdere più tempo
7:21
Speaker 2: di quanto ne facciano risparmiare. Se delimitati bene, con confini chiari,
7:25
Speaker 2: telemetria reale e risposte fondate, possono gestire compiti lasciando agli
7:28
Speaker 2: umani lavoro a maggior valore. È proprio quando pensate di
7:31
Speaker 2: aver trovato il giusto equilibrio la storia cambia di nuovo.
7:33
Speaker 2: Microsoft sta già spingendo gli agenti autonomi bot che non
7:35
Speaker 2: aspettano che siate voi a intervenire. Il che sposta la
7:39
Speaker 2: posta in gioco da utile o inutile è una categoria
7:41
Speaker 2: del tutto diversa, perché ora parliamo di sistemi che operano
7:43
Speaker 2: anche quando nessuno guarda. La trappola dell'agente autonomo. Gli agenti
7:48
Speaker 2: autonomi sono il punto in cui l'hype diventa pericoloso. Sulla
7:51
Speaker 2: carta sono il sogno. Lasciate che lì agisca per voi,
7:54
Speaker 2: automatizzi la routine e la smetta di farvi alzare dal
7:56
Speaker 2: letto alle 2 del mattino per gestire le code dei ticket.
7:59
Speaker 2: Suona bene in sala riunioni. La trappola è semplice. Non
8:02
Speaker 2: chiedono il permesso. I copilot si fermano per voi. Gli
8:04
Speaker 2: agenti autonomi no. quando prende una decisione sbagliata il danno
8:07
Speaker 2: immediato si propaga su tutto il vostro tenant. Concetto abbastanza semplice.
8:10
Speaker 2: I copilot sono reattivi. Gli agenti sono operativi. Invece di
8:13
Speaker 2: restare in attesa finché qualcuno non digita un prompt, impostate
8:16
Speaker 2: gli agenti per monitorare lo stato del servizio, gestire i
8:18
Speaker 2: segnali di sicurezza e eseguire flussi di lavoro automaticamente. Microsoft
8:21
Speaker 2: lo presenta come efficienza, meno spreco umano, rilevamenti più rapidi,
8:24
Speaker 2: operazioni più fluide. La promessa è reale, ma ecco il
8:27
Speaker 2: contesto importante. Gli agenti autonomi in Copilot Studio oggi sono
8:30
Speaker 2: ancora in anteprima. Anteprima non significa che non funzioni, ma
8:34
Speaker 2: significa che non è testato nel complicato mondo reale. Persino
8:36
Speaker 2: Microsoft afferma che servono linee guida di governance del ciclo
8:39
Speaker 2: di vita e sistema di console copilot attivo prima di
8:41
Speaker 2: pensare a un'implementazione sulla gas cap. Considerate un rischio realistico.
8:44
Speaker 2: Supponiamo che hai creato un agente di helpdesk autonomo e
8:46
Speaker 2: gli diate l'autorità di rispondere alle anomalie di accesso. In
8:49
Speaker 2: una demo con 5 utenti funziona perfettamente. Avvisi sollevati, account gestiti.
8:53
Speaker 2: Poi arrivano input caotici in produzione. Invece di attendere, inizia
8:57
Speaker 2: a resettare in massa centinaia di account basandosi su falsi positivi.
9:01
Speaker 2: Il risultato non è un'interruzione ipotetica. potrebbe realisticamente bloccare le
9:04
Speaker 2: operazioni di fine mese. Non è fantascienza. È la modalità
9:07
Speaker 2: di errore che accetti se trascuri la definizione del perimetro.
9:09
Speaker 2: La soluzione non è abbandonare la tecnologia e costruire prima
9:12
Speaker 2: l'area di sicurezza. Qual è la lista di controllo per
9:14
Speaker 2: lo sopravvento? Tre cose da fare prima di qualsiasi automazione appariscente. Primo,
9:17
Speaker 2: perimetro di identità e accesso. Dai al tuo agente diritti minimi,
9:21
Speaker 2: niente ruoli di amministratore genetico. Secondo, logging e rollback. Ogni
9:24
Speaker 2: azione deve lasciare una traccia che puoi controllare e ogni
9:27
Speaker 2: azione è importante e necessita di una via di ripristino
9:29
Speaker 2: se l'agente sbaglia. Terzo, filtri di comportamento. Microsoft lo evidenzia
9:33
Speaker 2: con la sicurezza dei contenuti di Azure AI e la
9:35
Speaker 2: configurazione della conoscenza. I filtri che impediscono a un bot
9:38
Speaker 2: zelante di generare risposte inappropriate e uscire da seminato. Fai
9:41
Speaker 2: prima questo, altrimenti l'intelligenza del tuo agente fossera il tuo
9:44
Speaker 2: lavoro invece di aiutarlo. Lo strato etico rende tutto ancora
9:46
Speaker 2: più critico. Immagina un agente HR che segnala automaticamente i
9:49
Speaker 2: dipendenti come rischiosi, o un agente finanziario che blocca pagamenti
9:52
Speaker 2: ai fornitori classificandoli erroneamente come frodi. Questi non sono difetti innocui,
9:56
Speaker 2: sono fallimenti con impatto umano e conseguenze legali di conformità.
9:59
Speaker 2: I pregiudizi nei dati di addestramento o nel recupero non
10:01
Speaker 2: svaniscono solo perché ora sei in anteprima aziendale. Senza filtri,
10:05
Speaker 2: controlli e interventi umani stai delegando decisioni che i tuoi
10:07
Speaker 2: avvocati non vorrebbero mai affidare a un algoritmo senza supervisione.
10:11
Speaker 2: Il messaggio stesso di Microsoft allineate è stato schietto su questo.
10:14
Speaker 2: I guardrail, la gestione del ciclo di vita, il monitoraggio
10:16
Speaker 2: e il sistema di controllo del copilot non sono optional,
10:17
Speaker 2: sono requisiti. L'anteprima oggi riguarda meno le demo brillanti e
10:21
Speaker 2: più i tester che dimostrano dove emergono le crepe. Se
10:25
Speaker 2: vai online senza test di fase, flussi di approvazione e audit,
10:27
Speaker 2: non stai eseguendo un agente. Stai stressando il tuo tenant
10:30
Speaker 2: in produzione. Ecco perché l'osservabilità non è facoltativa. Hai bisogno
10:34
Speaker 2: di dashboard che mostri in ogni passo dell'agente e verifichino
10:36
Speaker 2: se l'output sia fondato, pertinente, coerente e coerente con la
10:39
Speaker 2: tua policy. E hai bisogno di opzioni con l'UMLG. Microsoft
10:42
Speaker 2: non lo nasconde. Fanno riferimento a modelli in cui l'essere
10:45
Speaker 2: umano rimane un dispositivo di sicurezza. Pensalo come al pilota
10:48
Speaker 2: automatico di un aereo, incredibilmente utile, ma sempre progettato con
10:51
Speaker 2: un comando manuale. Se il bot crede che l'atterraggio ottimale
10:54
Speaker 2: sia in un lago, vuoi prendere il controllo prima dell'ammaraggio.
10:57
Speaker 2: L'analogia giusta qui è lasciare che un adolescente impari a guidare.
11:00
Speaker 2: Il potenziale è reale, la velocità è impressionante, ma non
11:02
Speaker 2: consigli le chiavi, lasci il veletto e speri che vada
11:04
Speaker 2: tutto bene. Ti siedi dal lato passeggero, stabilisci dei limiti,
11:07
Speaker 2: installi i freni che puoi premere tu stesso. Questa è
11:10
Speaker 2: la governance del ciclo di vita in pratica. L'hotel è
11:12
Speaker 2: di addestramento finché non sei certo che il sistema non
11:14
Speaker 2: esca di strada. E questo ci porta al piano di
11:16
Speaker 2: fabbrica più grande, dove agenti, copiloti e ogni flusso di
11:18
Speaker 2: lavoro testato si incontrano. Microsoft lo chiama Azure AI Foundry,
11:22
Speaker 2: uno spazio unico per creare intelligenza artificiale con tutti gli
11:24
Speaker 2: strumenti necessari. Se diventerà un centro di produzione, il luogo
11:27
Speaker 2: in cui i tuoi progetti si autodistruggono dipende interamente da
11:29
Speaker 2: come lo gestisci. Azure AI Foundry, la tua fabbrica o
11:34
Speaker 2: il tuo campo minato? Azure AI Foundry è la nuova
11:37
Speaker 2: proposta di punta di Microsoft, la cosiddetta fabbrica per tutto
11:40
Speaker 2: ciò che riguarda l'IA. Problema, troppi team entrano e lo
11:43
Speaker 2: trattano come se fosse i chievi. Girano abbagliati dai cataloghi,
11:46
Speaker 2: prendono un paio di modelli linguistici brillanti, aggiungono qualche connettore
11:49
Speaker 2: e mettono insieme qualcosa senza istruzioni. Ciò che ottengono non
11:53
Speaker 2: è un sistema aziendale, ma un giocattolo da demo che
11:55
Speaker 2: crolla la prima volta che un utente inserisce un PDF disordinato.
11:59
Speaker 2: Ecco cosa offre davvero Foundry, direttamente dal manuale ufficiale. Un
12:03
Speaker 2: catalogo di modelli che spazia tra Microsoft, OpenAI, Meta, Mistral,
12:05
Speaker 2: DeepSeek e altri. Opzioni di personalizzazione come la generazione aumentata
12:09
Speaker 2: da recupero, il fine tuning e la distillazione. Un servizio
12:13
Speaker 2: di agenti per l'orchestrazione, strumenti come Prompt Flow per valutazione
12:16
Speaker 2: e debug, funzioni di sicurezza di base, controlli di identità
12:19
Speaker 2: e accesso, filtri di sicurezza dei contenuti e dashboard di osservabilità.
12:22
Speaker 2: In breve, contiene tutte le parti necessarie per costruire copiloti,
12:25
Speaker 2: agenti e flussi autonomi mantenendoli conformi. Questo è l'inventario. Il
12:29
Speaker 2: problema non è che la cassetta degli attrezzi sia vuota,
12:30
Speaker 2: ma che troppi amministratori lo trattano come se bastasse attivare
12:33
Speaker 2: un interruttore GPT- 4 Turbo per dichiararlo pronto alla produzione. La
12:36
Speaker 2: verità è che Foundry è un piano di fabbrica, non
12:38
Speaker 2: la scatola dei giochi per i tuoi hackato. Ciò significa
12:40
Speaker 2: stabilire i confini di identità affinché solo le persone giuste
12:42
Speaker 2: accedano ai modelli giusti. Significa integrare la sicurezza dei contenuti
12:45
Speaker 2: in ogni pipeline. Significa usare l'osservabilità per sapere quando una
12:49
Speaker 2: risposta è fondata e quando il modello sta inventando politiche
12:51
Speaker 2: aziendali dal nulla. Significa abbinare il lavoro al modello corretto
12:55
Speaker 2: invece di scegliere il più grande solo perché sembra intelligente.
12:59
Speaker 2: Salto a questi passaggi il caos entrerà dalla porta di servizio.
13:02
Speaker 2: Ho visto un team collegare un copilota Foundry su SharePoint
13:04
Speaker 2: che ha inavvertitamente esposto dati HR riservati a 20 stagisti.
13:07
Speaker 2: Non è stata una genialata, ma un disastro di conformità
13:10
Speaker 2: che si sarebbe potuto evitare con regole di accesso integrale.
13:12
Speaker 2: Parliamo di reali modalità di filmmaking. Un'organizzazione ha usato GPT- 4
13:15
Speaker 2: Turbo per l'etichettatura di foto di prodotti. Il laboratorio ha
13:18
Speaker 2: superato brillantemente la data. Foto pulite da studio, tag perfetti,
13:21
Speaker 2: applausi da parte di tutti. In produzione gli input non
13:25
Speaker 2: erano JPEG lucidi, ma foto sfocate e scatate con lo
13:27
Speaker 2: smartphone in magazzino. All'improvviso lì ha classificato erroneamente i passeggini
13:30
Speaker 2: come sedie da ufficio e ha trasformato i codici UPC
13:32
Speaker 2: in numeri di serie falsi in numeri di serie false.
13:35
Speaker 2: Oltre al danno alla fiducia, i costi hanno iniziato a salire.
13:37
Speaker 2: E non è una favola dove si paga un tanto messaggio.
13:39
Speaker 2: Il prezzo di Foundry è basato sul consumo ed è
13:41
Speaker 2: legato ai servizi specifici che utili. Ogni connettore, ogni chiamata
13:44
Speaker 2: di recupero, ogni messaggio viene addebitato sul tuo tenant. Ogni
13:48
Speaker 2: componente è il suo modello di fatturazione. Questa flessibilità è ottima,
13:51
Speaker 2: ma se non fai stime con il calcolatore di prezzi
13:53
Speaker 2: azzurro e non monitori l'uso, il tuo team finanziario sarà
13:55
Speaker 2: entusiasta della tua fattura sorpresa. Questa è la trappola della fatturazione.
13:59
Speaker 2: Il prezzo a consumo funziona se pianifichi, monitori e ottimizzi.
14:02
Speaker 2: Se non lo fai è come usare una sportiva per
14:04
Speaker 2: consegnare pizze. Costoso, rumoroso e inutile. Ci siamo già passati
14:08
Speaker 2: con strumenti come Power BI, ottima demo, conto salato. Non
14:11
Speaker 2: lasciare che Foundry ti porti nella stessa situazione. Gli sviluppatori
14:14
Speaker 2: amano creare prototipi in Foundry perché la sandbox è fluida.
14:17
Speaker 2: E nella sandbox è davvero fluida. Dati demo puliti, niente caos,
14:19
Speaker 2: effetto wow immediato. Ma ecco il problema. I team portano
14:22
Speaker 2: quel prototipo in produzione senza pipeline di valutazione. Se salti
14:26
Speaker 2: valutatori per fondatezza, fluidità, pertinenza e coerenza, stai distribuendo alla cieca.
14:30
Speaker 2: Cosa succede? Gli utenti notano lo scostamento nell'output, la fiducia cala,
14:34
Speaker 2: i dirigenti tagliano i fuori. Non è Foundry che fallisce,
14:36
Speaker 2: sono i team che mancano di governance. Molti prototipi Foundry
14:39
Speaker 2: si bloccano prima della produzione proprio per questo motivo. Nessuna osservabilità,
14:42
Speaker 2: nessun controllo qualità, nessuna telemetria. La risposta è già lì
14:45
Speaker 2: nella piattaforma. Usa l'osservabilità di Azure AI Foundry fin dal
14:48
Speaker 2: primo giorno. Colleghi Prompt Flow, esegui valutatori integrati su ogni test.
14:52
Speaker 2: Fonda il tuo sistema con Azure AI Search usando la
14:54
Speaker 2: ricerca ibrida e il riordinamento semantico prima ancora di pensare
14:56
Speaker 2: di andare live. Microsoft non ha nascosto questi strumenti in
14:59
Speaker 2: un allegato, sono documentati per la sicurezza in produzione. Ma
15:01
Speaker 2: troppo spesso gli sviluppatori li ignorano come se fossero notabili pari.
15:04
Speaker 2: Questa mentalità basata sui checkpoint è il modo per evitare
15:07
Speaker 2: il campo minato. Tratta Foundry come una fabbrica, la governance
15:10
Speaker 2: come primo passo, polisi di conformità integrate come l'accesso condizionato,
15:13
Speaker 2: pipeline di osservabilità attive fin dall'inizio. E sì, l'ambito dell'identità
15:17
Speaker 2: e la sicurezza dei contenuti non vanno aggiunti dopo, sono
15:19
Speaker 2: parte integrante del progetto. Signori, la governance rischia molto più
15:22
Speaker 2: di semplici risposte. Senza di essa, il tuo bot multimodale
15:25
Speaker 2: potrebbe tranquillamente esporre gli stipendi HR a utenti esterni o
15:28
Speaker 2: etichettare fatture con numeri di polizia inventate. Non è solo
15:31
Speaker 2: un'IA rotta, è materiale da prima pagina che il tuo
15:32
Speaker 2: ufficio conformità non vorrà dover spiegare. Ed è qui che
15:35
Speaker 2: si sposta l'attenzione, perché il prossimo ostacolo non è affatto tecnico.
15:39
Speaker 2: E se la tua IA è responsabile? Tutti amano inserire
15:42
Speaker 2: queste parole in una slide, ma nella pratica si tratta
15:44
Speaker 2: di audit, filtri, conformità e della montagna di scelte da
15:47
Speaker 2: compiere prima del lancio. Ed è qui che iniziano i
15:49
Speaker 2: veri mal di testa. iscriviti e seguici sulla newsletter M365
15:52
Speaker 2: in to show per le soluzioni dirette e seguici su
15:54
Speaker 2: M365 visita la pagina LinkedIn per i live stream con
15:57
Speaker 2: gli MVP che hanno testato Foundry in produzione e visto
15:59
Speaker 2: cosa può andare storto IA responsabile o mal di testa
16:02
Speaker 2: responsabile tutti amano inserire l'IA responsabile in un keynote fa
16:07
Speaker 2: bella figura accanto a termini come equità e trasparenza ma
16:09
Speaker 2: nel lavoro quotidiano non è una filosofia che ispira si
16:12
Speaker 2: tratta di configurazione audit, filtri e procedure di governance che
16:15
Speaker 2: sembrano più manutenzione di server che innovazione l'IA responsabile è
16:18
Speaker 2: la cintura di sicurezza non l'autosportivo Saltano una volta, l'incidente
16:22
Speaker 2: arriva in fretta. Microsoft parla di etica e sicurezza, ma
16:24
Speaker 2: per gli amministratori che implementano il sistema questo si traduce
16:27
Speaker 2: in barriere pratiche. Servono policy di accesso solide, filtri che
16:32
Speaker 2: blocchino i prompt dannosi e log abbastanza dettagliati da soddisfare
16:36
Speaker 2: un ispettore con un mandato. Non è un lavoro affascinante,
16:40
Speaker 2: significa isolare Ecopilot delle risorse umane dai dati finanziari, definire
16:44
Speaker 2: regole di ambito e tracciare i log per provare come
16:46
Speaker 2: è stata generata una risposta. Se lo fai bene, responsabile,
16:50
Speaker 2: non è uno slogan aziendale, è sopravvivenza. La versione peggiore
16:53
Speaker 2: è collegare un bot direttamente al tuo archivio HR senza
16:56
Speaker 2: limitare l'ambito del tenant. Un utente chiede dei benefit assicurativi
17:01
Speaker 2: e il bot pubblica le fasce salariali dei dipendenti nella chat.
17:05
Speaker 2: Ora è una violazione della privacy, un incubo per il
17:07
Speaker 2: morale e potenzialmente le autorità le calcagna. Il modo più
17:11
Speaker 2: veloce per uccidere l'adozione non è una cattiva UX, è
17:12
Speaker 2: una singola fuga dei dati sensibili. Quindi cosa tiene fuori
17:15
Speaker 2: questo cavo? Inizia con la sicurezza dei contenuti di Azureia.
17:17
Speaker 2: È progettata per filtrare prompt e risposte violente o scene
17:20
Speaker 2: offensive prima che raggiungano gli utenti. Ma questa è solo
17:23
Speaker 2: l'igiene di base. Foundry e Copilot Studio aggiungono un pipeline
17:26
Speaker 2: di valutazione che gestiscono il livello successivo. Verifiche di affidabilità,
17:30
Speaker 2: punteggi di pertinenza, dashboard di trasparenza e spiegabilità. In parole povere,
17:35
Speaker 2: puoi regolare le soglie, filtrare input e output e obbligare
17:38
Speaker 2: i bot a mostrare il loro lavoro. Senza queste stai
17:41
Speaker 2: giocando d'azzardo con ciò che l'IA produce. Ed ecco la
17:43
Speaker 2: realtà delle risorse. Microsoft investe molto in questo ambito. 34.000
17:47
Speaker 2: ingegneri a tempo pieno dedicati alla sicurezza, più 15.000 partner
17:51
Speaker 2: con una profonda competenza in materia. Una fortezza. Ma non
17:54
Speaker 2: adagiarti sugli allori. Nessuno di quegli ingegneri è dentro il
17:57
Speaker 2: tuo tenant a definire le tue regole di accesso. Microsoft
18:00
Speaker 2: ti fornisce le barriere, ma resta tuo compito proteggere le identità,
18:03
Speaker 2: isolare i dati, applicare la criptografia e configurare le policy.
18:07
Speaker 2: Se la tua perimetrazione è approssimativa, sarai comunque responsabile della violazione.
18:09
Speaker 2: La vera soluzione è la governance del ciclo di vita.
18:11
Speaker 2: Pensala come la ricetta raccomandata da Microsoft stessa. Testa. Approva. rilascia, controlla, itera.
18:19
Speaker 2: Con punti di controllo ogni ciclo individui le derive prima
18:21
Speaker 2: che finiscano sui titoli dei giornali. I team che rilasciano
18:24
Speaker 2: una volta sola e abbandonano finiscono sempre per esplodere. I
18:26
Speaker 2: modelli evolvono, i prompt cambiano e gli output deviano. La
18:30
Speaker 2: governance non è burocrazia inutile. È il modo per impedire
18:32
Speaker 2: a un bot stagista di inventare policy su teams mentre
18:34
Speaker 2: tutti dormono. Alcuni amministratori brontolano che responsabile significhi solo più lei.
18:38
Speaker 2: Le prospettive sbagliate. L'essere responsabile non uccide la velocità, impedisce
18:42
Speaker 2: alla velocità di ucciderti. Una buona governance significa poter superare
18:45
Speaker 2: gli audit e far proseguire i progetti. Se la salti
18:48
Speaker 2: ti stai lanciando in dirù. La velocità senza controlli ti
18:50
Speaker 2: porta a un solo tipo di record. Il miglior tempo
18:52
Speaker 2: possibile per l'analisi post- mortem. Pensa a guidare sui tormenti di montagna.
18:55
Speaker 2: Non maledici guardrail. Vi ringrazio quando la strada cade di
18:58
Speaker 2: 60 metri. L'esposabile è la stessa cosa. Ambiti, policy, filtri,
19:02
Speaker 2: log non bloccano la tua velocità e evitano che la
19:03
Speaker 2: tua auto finisca il telegiornale. In sintesi, Microsoft ha fornito
19:07
Speaker 2: strumenti molto potenti. Sicurezza dei contenuti, pipeline di valutazione, framework
19:11
Speaker 2: di sicurezza, guardrail SDK... Ma resta compito tuo perimetrare i tenant,
19:16
Speaker 2: configurare gli accessi e integrare questi cicli nella produzione. Fallo
19:19
Speaker 2: e avrai un IAC che sopravvive alla conformità invece di
19:21
Speaker 2: crollare sotto di essa. Ignoralo e non rischierai solo un'interruzione
19:25
Speaker 2: ma mettere in gioco la tua carriera. Lì è responsabile
19:27
Speaker 2: e non è lenta. Lì è responsabile e sostenibile. E
19:30
Speaker 2: la sostenibilità è il vero test perché il futuro non
19:32
Speaker 2: riguarda le funzionalità ma se tratti questa piattaforma come un
19:35
Speaker 2: plug and play o la rispetti come un'infrastruttura basata sulla
19:37
Speaker 2: governance questa distinzione decide chi resiste e chi brucia le tappe.
19:40
Speaker 2: Ecco il punto ventale. La trappola non è foundry, occupare
19:44
Speaker 2: lo studio e pensare che siano plug and play. Il
19:47
Speaker 2: pro memoria è semplice, governance prima, sperimentazione e poi produzione
19:50
Speaker 2: in fin. Ignora l'identità e l'osservabilità a tuo rischio e pericolo.
19:53
Speaker 2: Gli strumenti ci sono, ma solo la governance trasforma i
19:55
Speaker 2: prototipi in produzione reale. Quindi se vuoi le soluzioni dirette
19:58
Speaker 2: che mantenano davvero in vita il tuo tenant, iscriviti al
20:00
Speaker 2: podcast e lasciami una recensione. E di coro ogni giorno
20:04
Speaker 2: questo progetto e il tuo supporto è davvero utile. Gli
20:06
Speaker 2: strumenti cambieranno, tante che sopravvivenza restano.