Latest / M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano / Copilot Studio vs Azure AI Foundry: RAG, governance e come scegliere la piattaforma di IA aziendale giusta (Doppiaggio IA)

Transcript

Copilot Studio vs Azure AI Foundry: RAG, governance e come scegliere la piattaforma di IA aziendale giusta (Doppiaggio IA) · M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano

0:00
Speaker 2: Hai mai notato che il tuo brillante bot EA sa
0:01
Speaker 2: tutto tranne ciò di cui il tuo team ha realmente bisogno?
0:04
Speaker 2: È perché la maggior parte dei copilot sono pappagalli con
0:06
Speaker 2: una laurea presa su internet. Modelli potenti, certo, ma senza
0:09
Speaker 2: una base solida inseguono curiosità invece dei tuoi dati aziendali.
0:12
Speaker 2: Ciò che ti serve davvero è la Retrieval Augmented Generation, RAG,
0:15
Speaker 2: non quella che riduce le magliette a brandelli. RAG significa
0:17
Speaker 2: ricerca più LLM. Modello scrive le risposte solo dopo aver
0:21
Speaker 2: cercato nei contenuti aziendali indicizzati come SharePoint, Dataverse o OneDrive.
0:24
Speaker 2: Questa è la differenza chiave tra una demo che sia
0:26
Speaker 2: intelligente e un sistema di cui potresti davvero fidarti. Prepara
0:28
Speaker 2: il terreno per la sfida che c'è a te. Copilot
0:30
Speaker 2: Studio contro Azure e iFoundry. Iscriviti su m365. show per ora.
0:35
Speaker 2: Perché la maggior parte dei bots sono solo papagalli eleganti.
0:38
Speaker 2: La maggior parte dei bots sembra impressionante, ma se chiedi
0:40
Speaker 2: qualcosa di concreto, come una policy aziendale o lo stato
0:42
Speaker 2: di un progetto, crollano. Ecco il problema. Sono solo modelli
0:45
Speaker 2: linguistici di grandi dimensioni senza connessione ai dati del tuo tema.
0:48
Speaker 2: Sono esperti nell'inventare risposte che sembrano ufficiali, eppure non aiutano
0:52
Speaker 2: la tua azienda. Volevi la policy sui permessi delle risorse
0:54
Speaker 2: umane e ti ha dato un testo generico sull'equilibrio tra
0:56
Speaker 2: lavoro e vita privata preso da internet. Ottimo discorso motivazionale
1:00
Speaker 2: a meno produzione. La causa principale. Il bot non attinge
1:02
Speaker 2: agli stessi contenuti su cui il tuo team lavora quotidianamente.
1:06
Speaker 2: La vera soluzione è la Retrieval Augmented Generation, o RAG.
1:09
Speaker 2: Sempre al giorno del bucato, ma pensala come una mossa combinata.
1:12
Speaker 2: Ricerca più un modello linguistico di grande linea. Impedisce al
1:15
Speaker 2: modello di improvvisare e invece gli fornisce una pipeline di ricerca.
1:18
Speaker 2: Scrive comunque la risposta, ma solo dopo aver attinto da
1:20
Speaker 2: fonti indicizzate all'interno del tuo ambiente SharePoint, OneDrive, Dataverse o
1:24
Speaker 2: persino quel sito del team che tu ti avevano giurato
1:26
Speaker 2: di archiviare nel 2019. Con questa configurazione il bot smette
1:30
Speaker 2: finalmente di improvvisare e inizia ad agire come se appartenesse
1:32
Speaker 2: al tuo tema. Senza RAG i rischi si accumulano rapidamente.
1:35
Speaker 2: Un eleme semplice e addestrato sulla confusione di. Chiedigli della
1:38
Speaker 2: policy sui permessi HR e potrebbe darti qualcosa che suona
1:40
Speaker 2: corretto ma è completamente fuoristrada, a volte clamorosamente sbagliato. Non
1:43
Speaker 2: è solo imbarazzante, è pericoloso. Non vuoi che un brillante
1:46
Speaker 2: chatbot sputi informazioni di conformità non valide a migliaia di
1:48
Speaker 2: dipendenti prima ancora che le risorse male sappiano cosa è successo.
1:51
Speaker 2: Microsoft Digital ha incontrato esattamente questo rischio durante la creazione
1:54
Speaker 2: di Copilot HR e IT. La loro soluzione. Aggiungere una
1:57
Speaker 2: guida alle fonti autorevoli e lavorare sui connettori in studio
2:00
Speaker 2: per ridurre le risposte errate. Questa è la mossa al
2:01
Speaker 2: mondo reale. La RAG non è solo teoria, è la
2:03
Speaker 2: differenza tra un bot che rilascia e uno che spegne silenziosamente.
2:07
Speaker 2: Ecco l'altro pezzo del puzzle, il controllo degli accessi. La
2:09
Speaker 2: RAG non riguarda solo una ricerca migliore, riguarda una ricerca simile.
2:12
Speaker 2: Pensala con un buttafuori notturno. Il sistema esegue la ricerca,
2:14
Speaker 2: ma prima che qualsiasi dato entri nella risposta, butta fuori
2:17
Speaker 2: i controlli di dell'utente. La finanza vede i dati finanziari,
2:19
Speaker 2: le vendite vedono il materiale commerciale e nessuno può sbirciare
2:22
Speaker 2: per memoria del consiglio a cui non ha accesso. Un
2:24
Speaker 2: RAG adeguato unito al controllo degli accessi blocca gran parte
2:26
Speaker 2: dei leak tra tenant, ma solo se i permessi e
2:28
Speaker 2: l'indicizzazione sono configurati correttamente. Questa precisazione è fondamentale. Senza di
2:32
Speaker 2: essa si torna a un motore di allucinazioni con il
2:34
Speaker 2: marchio aziendale. Per renderlo concreto immaginiamo due dipendenti, uno alle
2:37
Speaker 2: vendite e uno alla finanza. Entrambi usano lo stesso bot
2:39
Speaker 2: per chiedere informazioni sui dati trimestrali. Le vendite vedono il
2:43
Speaker 2: rapporto pubblico edulcorato. La finanza vede i resoconti dettagliati e
2:46
Speaker 2: archiviati nella loro cartella protetta. Stesso indice, stesso bot, risposte
2:49
Speaker 2: totalmente diverse grazie al butto fuori all'ingresso. Questo recupero basato
2:53
Speaker 2: sull'identità è ciò che colma il divario di fiducia per
2:55
Speaker 2: i CIO che sentono la frase« Porta la tua IA»
2:58
Speaker 2: e immaginano subito i revisori in fila fuori dal loro ufficio.
3:02
Speaker 2: In sintesi, il RAG è ciò che trasforma un pappagallo
3:04
Speaker 2: in un vero assistente. Se fatto bene, ottieni risposte tratte
3:07
Speaker 2: dal tuo tenant, filtrate dai tuoi permessi e basate su
3:10
Speaker 2: fonti reali. Se fatto male, stai solo sorvegliando un'altra macchina
3:14
Speaker 2: per allucinazioni con un'interfaccia cattivante. È qui che le cose
3:16
Speaker 2: si fanno interessante. Sia Copilot Studio che Agero e iFoundry
3:19
Speaker 2: usano concetti di RAG, ma il modo in cui gestiscono
3:21
Speaker 2: permessi e pipeline di ricerca è molto diverso. Uno punta
3:24
Speaker 2: su velocità e semplicità, l'altro su controllo e profondità. Quindi
3:27
Speaker 2: iniziamo con l'opzione più rapida, quella che promette vittorie rapide
3:30
Speaker 2: senza scrivere una riga di code. Copilot Studio, vittorie rapide
3:33
Speaker 2: con le rotelle. Copilot Studio, dove Microsoft mantiene la promessa
3:36
Speaker 2: di risultati rapidi. È il loro ambiente low- code per creare
3:39
Speaker 2: Copilot e onestamente è incredibilmente veloce ottenere qualcosa di funzionante. Accedi,
3:44
Speaker 2: scegli un modello iniziale. Lo colleghi ai tuoi dati con
3:46
Speaker 2: uno degli oltre mille connettori SharePoint, Dynamics, ServiceNow, Excel, OneDrive, eccetera.
3:53
Speaker 2: E all'improvviso hai un chatbot che risponde alle domande come
3:55
Speaker 2: se fossi in azienda da anni. Niente codice, niente catene
3:58
Speaker 2: di build, niente backlog di sviluppo, funzione basta. La prima
4:01
Speaker 2: volta che lo provi sembra sospettosamente magia. Il vero vantaggio
4:04
Speaker 2: qui è il tempo per ottenere valore. Non devi aspettare
4:06
Speaker 2: mezzo anno per vedere se funziona. Ho visto piccoli team
4:09
Speaker 2: IT lanciare bot di assistenza in meno di due settimane
4:11
Speaker 2: mappando semplicemente le pagine SharePoint esistenti in flussi conversazionali. I
4:15
Speaker 2: connettori hanno fatto il lavoro vero e proprio. Il team
4:17
Speaker 2: ha solo indirizzato il bot verso il contenuto corretto. E
4:20
Speaker 2: gli utenti finali? O non se ne sono accorti o
4:22
Speaker 2: non importava loro che dall'altra parte non ci fossero persone?
4:25
Speaker 2: Un enorme complimento se avete mai avuto a che fare
4:26
Speaker 2: con i tempi di risposta dell'IT. Ha superato il test iniziale,
4:29
Speaker 2: ma a velocità comporta dei compromessi. Studio nasconde intenzionalmente la
4:33
Speaker 2: maggior parte delle impostazioni avanzate. Non si ha accesso a
4:35
Speaker 2: cursori di temperatura, modifiche topi, versionamento dei prompt o filtri
4:37
Speaker 2: di valutazione. In parole povere, non puoi controllare la creatività,
4:42
Speaker 2: non puoi fare testa B sui prompt, non puoi bloccare
4:44
Speaker 2: i guardrei per evitare derive nel tempo. Microsoft l'ha fatto apposta,
4:49
Speaker 2: mantenere lo code significa eliminare la complessità. Tuttavia, per chi
4:52
Speaker 2: è abituato a chiamare direttamente le api, è un po'
4:54
Speaker 2: come guidare un'auto con il cofano saldato dal produttore. Arriverai
4:59
Speaker 2: dal punto A al punto B ma non chiedere di
5:00
Speaker 2: modifica al motore. Ora Microsoft l'ha potenziato con un cervello
5:04
Speaker 2: migliore sotto il cofano. I recenti aggiornamenti hanno introdotto GPT- 5
5:07
Speaker 2: in Copilot Studio insieme a un routing intelligente dei modelli
5:10
Speaker 2: che permette alla piattaforma di passare automaticamente da un ragionamento
5:12
Speaker 2: rapido a uno più approfondito in base alla domanda. Di
5:15
Speaker 2: base è un'ottima notizia. DotLocode sembra subito più intelligente senza
5:19
Speaker 2: alcuna configurazione. Ma anche con GPT- 5 all'interno non puoi ancora
5:22
Speaker 2: toccare quei parametri. È una scelta progettuale. Renderlo accessibile e
5:26
Speaker 2: non regolabile. Ecco la metafora che mi piace. Copilot Studio
5:29
Speaker 2: come un mobile Ikea. Segui le istruzioni di montaggio e
5:32
Speaker 2: ottieni qualcosa che sembra a posto e funziona bene. È
5:36
Speaker 2: geniale per il prezzo e facile da assemblare, ma spostalo
5:38
Speaker 2: una volta o prova a farlo crescere oltre il prototipo
5:41
Speaker 2: e le crepe appaiono subito. Le viti traballano, i pannelli
5:44
Speaker 2: si piegano e all'improvviso ti ritrovi con un chatbot che
5:46
Speaker 2: tutti usano ma che nessuno osa aggiornare. Da detto a
5:49
Speaker 2: merito di Microsoft hanno aggiunto dei guardrail anche a questo livello.
5:52
Speaker 2: Il badge di fonte autorevole è un salvavita perché senza
5:55
Speaker 2: di esso ogni risposta sembra legittima per il dipendente medio.
5:59
Speaker 2: Quella Facu su SharePoint scritta nel 2009 ha lo stesso
6:01
Speaker 2: peso del manuale ufficiale delle risorse umane aggiornato stamattina. Con
6:05
Speaker 2: il tag di autorevolezza integrato puoi almeno mostrare che proviene
6:07
Speaker 2: dalle risorse umane, ignorando il resto. Microsoft Digital ha puntato
6:10
Speaker 2: molto su questo nei propri bot HR e IT, perché
6:12
Speaker 2: senza i dipendenti prendevano le risposte creative del modello, come
6:16
Speaker 2: ho raccolato, inondando poi i veri helpdesk di ticket di verifica.
6:20
Speaker 2: I limiti diventano evidenti quando esci dal mondo Microsoft. Sì,
6:24
Speaker 2: ci sono più di mille connettori, ma non sono tutti miracoli.
6:26
Speaker 2: Plug and play? Vuoi collegarti a Salesforce o SuccessFactors? È fattibile,
6:30
Speaker 2: ma non fluido. Microsoft stessa ha dovuto estendere e potenziare
6:33
Speaker 2: i propri connettori ServiceNow e SuccessFactors durante i rollout interni
6:37
Speaker 2: con estensioni dei metadati e personalizzazioni delle API poiché i
6:39
Speaker 2: connettori standard non erano pronti per l'azienda, poiché connotti per l'azienda.
6:43
Speaker 2: È lì che subentra quella sensazione dei drawli con le
6:45
Speaker 2: due di notte che ripara tutto quel nastro adesivo. Pensi
6:47
Speaker 2: di aver chiuso una falla? E ne trovi altre tre
6:49
Speaker 2: che perdono? Senza un controllo profondo della pipeline, le patch
6:52
Speaker 2: sembrano spesso soluzioni improvvisabili. Il che ci porta a una
6:55
Speaker 2: via verità. Studio è perfetto per i casi d'uso più semplici.
6:58
Speaker 2: Bot interni per i THR... FAQ per i team, Q
7:01
Speaker 2: & B per gli ospiti o qualsiasi cosa vogliate far
7:03
Speaker 2: girare in Teams Outlook col minimo sforzo, è lì che
7:05
Speaker 2: dà il meglio. È un ottimo banco di prova per
7:07
Speaker 2: mostrare rapidamente la dirigenza a un bot funzionante e mantenerne l'interesse.
7:11
Speaker 2: Ma non scambiatelo per una piattaforma enterprise. Quando la conversazione
7:14
Speaker 2: si sposta su verifica di conformità, orchestrazione multisistema o governance
7:17
Speaker 2: a livello di tenant, studio inizia a cedere. E la
7:19
Speaker 2: stessa velocità che ha impressionato tutto il primo giorno diventa
7:22
Speaker 2: un problema quando senti parlare di revisioni di sicurezza o
7:24
Speaker 2: audit trail, beh. In sintesi, Copilot Studio ti fa entrare
7:28
Speaker 2: in gioco più velocemente di qualsiasi altra opzione, ma pedali
7:30
Speaker 2: con le rotelle. È voluto. Microsoft l'ha creato per rendere
7:34
Speaker 2: l'IA accessibile agli utenti business e per accelerare i progetti pilota.
7:37
Speaker 2: Ma se la vostra roadmap tocca settori regolamentati, data lake
7:39
Speaker 2: privati o conformità cross- platform, avrete presto bisogno di qualcosa di
7:43
Speaker 2: più solido. E questo ci porta all'altro lato dello spettro,
7:46
Speaker 2: l'opzione pesante costruita non per gli hobbyisti, ma per le
7:49
Speaker 2: aziende che necessitano di un controllo totale. Azure AI Foundry,
7:53
Speaker 2: la fabbrica dell'IA aziendale, Azure AI Foundry è dove si
7:57
Speaker 2: tolgono le rotelle. Pensatemi a un progetto del weekend per
7:59
Speaker 2: una linea di produzione industriale. Se studi un mobile dell'IKEA,
8:02
Speaker 2: Foundry è l'officina meccanica dove non ti limiti a montare
8:05
Speaker 2: il tavolo, ma fondi tu stesso i bulloni. È un
8:08
Speaker 2: ambiente code- first senza compromessi che espone un catalogo modelli vastissimo.
8:13
Speaker 2: Oltre 11.000 modelli che coprono la famiglia GPT- 5, pesi open source,
8:16
Speaker 2: oltre a motori per visione e audio. Potete attingere da
8:20
Speaker 2: grandi nomi come Mr. Aquare, Meta, Hugging Face e Nvidia. È
8:24
Speaker 2: un buffet, ma invece di trascinare blocchi, collegate tutto a
8:26
Speaker 2: pipeline di dati e livelli di governance mentre borbottate davanti
8:29
Speaker 2: ai file YAML. Foundry non fa alcuno sforzo per nascondere
8:32
Speaker 2: a chi si rivolge. Da per scontato che parliate Python,
8:34
Speaker 2: viviate su GitHub e non andiate nel panico quando qualcuno
8:37
Speaker 2: dice pipeline CI e CCD. Ottenete il controllo completo dell'intero
8:40
Speaker 2: ciclo di... Scegliete i modelli, perfezionateli, testate i prompt e
8:43
Speaker 2: promuoveteli attraverso sviluppo, testo, sviluppo, testo e produzione con un
8:45
Speaker 2: vero MLOPS. In parole polvere, finalmente smettete di riparare flussi
8:49
Speaker 2: con nastro adesivo e potete costruire un vero processo di
8:51
Speaker 2: rilascio con Auditing, Rollback e tutto il resto. Il controllo
8:53
Speaker 2: ha un costo in termini di tempo competente. Non stiamo
8:55
Speaker 2: parlando di assemblare un chatbot in un lungo weekend. Foundry
8:58
Speaker 2: ti costringe ad analizzare ogni livello dell'infrastruttura. Vantaggio. Precisione assoluta.
9:02
Speaker 2: Ogni parametro è esposto. Puoi azzerare la creatività, limitare i
9:06
Speaker 2: token e misurare i tassi di allucinazione come in testi laboratorio,
9:09
Speaker 2: non in demo casuali. Non in demo casuali. Quando la
9:12
Speaker 2: governance chiama e sai che lo farà, non dovrai giustificarti
9:14
Speaker 2: a parole. Hai a disposizione log di audit, report di
9:16
Speaker 2: valutazione e output spiegabili. Ecco una lista rapida per far
9:19
Speaker 2: capire bene. Cosa ti offre Foundry? Scelta del modello e
9:23
Speaker 2: fine tuning, grounding sui tuoi data lake, ML Ops con
9:25
Speaker 2: pipeline dedicate, CICD per il deployment, telemetria completa e audit trail.
9:30
Speaker 2: È ciò che impedisce al team di compliance di starti
9:32
Speaker 2: colpiato sul collo, lasciando comunque ai tuoi sviluppatori spazio per innovare.
9:35
Speaker 2: Ed è questo il punto di svolta. Scegli Foundry quando
9:38
Speaker 2: il tuo bot gestisce dati sensibili, quando serve spiegabilità o
9:40
Speaker 2: quando deve integrarsi tra molteplici sistemi aziendali. Se la sovranità
9:44
Speaker 2: e la fiducia contano, questa è la piattaforma giusta. Ho
9:46
Speaker 2: visto Foundry risolvere casi che Studio non avrebbe potuto gestire.
9:49
Speaker 2: Un cliente doveva esporre documenti di ricerca sensibili tracciando esattamente
9:53
Speaker 2: quale dipendente vedesse cosa fino al singolo paragone. In Foundry
9:55
Speaker 2: abbiamo indicizzato il data lake privato collegato a GeoCognitiveSearch e
9:59
Speaker 2: registrato ogni query associando l'identità utente all'ID documento. La compliance
10:03
Speaker 2: non si è limitata ad approvare, a sorriso, perché finalmente
10:06
Speaker 2: aveva una visibilità che superava l'audit nero su bianco. Buona
10:08
Speaker 2: fortuna a provare una cosa simile con i connettori standard
10:10
Speaker 2: di studio. Per usare una metafora, Foundry è come noleggiare
10:13
Speaker 2: un garage di Formula 1. Ogni macchina, ogni sensore, ogni
10:15
Speaker 2: pezzo è incluso. Ma è quel punto, ti serve un
10:18
Speaker 2: team iBox capace di gestirlo. Non ti limiti ad avviare
10:21
Speaker 2: un sistema, devi orchestrare i motori, gestire la telemetria e
10:24
Speaker 2: ottimizzare le build per le prestazioni sull'aga scala. Se ci
10:26
Speaker 2: riesci superi la concorrenza a pieni voti. Se sbagli resterei
10:29
Speaker 2: accanto a una cassetta degli attrezzi da un milione di
10:31
Speaker 2: dollari con l'auto ancora sui blocchi. Il vero vantaggio è l'orchestrazione.
10:34
Speaker 2: Foundry non serve solo a inviare prompt a un modello,
10:36
Speaker 2: ma a unire agenti, AI, ricerche e livelli di valutazione
10:38
Speaker 2: in un unico flusso gestito. Puoi richiamare endpoint REST durante
10:42
Speaker 2: la conversazione, basarsi su fonti strutturate e non, e gestire
10:45
Speaker 2: l'intero ciclo di vita con l'integrazione continua. Questa flessibilità è
10:49
Speaker 2: il motivo per cui settori come manifatturiero, finanza e sanità
10:52
Speaker 2: considerano Foundry l'opzione seria. L'opzione seria. Non è vincolato esclusivamente
10:55
Speaker 2: ai connettori Microsoft. È costruito per il caotico ecosistema multisistema
10:59
Speaker 2: che ci fingono sia solo una rapida integrazione. Il comune
11:02
Speaker 2: modello di adozione lo conferma. La maggior parte delle aziende
11:04
Speaker 2: inizia da qui. Sperimentano con Studio perché offre subito un
11:07
Speaker 2: pilota cattivante. Poi qualcuno del reparto rischio o conformità chiede
11:10
Speaker 2: della tracciabilità dei dati e all'improvviso il team cerca disperatamente
11:13
Speaker 2: un'auditabilità che Studio non aveva mai promesso. È a quel
11:16
Speaker 2: punto che il progetto passa a Foundry. O si migra
11:18
Speaker 2: o si chiude tutto. Quindi sì, Foundry è la soluzione
11:20
Speaker 2: più impegnativa, più lenta da avviare, con una curva di
11:23
Speaker 2: apprendimento ripida e costi maggiori in tempo e competenze. Ma
11:25
Speaker 2: ottieni ogni manopola e ogni protezione che studio nasconde. E
11:28
Speaker 2: non sei costretto a scegliere una di scapito dell'altra. Microsoft
11:31
Speaker 2: stessa promuove un modello ibrido, studio come interfaccia semplice in
11:35
Speaker 2: primo piano, Foundry come motore sotto il cofano, collegati del
11:38
Speaker 2: prossimo Microsoft 365 Agent SDK. In questo modo ottieni velocità
11:42
Speaker 2: dove serve e controllo dove conta. Ciò solleva la vera domanda,
11:45
Speaker 2: se hai entrambi gli strumenti a disposizione, come decidi quale
11:48
Speaker 2: usare senza cadere in dibattiti infiniti? Ecco perché serve un
11:52
Speaker 2: framework semplice per concentrarsi meno sulla paralisi d'analisi e più
11:54
Speaker 2: sul raggiungimento dei risultati. Il framework a tre livelli, esplorazione,
11:58
Speaker 2: scalabilità e governance. Il modo più semplice per fare ordine
12:02
Speaker 2: nel dibattito studio contro Foundry è smettere di considerarlo una
12:04
Speaker 2: scelta binaria. Gli addetti ai lavori di Microsoft la inquadrano
12:07
Speaker 2: già come un ciclo di idee a tre livelli. Esplorazione,
12:09
Speaker 2: scalabilità e governance. Non pensarlo come scegli uno strumento e
12:13
Speaker 2: spera ma come una progressione in cui ogni livello ti
12:16
Speaker 2: dice quando passare al successivo non se. L'esplorazione è sempre
12:19
Speaker 2: il punto di partenza e Coppello Studio domina questo spazio.
12:22
Speaker 2: È il livello in cui crei rapidamente dei bot per
12:24
Speaker 2: capire se un'idea ha un reale valore aziendale. Bot per
12:27
Speaker 2: le facu delle risorse umane o per il reset delle
12:28
Speaker 2: password di tipo e lanciarli in meno di due settimane
12:30
Speaker 2: con connettori senza scrivere codice. Punto non è la perfezione
12:33
Speaker 2: ma la prova. Stai validando se la soluzione risolve problemi
12:36
Speaker 2: reali senza prosciugare il budget del progetto. La checklist di
12:38
Speaker 2: ricerca dei dati è semplice. Identifica i tuoi tre casi
12:42
Speaker 2: d'uso principali, prototipali in studio in due settimane e misura
12:45
Speaker 2: se le persone usano davvero il bot. Suggerimento extra, tieni
12:48
Speaker 2: traccia del consumo di token per individuare eventuali costi fuori
12:50
Speaker 2: controllo del progetto pilota prima di scalare. Ma ecco che
12:53
Speaker 2: appare il primo segnale di migrazione. Se un bot deve
12:56
Speaker 2: improvvisamente interfacciarsi con sistemi esterni a M365 come ARP, SAP
12:59
Speaker 2: o database finanziari, studio da solo non basta. Secondo segnale
13:03
Speaker 2: di migrazione, se le allucinazioni non sono solo divertenti ma rischiose,
13:06
Speaker 2: come rispondere alla domanda di conformità con policy inventate a
13:08
Speaker 2: tempo di scalare. La scalabilità è dove la maggior parte
13:11
Speaker 2: dei team avverte la pressione. Ti rendi conto che il
13:13
Speaker 2: pilota è utile, ma ora necessita di una vera infrastruttura.
13:16
Speaker 2: Immagina di provare a collegare il tuo bot Chiara ServiceNow
13:18
Speaker 2: usando connettori low- code. È praticamente come guidare un'auto tenuta insieme
13:22
Speaker 2: dal veicolo. È qui che entra in gioco Azure AI Foundry.
13:25
Speaker 2: Foundry ti offre ciò che studio nasconde. Controlli sulla creatività,
13:28
Speaker 2: filtri di valutazione per le allucinazioni, connettori per data lake
13:32
Speaker 2: e pipeline robuste. Il compromesso è che servono le competenze
13:34
Speaker 2: e la pazienza per configurare il La maggior parte delle
13:38
Speaker 2: aziende adotta un approccio ibrido, mantengono la rapidità di studio
13:41
Speaker 2: per FAQ e flussi leggeri, ma spostano i carichi critici
13:43
Speaker 2: su Foundry dove sicurezza e precisione contano. E poi a
13:46
Speaker 2: livello cruciale, governare. A questo stadio l'IA non è più
13:49
Speaker 2: un gioco, è integrata in flussi di lavoro sensibili o
13:52
Speaker 2: persino in sistemi rivolti ai clienti. Se entrano in gioco audit,
13:55
Speaker 2: SLA o controlli regionali sui dati, Foundry non è più facoltativo.
13:58
Speaker 2: Questo è il terzo fattore di migrazione. Quando si parla
14:01
Speaker 2: di sovranità, spiegabilità o log di accesso a livello di record,
14:04
Speaker 2: non hai altra scelta che ancorare il progetto a Foundry,
14:08
Speaker 2: Foundry ti tutela con audit trail, telemetria, gating delle pipeline
14:11
Speaker 2: e una governance dei dati per cui i connettori di
14:13
Speaker 2: Microsoft tragettati non sono stati progettati. A questo stadio studio
14:16
Speaker 2: non è semplicemente preso in considerazione. Ecco una semplice analogia.
14:19
Speaker 2: Esplorare è come sfrecciare in un parcheggio vuoto per vedere
14:21
Speaker 2: se l'auto funziona. Scalare significa mettersi in autostrada tra altri
14:25
Speaker 2: guidatori dove gli errori fanno davvero male. Governare è la
14:28
Speaker 2: revisione tecnica. Ogni sensore è collegato per provare che l'auto
14:30
Speaker 2: sia effettivamente sicura per la strada. Tre fasi, ognuna con
14:33
Speaker 2: il suo scopo. Nessuna è facoltativa se vuoi che il
14:35
Speaker 2: risultato finale sopravviva fuori da una demo. Come prova che
14:38
Speaker 2: questo modello funziona, basta guardare i playbook interni di Microsoft.
14:41
Speaker 2: Il loro team HR ha creato bot di base in
14:43
Speaker 2: studio per gestire le facque e snellire le code di ticket,
14:46
Speaker 2: ma quando gli stessi bot hanno iniziato ad accedere a
14:48
Speaker 2: file HR sensibili e regionali, la compliance ha dato l'allarme.
14:51
Speaker 2: Ciò ha imposto la migrazione su Foundry per integrare controlli
14:53
Speaker 2: di accesso più severi, garantire i log di audit e
14:55
Speaker 2: assicurare che i dati fossero partizionati correttamente. Nel suo fallimento,
14:59
Speaker 2: l'ambito è semplicemente cresciuto oltre ciò che studio era progettato
15:01
Speaker 2: per gestire. Un altro aspetto da sottolineare è il ponte
15:02
Speaker 2: che Microsoft sta costruendo. Il prossimo Microsoft 365 Agents SDK
15:07
Speaker 2: punta a collegare studio e foundry più strettamente così puoi
15:09
Speaker 2: iniziare in modo leggero senza temere di rimanere bloccato. Costruisci
15:13
Speaker 2: il prototipo in studio e stendilo con la routine dei modelli,
15:15
Speaker 2: connettori e lab, governance e foundry, il tutto in un
15:18
Speaker 2: unico ciclo di vita. È un raro momento in cui
15:20
Speaker 2: Microsoft ammette che utenti business e sviluppatori professionisti non sono
15:23
Speaker 2: nemici e offrono una pipeline in cui collaborano davvero. Quindi
15:26
Speaker 2: quella è la conclusione. Non ossessionarti su quale strumento scegliere
15:29
Speaker 2: il primo giorno. Concentrati piuttosto sul livello in cui ti trovi.
15:32
Speaker 2: Esplora con Icon Studio per validare velocemente. Scala su Foundry
15:35
Speaker 2: quando entra in gioco la complessità o dati non M365.
15:39
Speaker 2: Governa interamente su Foundry per conformità o aditte flussi di
15:41
Speaker 2: lavoro di livello enterprise. Il framework ti impedisce di sovradimensionare
15:44
Speaker 2: il primo bot per le facque e di sottodimensionare quelli
15:46
Speaker 2: destinati ai sistemi rivolti ai clienti. Naturalmente nulla di tutto
15:50
Speaker 2: ciò significa che le piattaforme siano perfette. I framework sembrano
15:52
Speaker 2: curati su PowerPoint, ma la realtà è che ogni livello
15:54
Speaker 2: presenta anche i propri punti ciechi. Ed è qui che
15:56
Speaker 2: solitamente iniziano i grattacapi, le parti che il marketing di
15:58
Speaker 2: Microsoft non evidenzia esattamente in grassetto nelle slide di Ignite
16:01
Speaker 2: e le insidie nascoste che Microsoft sorvola, and Parliamo di
16:05
Speaker 2: ciò che Microsoft non mette in risalto finché non sei
16:07
Speaker 2: già nel pieno del lancio, le insidie nascoste. Sul palco
16:10
Speaker 2: delle demo tutto appare brillante. Trascini, rilasci e voilà, con
16:13
Speaker 2: Co- Pilot istantaneo. Ma in produzione tra le lacune ricorrenti colgono
16:16
Speaker 2: i team di sorpresa. Prima insidia, Co- Pilot Studio nasconde tutti
16:20
Speaker 2: i comandi di controllo del modello. Nessuna impostazione di temperatura,
16:23
Speaker 2: nessun cursore top e b, nessuna negativa valutazione, nessuna gestione
16:25
Speaker 2: dei versioni di parola. La maggior parte degli informatici che
16:27
Speaker 2: costruiscono un bot pilota per le facce sembrano dettagli trascurabili.
16:31
Speaker 2: ma quelle leve decidono se il tuo agente fornisce risultati
16:33
Speaker 2: coerenti o si comporta come se pescasse fortuna da un
16:35
Speaker 2: distributore automatico. Senza quei comandi non puoi ridurre la casualità
16:39
Speaker 2: né garantire la spiegabilità. Rimedio, se l'affidabilità conta, sposta quei
16:42
Speaker 2: carichi di lavoro critici su Foundry. Lì puoi impostare la
16:45
Speaker 2: temperatura a zero per la coerenza, bloccare i prompt e
16:47
Speaker 2: far passare ogni output attraverso un gate di valutazione prima
16:50
Speaker 2: che raggiunga gli utenti. Studio va bene per facque leggere,
16:53
Speaker 2: ma non illuderti che si adatti facilmente a flussi di
16:55
Speaker 2: lavoro HR o di conformità, o di conformità. Secondo Insidia,
16:59
Speaker 2: sia Studio che Foundry utilizzano prezzi basati sul consumo, ed
17:02
Speaker 2: è qui che molti progetti perdono budget silenziosamente. Paghi per
17:06
Speaker 2: ciò che usi, sembra indolore finché non elabori migliaia di
17:08
Speaker 2: query e ti rendi conto che l'uso dei token in
17:10
Speaker 2: mix di modelli determina il tuo conto. In Studio, l'aumento
17:13
Speaker 2: dei costi tende a sorprendere i team quando l'utilizzo aumenta
17:15
Speaker 2: e non hanno previsto budget per la governance o le
17:17
Speaker 2: licenze oltre alla spesa per i token. Foundry ti costringe
17:20
Speaker 2: ad avvertire quel dolore prima perché stai allocando ore di
17:22
Speaker 2: sviluppo ma almeno le spese di scala sono visibili. Implementa
17:27
Speaker 2: metriche di utilizzo fino al primo giorno. Monitorare il consumo
17:29
Speaker 2: di token, indirizzare query ad alto volume o leggere verso
17:31
Speaker 2: modelli più economici nel catalogo. E, cosa più importante, non
17:34
Speaker 2: dimenticare le parti nascoste del conto, licenze e strumenti di
17:37
Speaker 2: governance con lettori personalizzati. Tutto ciò influisce sul ROI una
17:39
Speaker 2: volta che progetti la scalabilità. Pianifica il budget in anticipo
17:42
Speaker 2: invece di dover giustificare gli sforamenti. Terza insidia, i connettori. Sì,
17:46
Speaker 2: Studio sbandiera più di mille connettori, ma ciò non significa
17:49
Speaker 2: che siano pronti per l'impresa fin da subito. Alcuni vanno
17:53
Speaker 2: bene per i prototipi come SharePoint, OneDrive o Dynamics, ma
17:56
Speaker 2: altri spesso necessitano di modifiche ai metadati o di ingegneria personalizzata.
17:59
Speaker 2: Il lancio stesso di Microsoft Digital lo ha dimostrato. Il
18:01
Speaker 2: loro team ha esteso i connettori di ServiceNow e SuccessFactors
18:04
Speaker 2: aggiungendo un badge di fonte autorevole, così che gli utenti
18:07
Speaker 2: potessero distinguere le policy iCare ufficiali da tutto ciò che
18:09
Speaker 2: marciva in una vecchia wiki. Funzionato, ma solo perché gli
18:12
Speaker 2: ingegneri si sono rimboccati le mani. Il rimedio qui è
18:14
Speaker 2: dare per scontato che servirà del lavoro di ottimizzazione. Non
18:16
Speaker 2: trattate i connettori di studio come soluzioni plug and play
18:18
Speaker 2: per sistemi clean. Pianificate tempo e risorse per estenderli o
18:22
Speaker 2: spostate il carico di lavoro su Foundry dove API e
18:24
Speaker 2: pipeline personalizzate sono elementi di primo piano. In parole povere,
18:27
Speaker 2: i rischi reali non sono nelle demo appariscenti, ma nella scalabilità.
18:30
Speaker 2: Studio nasconde i controlli che vi serviranno in seguito, i
18:32
Speaker 2: modelli di prezzo possono sorprendervi presto, i connettori che sembrano
18:35
Speaker 2: validi nella procedura guidata spesso richiedono cablaggi più profondi per l'azienda.
18:39
Speaker 2: Se ne di questo insidia, un ostacolo insormontabile se li
18:41
Speaker 2: pianificate in edificio. La semplicità di studio è ottima per
18:44
Speaker 2: prototipazione e scenari leggeri e la profondità di Foundry copre
18:47
Speaker 2: conformità e governance, ma dovete riconoscere dove si c'erano le
18:50
Speaker 2: spigolosità e decidere se sistemarle voi o segnalarle prima che
18:53
Speaker 2: si rompano davanti agli utenti. Quindi ecco il consiglio pragmatico,
18:56
Speaker 2: verificate l'utilizzo in anticipo, proteggete i flussi sensibili con la
18:59
Speaker 2: piattaforma giusta e prevedete un budget non solo per le
19:00
Speaker 2: licenze ma anche per la governance e lavoro sui connettori.
19:03
Speaker 2: Studio vi offre velocità, Foundry vi offre controllo. Le difficoltà
19:06
Speaker 2: arrivano da angolazioni diverse a seconda di ciò che trascorrete.
19:09
Speaker 2: E con questa prospettiva siamo pronti a fare un passo
19:11
Speaker 2: indietro e arrivare alla domanda essenziale come dare un senso
19:13
Speaker 2: a entrambi senza complicarsi troppo la scelta. Scegliete con cura
19:17
Speaker 2: il vostro approccio, ma ecco la versione breve. Studio è
19:19
Speaker 2: per prototipi rapidi e la portata di Microsoft 365. Perfetto
19:23
Speaker 2: quando vi serve solo la prova che un bot faccia risparmiare.
19:25
Speaker 2: Foundry è per controllo, modelli e governance. È dove ottimizzate
19:29
Speaker 2: il motore ed evitate che i team di conformità vi
19:31
Speaker 2: inseguano lungo i corridoi. E la strategia migliore è usarli insieme.
19:33
Speaker 2: Esplorate in studio, scalate in Foundry e gestite la governance
19:36
Speaker 2: di quando arrivano gli auditori. Iscrivetevi al canale M365 Show
19:40
Speaker 2: per i C- Cit e seguite la pagina LinkedIn di M365
19:42
Speaker 2: Show per le live con gli MVP che hanno già
19:44
Speaker 2: implementato tutto in produzione. Piano realistico? Iniziate in piccolo, misurate
19:48
Speaker 2: il rischio reale e il consumo di token e un'ultima
19:40
Speaker 2: cosa iscrivetevi al podcast e lasciatemi una recensione