Latest / M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano / IA aziendale con Power Platform e Azure OpenAI: architettura, sicurezza e governance oltre la demo del chatbot (Doppiaggio IA)

Transcript

IA aziendale con Power Platform e Azure OpenAI: architettura, sicurezza e governance oltre la demo del chatbot (Doppiaggio IA) · M365.FM – Podcast su Microsoft 365, Copilot e IA in italiano

0:00
Pronto per dieci giorni di Microsoft 365, Copilot, EA, Azure e le persone che stanno plasmando il futuro del lavoro.
0:07
Questo gennaio, M375 con ritorna e puntiamo ancora più in alto.
0:12
Unisciti a noi per sessioni da vivo, demo reali e conoscenze pratiche da MVP ed esperti del settore in tutto il mondo.
0:18
Niente slide generiche, nessun termine tecnico infinito.
0:22
Affrontiamo le sfide reali, Copilot Studio, agenti EA, Fabric, Sicurezza, Governance e Automazione.
0:28
Che tu sia un professionista IT, uno sviluppatore o un leader aziendale, ci sono sessioni pensate per te.
0:35
Con dieci giorni interi puoi esplorare molteplici tecnologie e connetterti con una community globale.
0:40
Guarda al vivo e porta intuizioni pratiche nella tua organizzazione.
0:45
Gennaio 2027, dieci giorni, un'unica community Microsoft.
0:49
Le iscrizioni sono aperte.
0:52
Prenota il tuo posto oggi.
0:54
Il sito è m365con.net
0:58
Iscriviti ora su m365con.net
1:02
Ci vediamo dal vivo a gennaio.
1:06
Ti sei mai chiesto perché così tante demo della Power Platform basate sull'IA si fermano ai chatbot e non sopravvivono in un flusso di lavoro aziendale reale?
1:12
Questo video mostra ciò che le altre non fanno, come collegare a Azure OpenAI, a Power Apps e Dynamics 365 con tutta la sicurezza, le prestazioni e la governance richieste dalle implementazioni professionali.
1:25
Se hai sempre desiderato meno magia e più concretezza, sei nel posto giusto.
1:28
Oltre il connettore, l'anatomia reale dell'IA nella Power Platform inizia sempre.
1:33
Allo stesso modo, iniziamo.
1:36
Gli utenti aziendali vedono una demo accattivante, magari un chatbot di vendita che risponde in pochi secondi,
1:40
o un'app di assistenza clienti che smista i ticket come per magia.
1:44
E pensano, fantastico, inseriamolo subito in Power Apps.
1:46
Il connettore è lì, i schermi si illuminano e la gente inizia a immaginare l'IA che sbriga il lavoro più noioso.
1:52
Ma la realtà si presenta in fretta.
1:54
Il connettore funziona.
1:55
Per due persone non è demo.
1:56
E poi, proprio quando pensi di costruire la prossima grande novità, emergono problemi di prestazioni,
2:01
i chatbot iniziano a blaterare assurdità o dati sensibili dei clienti trapelano accidentalmente.
2:06
Che la maggior parte delle integrazioni IA si blocca.
2:08
La colpa è del mito, secondo cui aggiungere l'IA alla Power Platform significhi solo cliccare sul più, aggiungere un connettore e collegarlo ad Azure OpenAI.
2:15
Questa mentalità persiste perché sulla carta questi strumenti sembrano quasi troppo facili.
2:20
Magari fosse quella la parte difficile.
2:21
Quindi, cosa c'è davvero sotto il cofano quando vuoi qualcosa di più di un semplice progetto giocato?
2:25
Capire dove avviene davvero la magia dell'IA fa la differenza tra un'ottima demo e un processo aziendale realmente potenziato.
2:30
Ora, in quasi ogni configurazione IA serie della Power Platform ci sono quattro attori.
2:35
Per primo, iPower Apps o Dynamics 365 con cui gli utenti finali interagiscono e che rappresentano il vero trigger per ogni richiesta IA.
2:43
Raccolgono dati, magari un messaggio di un cliente, il risultato di un sondaggio, una recensione, qualsiasi input su cui desideri intelligenza.
2:50
Ma le Power Apps non comunicano direttamente con Azure OpenAI.
2:53
È qui che entra in gioco Power Automate orchestrando l'intero processo.
2:56
Ogni volta che un utente preme un pulsante o invia un modulo, il flusso di Power Automate acquisisce i dati, li formatta correttamente e li invia a destinazione.
3:04
Al terzo posto c'è l'endpoint di Azure OpenAI.
3:06
Questo è il vero cervello, capace di fornire analisi del sentimento, repiloghi di testi o persino generare risposte ai clienti.
3:14
E, nascosto discretamente nello stack, troviamo Agile API Management colpevolmente trascurato finché qualcosa non si rompe.
3:21
Si occupa di sicurezza e trottling la differenza tra avere un flusso costante e intasare le tubature.
3:25
Analizziamo come questi pezzi del puzzle dipendono l'u dall'altro.
3:28
Prendiamo l'attivatore e l'istante in cui un utente in Dynamics 365 registra una chiamata di vendita, ad esempio.
3:33
Questa via un flusso di Power Automate.
3:36
Il flusso non si limita a spostare dati da A-B, può ripulire il testo, unire contesti da altre fonti o mascherare campi per la privacy prima che la richiesta voli verso Azure OpenAI.
3:47
Quel percorso è fondamentale.
3:49
Se il flusso è lento perché un'altra automazione sta consumando risorse, vedrai accumularsi latenza nella tua app.
3:55
Se Power Automate non prepara correttamente il payload, ad esempio se una recensione manca di contesto o arriva con un formato strano, l'endpoint OpenAI restituirà risultati bizzarri o, peggio, allucinerà le risposte.
4:08
Quindi non c'è vera intelligenza se i collegamenti a monte sono disordinati.
4:11
La situazione diventa ancora più interessante e con neggiore API Management nel mix.
4:15
Mentre tutti sono entusiasti dell'intelligenza artificiale, in pochi pensano a chi dovrebbe avere accesso e con quale frequenza, API Management fange da bilanciatore l'ingresso.
4:24
Controlla ogni richiesta, applica l'autenticazione e assicura che l'utilizzo non diventi incontrollato.
4:29
Se non imposti policy di throttling, un'app difettosa può eseguire migliaia di richieste all'ora,
4:32
sommergendo improvvisamente la tua istanza OpenAI o, altrettanto piacevolmente, facendogli evitare alle stelle il conto Azure.
4:40
Inoltre registra chi ha fatto cose, che significa che quando qualcosa si rompe o qualcuno prende scorciatoie, hai un audit trail da seguire.
4:47
Le demo non mostrano mai veramente questi.
4:49
In quei brevi walkthrough tutto è ottimizzato, per una manciata di utenti e condizioni di rete quasi perfette.
4:56
Ma in un'azienda reale hai SLA concreti, problemi di privacy dei dati e soglie di performance che non possono essere ignorate.
5:02
Ad esempio, supponiamo di lanciare una power-up per il feedback sulle vendite con analisi del sentimento integrata.
5:07
Con soli 10 utenti il flusso funziona a meraviglia e ottieni risultati utili in meno di un secondo.
5:11
Ma il giorno in cui quel numero sale a 10.000, magari dopo una campagna email o una fusione,
5:16
inizia a vedere tempi di attesa di 30 secondi o errori perché il tuo endpoint non riesce a gestire le richieste?
5:21
Peggio ancora, potresti scoprire che metà dei dati di feedback non viene elaborata perché la dimensione del carico ha superato i limiti di Azure
5:28
o le policy di sicurezza su API Management non sono mai state rafforzate.
5:32
Ora, invece di aiutare le vendite, la tua pipeline AI le blocca e le blocca e le blocca e l'helpdesk non è affatto entusiasmo.
5:38
Questo è il campagna d'allarme.
5:39
Collegare un connettore non è altro che l'invito alla festa dell'architettura.
5:44
Il vero evento è capire come interagisce ogni livello e quanto diventano fragili le cose quando provi a scalare.
5:52
Sapere come le power-ups avviano le orchestrazioni, come i flussi elaborano e proteggono i dati,
5:56
come gli endpoint AI li interpretano e come API Management agisce da protezione
6:00
è ciò che separa un bot bloccato in una sandbox da una soluzione pronta per l'azienda.
6:05
Se conosci solo il connettore, stai sempre scommettendo su stabilità e sicurezza.
6:09
Chiunque può trascinare una nuova demo AI in power-ups.
6:14
Costruire qualcosa che sopravviva al contatto con utenti e dati reali significa
6:17
scavare nei dettagli, non limitarsi ai connettori, non limitarsi ai connettori.
6:21
Quindi quando la richiesta passa dal fai ripetere questo testo al risolvi davvero il mio problema aziendale,
6:25
l'intelligenza deve diventare molto più intelligente.
6:28
Ecco come si collegano i cervelli per ottenere un impatto sul business.
6:31
Ottimizzare l'AI per il business, sentiment, riassunti e altro ancora.
6:36
Se hai mai giocarellato con Azure Open AI in power platform, probabilmente avrai notato qualcosa di strano.
6:41
Un solo endpoint può rilevare un sentiment negativo in una frase,
6:44
riassumere un'intera catena di email o bozzare una nuova descrizione prodotto,
6:49
a volte nello stesso giorno tutto con la stessa scatola AI.
6:53
Ma non è magia, c'è un motivo per cui molti progetti si bloccano
6:56
nel momento in cui provi a fare qualcosa di veramente utile.
6:58
Spesso la gente pensa che basta cambiare il prompt e chiudere la questione.
7:02
La realtà.
7:04
Ogni caso d'uso aziendale richiede un approccio diverso
7:06
ed è qui che quella fantasia plug and play crolla.
7:09
Parliamo della differenza tra analisi del sentiment e generazione di testo.
7:13
Diciamo che vuoi che la tua app Dynamics 365 segnali reclami dei clienti.
7:17
L'analisi del sentiment è l'ovvio primo caso d'uso,
7:19
input brevi, risposte rapide, costi bassi e quasi nessun contesto da tracciare.
7:24
E questo funziona perché Power Automate deve solo passare i dati più basilari
7:29
all'endpoint OpenAI.
7:30
Una frase o due, insieme al prompt corretto che dice al modello cosa cercare.
7:35
Puoi elaborare decine di record senza il rischio concreto
7:37
che il modello sfuga il controllo o esaurisca il tuo budget.
7:41
Questi flussi sono facili da gestire e semplici da limitare
7:43
e non hanno quasi mai bisogno di essere riscritti.
7:45
Ora passiamo alla generazione di repiloghi che inizia già a mettere a dura prova il sistema.
7:48
Se la tua Power App consente ai manager di incollare note dettagliate delle riunioni
7:53
e ottenere riassunti coerenti in pochi secondi,
7:56
il prompt inviato a OpenAI deve essere preciso e avere il tono giusto.
8:00
Anche in quel caso non tutti i riepiloghi sono uguali.
8:04
Se il carico è troppo grande o il testo sorgente è troppo poco strutturato,
8:07
il modello può perdere la coerenza e iniziare a parafrasare invece di riassumere
8:11
o addirittura inventare dettagli mai accaduti.
8:15
Tutto questo dipende dalla configurazione.
8:16
Power Automate deve formattare l'input, eliminare firme, rimuovere formattazioni
8:20
e magari suddividere il documento se è troppo lungo.
8:23
E tutto questo accade prima ancora che l'inazione.
8:25
Ma la situazione si complica davvero con la generazione di testo completo
8:28
o la classificazione su larga scala.
8:30
Supponiamo che il tuo team di vendita voglia risposte email personalizzate al momento
8:33
o che il supporto voglia categorizzare.
8:35
Ogni ticket in base al tipo di problema.
8:38
Molti non si rendono conto che seguire questi flussi basati su IASU migliaia di input
8:42
non ha nulla a che vedere con l'ottimistica del mio iniziale.
8:44
Il flusso di Power Automate deve scorrere enormi set di dati.
8:48
L'endpoint di OpenAI viene inondato di richiesta e il throughput crolla improvvisamente
8:52
e il conto di Azure inizia a salire a volte così in fretta da richiedere l'intervento dell'amministrazione.
8:59
L'insidia principale è trattare questi processi di IA come se fossero intercambiabili.
9:02
L'analisi del sentiment può costare solo frazioni di centesimo per richiesta
9:07
ma la generazione di testi lunghi aumenta la complessità del modello
9:10
consuma centinaia di token e richiede più tempo per rispondere.
9:15
Aggiungi la necessità di istruzioni personalizzate
9:17
magari con tono, frasi diverse per clienti diversi
9:19
e ogni modifica richiede un'ingegneria dei prompt precisa.
9:23
Quando la gente sente l'espressione ingegneria dei prompt
9:25
pensa si tratti solo di scrivere istruzioni migliori
9:27
ma è più simile a regolare un algoritmo di ricerca.
9:28
Fai dei test, ottieni risultati bizzarri e riscrivi tu.
9:32
E ogni variazione che pubblichi influisce non solo sul risultato
9:34
ma anche sui tempi, sui costi e sul profilo di sicurezza del tuo flusso di lavoro.
9:39
Non si tratta di teoria.
9:40
Ci sono troppi esempi reali da poter ignorare?
9:43
Un'azienda una volta ha creato un flusso Power Platform
9:45
che utilizzava OpenAI per smistare i ticket del servizio clienti
9:48
e classificarli per sentiment e suggerire una risposta predefinita.
9:52
Sembra perfetto in fase di test.
9:54
I problemi sono iniziati quando il team ha esteso il flusso
9:56
a tutto il personale di supporto e l'endpoint ha iniziato a ricevere richieste
9:59
per ogni singolo ticket ogni minuto.
10:02
Modello era impostato per la generazione di testo generica
10:04
non solo per una semplice classificazione.
10:06
Quindi ha analizzato l'intera cronologia dei ticket
10:08
e ha scritto bozza di più paragrafi ogni singola volta.
10:11
I costi sono lievitati dall'oggi al domani
10:13
i flussi di lavoro si sono rallentati
10:14
e lì ha iniziato a inventare informazioni nei suoi suggerimenti.
10:18
Nessuno si è fermato a chiedere perché una semplice attività di triage
10:20
richiedesse un endpoint ottimizzato per la generazione di testo
10:23
anziché per una breve classificazione.
10:24
Ci sono volute ore di indagini
10:27
prima che qualcuno capisse che alcune impostazioni
10:29
in Power Automate e la configurazione dell'endpoint
10:31
avevano causato tutto il disastro.
10:33
Se vuoi un po' di controllo inizia impostando
10:35
quote di utilizzo sui flussi di Power Automate
10:37
e monitora sempre l'utilizzo di richieste token
10:40
tramite il portale Azure.
10:42
Per attività rapide come la classificazione
10:44
o l'analisi del sentiment
10:45
imposta flussi paralleli e usa il modello più piccolo
10:47
in grado di svolgere il lavoro.
10:50
Per la generazione di testi lunghi
10:51
limita il numero massimo di token
10:53
e riduci la frequenza con cui gli utenti
10:54
possono accedere a tali funzioni.
10:57
Controlla regolarmente i log.
10:59
Individua picchi o anomalie il prima possibile.
11:02
Se salti questi passaggi
11:03
la piattaforma te lo segnalerà
11:04
con una fattura salata o peggio
11:05
e gli utenti ne subiranno le conseguenze
11:07
con prestazioni dell'app lente.
11:09
Quindi la giusta configurazione dell'IA
11:10
non riguarda solo il far funzionare la soluzione.
11:13
Si tratta di mantenere l'attività in movimento,
11:15
i costi prevedibili e i risultati coerenti.
11:17
La configurazione sbagliata trasforma l'IA
11:20
da alleato responsabilità in tempi record.
11:22
Ora che hai integrato capacità di calcolo nelle tue app
11:24
devi capire chi può usarle
11:26
e come proteggere endpoint e dati su larga scala.
11:31
Proteggere il flusso
11:32
perché Agile API Management è il tuo scudo.
11:35
Si è notato molte demo dell'IA di Power Platform
11:38
ignorano la sicurezza
11:39
come se fosse solo una formalità da sbrigare alla fine.
11:41
Ma quando i progetti pilota passano dagli ambienti di test
11:45
alla produzione reale
11:46
emergono rapidamente nuovi rischi.
11:48
All'improvviso quell'endpoint OpenAI
11:49
non risponde più solo ai no qui prompt di test.
11:53
Diventa una potenziale finestra
11:54
su tutto ciò che la tua app espone.
11:56
Immagina un flusso di assistenza clienti
11:58
che convoglia silenziosamente i dati dei clienti
12:00
attraverso un API non protetta
12:01
o un chatbot alimentato da una chiave
12:04
lasciata in bella vista.
12:06
Alcuni passi falsi possono lasciare un'azienda esposta
12:08
ad accessi non autorizzati,
12:09
fughe di dati o flussi massicci di chiamate API.
12:11
da parte di malintenzionati.
12:13
Non è un'ipotesi.
12:15
Una volta collegati gli endpoint di Azure OpenAI
12:17
a PowerApps o Dynamics 305
12:19
stai disponendo una potenza notevole.
12:21
Se la persona ha sbagliato intercetta la tua chiave API
12:23
magari perché inserita in uno script
12:24
o nascosta in un flusso di test
12:25
puoi iniziare a inviare prompt
12:27
estrarre risposte e farle risposte
12:28
e farle evitare l'utilizzo.
12:29
Gli attacchi dirò se diventano una preoccupazione reale.
12:32
Anche senza malintenzionati
12:33
un'app configurata male
12:34
che entra in loop sul record sbagliato
12:35
potrebbe sovraccaricare il tuo endpoint senza sosta.
12:38
In entrambi i casi ti ritroverai
12:39
non solo con un problema di governance
12:41
ma potenzialmente con costi fuori controllo.
12:43
E a seconda dei dati che transitano in rete
12:45
si corrono a veri rischi di conformità.
12:47
È qui che Azure API Management
12:48
interviene come eroe non celebrato.
12:51
Molti lo vedono solo
12:51
come un'altra risorsa Azure da configurare
12:53
ma in realtà è ciò che distingue l'ordine dal caos.
12:57
API Management esegue operazioni
12:58
che Power Automate e i connettori stessi
12:59
non possono fare.
13:01
Applica autenticazione e autorizzazione
13:03
a ogni singola richiesta
13:04
non solo quando ti ricordi di programmarle.
13:05
Limita il numero di richieste al tuo endpoint
13:09
così un errore di sviluppo
13:10
o uno script fuori controllo
13:12
non minacceranno budget o reputazione.
13:15
Inoltre mantiene log dettagliati
13:17
offrendoti una traccia
13:18
per rispondere a domande
13:18
su chi ha avuto accesso a cosa e quando.
13:21
Parliamo di un incidente reale.
13:23
Un'organizzazione ha implementato un flusso IA
13:25
per classificare le email dei clienti
13:26
in Dynamics 305
13:27
passando la chiave API in Power Automate.
13:30
La chiave è finita in una cartella condivisa
13:32
e un membro del team
13:33
volenteroso ma inesperto
13:35
ha creato per errore un ciclo ricorsivo
13:36
nella sua app di test.
13:38
Nel giro di poche ore
13:39
migliaia di chiamate API
13:40
hanno colpito l'endpoint OpenAI
13:42
molte ripetendo gli stessi pochi record.
13:44
Molte.
13:44
Il conto Azure è salito inaspettatamente
13:46
e solo dopo aver esaminato i log
13:47
il team ha capito cosa fosse successo.
13:49
La parte peggiore
13:50
non è stata solo la fattura
13:51
ma l'incertezza sul fatto
13:52
che informazioni sensibili
13:53
potessero essere finite nel posto sbagliato.
13:56
Se ci fosse stato API Management
13:57
il ciclo avrebbe attivato
13:59
un errore di limite di frequenza
14:00
ben prima dell'escalation
14:01
e log migliori
14:03
avrebbero segnalato il sovraccarico istantaneamente.
14:06
Le policy di API Management
14:07
sono la vera rete di sicurezza.
14:09
Puoi impostare limiti di frequenza
14:10
ad esempio
14:11
un numero massimo di accessi
14:12
al minuto per utente.
14:14
Puoi limitare le chiamate
14:15
per intervallo IP
14:15
consentendo solo le richieste
14:17
provenienti da Gateway Power Platform
14:19
noti.
14:20
Per le aziende
14:21
con rigide policy di conformità
14:22
puoi richiedere header
14:23
o token unici
14:25
per i tuoi processi
14:26
rendendo gli accessi casuali esterni
14:27
evidenti e facili da bloccare.
14:30
Tutti questi controlli
14:32
sono creati
14:33
non per frustrare gli utenti
14:34
ma per garantire
14:35
che un'app basata su IA
14:36
in rapida espansione
14:37
non blocchi le operazioni
14:38
o, peggio,
14:39
comprometta
14:40
i dati dei clienti.
14:42
Trovare un equilibrio è fondamentale.
14:44
Le policy di sicurezza
14:44
devono essere abbastanza forti
14:45
da prevenire abusi
14:46
ma non devono rallentare
14:47
il lavoro quotidiano.
14:48
Se la limitazione
14:49
è troppo aggressiva
14:50
le richieste legittime
14:51
falliscono
14:52
e gli utenti
14:52
iniziano a cercare
14:53
scamotage
14:54
come inviare gli stessi dati
14:56
ripetutamente
14:56
finché non passano.
14:57
E' qui che il monitoraggio
15:00
e l'analisi all'interno
15:00
diventano critici.
15:03
Osservi i modelli
15:03
di utilizzo nel tempo
15:04
individui le chiamate fallite
15:06
e ottimizzi le policy
15:07
prima che gli utenti
15:08
se ne accorgano a...
15:09
Vuoi che tutti
15:11
in azienda
15:11
sperimentino
15:12
le funzionalità
15:13
basate sull'IA
15:13
in Power Apps
15:14
e Dynamics 365
15:15
ma ti serve un cuscinetto
15:16
per proteggere dati
15:17
e costi
15:18
ed evitare che sfuggano
15:19
al controllo.
15:19
Con la gestione
15:21
delle API a fare
15:22
da guardiano
15:22
ottieni molto più
15:23
della semplice protezione.
15:24
Puoi monitorare
15:25
l'adozione
15:25
vedere quali flussi
15:26
di lavoro
15:27
generano valore reale
15:27
e quali consumano
15:28
capacità inutilmente.
15:30
Quando la dirigenza
15:31
chiede chi cosa
15:32
quando è come
15:32
tutto è registrato.
15:34
Man mano che
15:35
l'utilizzo cresce
15:36
da 5 persone
15:37
in un progetto
15:37
pilota migliaia
15:38
in un'app di vendita
15:39
o supporto
15:39
la gestione delle API
15:40
evita di aprire
15:41
le dighe
15:42
sperando che vada
15:43
tutto bene.
15:44
Guidi il traffico
15:45
in modo prevedibile.
15:46
Il segreto scomodo
15:47
è che senza una gestione
15:48
adeguata
15:49
degli endpoint IA
15:50
la maggior parte
15:50
delle integrazioni
15:51
pronte per la produzione
15:53
crolla al primo imprevisto.
15:56
La gestione delle API
15:56
permette di passare
15:57
dall'idea
15:58
alla scala aziendale
15:58
senza introdurre
15:59
rischi nascosti.
16:01
Quindi non vederla
16:02
come un'infrastruttura tecnica
16:03
ma come il tuo cancello
16:03
d'ingresso.
16:04
Certo anche il miglior guardiano
16:06
può gestire
16:06
solo ciò che riceve.
16:08
Mettere in sicurezza
16:09
gli endpoint
16:09
solo una faccia della medaglia.
16:11
C'è un quadro più ampio
16:12
monitorare l'uso
16:13
rispettare i budget
16:14
e assicurarsi
16:14
che le regole di conformità
16:15
siano mantenute
16:16
mentre le apps evolvono
16:17
o le policy cambiano.
16:19
È qui che la governance
16:20
diventa essenziale
16:21
e guida l'intero sistema.
16:24
Il collante della governance
16:25
è la conformità dei costi
16:26
e il controllo degli A.
16:28
Se ti è mai capitato
16:29
che una power-up
16:30
diventasse lo strumento
16:31
preferito di tutti
16:32
dall'oggi al domani
16:32
avrai provato
16:33
il senso di smarrimento
16:34
quando i costi
16:35
iniziano a salire
16:36
e nessuno sa
16:36
chi debba occuparsene.
16:40
È facile celebrare
16:41
un roll-out di A riuscito
16:42
con l'analisi
16:43
del sentiment in sottofondo
16:45
e i riassunti
16:46
dei testi
16:47
che fanno risparmiare ore
16:48
ma prima o poi
16:49
qualcuno guarda
16:49
la fattura a Azure
16:51
o riceve un avviso
16:52
dalla sicurezza
16:52
e cala il silenzio.
16:55
È il primo segno
16:56
di una lacuna
16:57
nella governance
16:57
e appare quasi sempre
16:58
quando un'app
16:59
funziona così bene
17:00
che le persone
17:00
continuano a usarla.
17:02
Il modello è quasi universale.
17:05
Le funzioni IA
17:05
vengono collegate,
17:06
gli endpoint protetti
17:07
e la leadership
17:08
approva il business case.
17:10
Poi arrivano
17:10
gli utenti reali
17:11
e tutto nell'ambiente
17:12
diventa più complesso.
17:13
Chi controlla
17:15
l'accesso
17:16
agli endpoint
17:16
di Azure OpenAI?
17:18
Quante richieste
17:19
provengono da ogni power-up
17:20
e sono tutte
17:21
davvero necessarie?
17:23
Dov'è il confine
17:24
tra sperimentazione
17:25
e automazione
17:25
che consuma il budget?
17:27
E man mano
17:27
che più membri
17:28
del personale
17:29
creano o modificano
17:30
le proprie automazioni
17:30
mantenere il controllo
17:31
su ciò che accade
17:32
dietro le quinte
17:33
diventa sempre più difficile.
17:34
I costi fuori controllo
17:35
sono spesso
17:36
la prima prova
17:36
di emergenza
17:36
della governance.
17:38
Azure
17:38
attiene il conto preciso
17:39
di ogni token
17:40
di ogni chiamata
17:40
IPI
17:41
e di ogni gigabyte
17:42
di dati
17:42
che transita
17:43
attraverso
17:43
gli endpoint OpenAI
17:44
ma se nessuno
17:45
monitora questi numeri
17:46
i costi possono
17:46
levitare in sottofondo.
17:49
Si paga in base
17:49
all'utilizzo
17:50
e l'utilizzo
17:50
diventa difficile
17:51
da controllare
17:52
quando i citizen developer
17:53
cercano di innovare
17:54
ma non sanno
17:55
che il loro flusso
17:56
Power Automate
17:57
chiama l'endpoint AI
17:58
mille volte al giorno.
18:01
La maggior parte
18:02
delle persone
18:02
lo scopre allo stesso modo
18:03
scatta un avviso di budget
18:04
o qualcuno
18:05
in ufficio amministrativo
18:05
pensa che ci sia
18:06
un errore di fatturazione.
18:08
Ignorare tutto ciò
18:08
non significa
18:09
solo staccare
18:09
assegni più salati
18:10
ma rischiare
18:11
che qualcuno
18:11
interrompa il progetto
18:12
per limitare i danni
18:13
o peggio
18:13
che la dirigenza
18:14
perda fiducia
18:15
nell'intero esperimento
18:15
sull'IA.
18:16
Tuttavia
18:17
non è mai solo
18:17
una questione di so.
18:18
Subito dopo
18:18
arrivano le domande
18:19
sulla conformità.
18:20
Anche con la gestione
18:20
API a controllare
18:21
l'ingresso
18:22
restano dubbi
18:22
su quali dati
18:23
vengano inviati
18:24
per quanto tempo
18:24
vengano archiviati
18:25
e dove possono finire
18:26
eventuali copie.
18:28
Lo sviluppatore
18:29
ha oscurato
18:29
le informazioni
18:30
in identificazione
18:30
personale
18:31
prima di inviare
18:32
quel testo
18:32
del ticket
18:33
di supporto
18:33
ad Azure OpenAI.
18:35
Esiste un registro
18:36
di quali utenti
18:37
hanno avuto accesso
18:37
a cosa
18:38
e questo è in linea
18:39
con le policy
18:39
della tua organizzazione?
18:41
Agli auditor
18:42
non basta
18:42
un pensiamo di sì.
18:44
Per i settori
18:44
regolamentati
18:45
un singolo errore
18:46
di conformità
18:47
magari qualcuno
18:47
che ha inviato
18:48
dati riservati
18:49
per un riassunto
18:49
senza il corretto
18:50
filtraggio
18:51
può bloccare
18:51
i progetti
18:52
per settimane
18:52
o mettere l'azienda
18:53
nei guai.
18:56
Anche in contesti
18:57
meno regolamentati
18:58
l'IT si innervosisce
18:59
se sembra che dati
19:00
non governati
19:00
stiano circolando
19:01
nel cloud.
19:02
Microsoft cerca
19:03
di semplificare
19:03
la vita su questi fronti.
19:05
Azure Cost Management
19:06
offre dashboard
19:07
avvisi
19:08
e tedi spesa.
19:09
Aspetta comunque
19:10
a qualcuno
19:10
impostare le soglie
19:11
monitorare i picchi
19:12
di utilizzo settimanali
19:12
e mettere in pausa
19:13
prima che la situazione
19:14
degeneri.
19:15
Etichettare ogni risorsa
19:16
endpoint AI
19:17
flussi
19:18
e persino
19:18
le singole power apps
19:19
è un modo semplice
19:20
ma efficace
19:21
per ricondurre la spesa
19:22
a ogni team
19:22
o linea di business.
19:24
Aiuta anche
19:25
nella pulizia
19:25
e nella reportistica.
19:27
Se un'automazione
19:28
rimane attiva
19:28
dopo la fine
19:29
di un progetto pilota
19:30
le risorse etichettate
19:31
risaltano
19:31
evitando
19:32
quello scenario
19:32
di carico
19:33
di lavoro
19:33
misterioso
19:34
che sembra
19:34
sempre emergere
19:35
durante i controlli.
19:37
Per quanto riguarda
19:38
Power Platform
19:38
il Center of Excellence
19:39
Starter Kit
19:40
è quanto di più vicino
19:41
si possa avere
19:41
a un centro di comando
19:42
per l'IA.
19:43
Esegui una scansione
19:44
del tuo tenant
19:45
per ogni flusso
19:46
connettore personalizzato
19:47
app e bot
19:48
creando un inventario
19:49
su cui puoi intervenire.
19:52
L'IT
19:52
può configurare
19:53
analisi
19:53
sull'utilizzo
19:54
e inviare avvisi
19:55
in caso di pattern
19:56
sospetti
19:56
e guidare
19:57
i citizen developer
19:58
con promemoria
19:59
sulle migliori
19:59
pratiche interne.
20:01
Alcune organizzazioni
20:02
lo usano
20:03
per generare
20:03
report regolari
20:04
sull'utilizzo
20:04
delle api
20:05
sui flussi più
20:05
intensi
20:06
e persino
20:06
su chi sta
20:07
creando cosa.
20:08
Il toolkit
20:08
COE
20:09
non serve
20:09
solo per la visibilità.
20:11
Offre inoltre
20:11
modelli
20:12
per il deployment
20:12
controllato
20:13
attiva revisioni
20:14
per app
20:14
ad alto rischio
20:15
e può persino
20:16
applicare
20:16
policy aziendali
20:17
interrompendo
20:18
o sospendendo
20:19
i flussi
20:19
fuori norma.
20:21
Per un'organizzazione
20:22
rapida
20:22
crescita
20:23
con molti utenti
20:23
avanzati
20:24
questi meccanismi
20:25
di protezione
20:25
evitano che la
20:26
situazione
20:26
sfugga al controllo.
20:27
Vale la pena
20:28
sottolineare
20:28
che i problemi
20:29
di governance
20:29
emergono
20:30
solitamente
20:30
dopo il successo.
20:32
Si prende
20:32
il caso
20:32
di un'app
20:33
di feedback
20:33
dei clienti
20:34
che ha preso
20:34
piede
20:34
molto più
20:35
velocemente
20:35
del previsto.
20:37
L'utilizzo
20:37
è raddoppiato
20:37
in una settimana
20:38
poi triplicato.
20:39
In giro di un mese
20:39
i costi sono saliti
20:40
all'esterno.
20:48
Sono stati introdotti
20:49
in script ad hoc
20:49
e soluzioni temporanee
20:50
ma a quel punto
20:50
era diventata
20:51
una corsa contro il tempo.
20:52
Un processo
20:52
di Center of Excellence
20:53
avrebbe potuto
20:53
segnalare
20:54
la crescita tempestivamente
20:55
e imporre una revisione.
20:56
Le migliori pratiche
20:56
si accumulano rapidamente.
20:57
Etichettare sempre
20:58
le risorse.
20:59
Impostare budget
21:00
o limiti massimi
21:01
anche per i proof of concept.
21:03
Revisionare
21:03
e controllare
21:04
l'accesso agli end point.
21:05
L'elenco di chi può
21:05
connettersi a cosa cambia
21:06
man mano che i team
21:07
si spostano
21:08
e i ruoli si evolvono.
21:09
Documentare quali flussi
21:10
inviano quali dati
21:11
perché
21:11
non si tratta
21:13
di burocrazia
21:14
fino a se stessa.
21:15
Significa che qualcuno
21:16
potrà rispondere
21:17
settimane o mesi dopo
21:18
su come funziona il sistema
21:19
e dove sono i confini.
21:21
È fondamentale
21:21
riconoscere
21:22
che la governance
21:22
non è impostare e dimenticare.
21:24
I modelli cambiano
21:25
la logica di business
21:26
si trasforma
21:26
e le regole sulla privacy
21:27
continuano a evolversi.
21:28
Le revisioni e aggiornamenti
21:29
devono essere regolari.
21:31
Una solida governance
21:31
fa la differenza
21:32
tra una funzionalità AI
21:33
che svanisce sotto pressione
21:35
e una che cresce
21:35
in modo sostenibile
21:36
man mano che l'azienda
21:37
vi si affida
21:38
e con i controlli in atto
21:40
i leader IT aziendali
21:41
acquisiscono la sicurezza
21:42
necessaria per espandersi
21:43
sperimentare e innovare
21:44
con fiducia.