Articolo
IntelliPA
AI agentica in locale, chiavi in mano, per Comuni ed enti pubblici: bozze di atti, risposte con la fonte e registri di conformità su una workstation in sede.
Scopri IntelliPA →
CyberAgent
Vulnerability assessment continuo e pentest automatizzato: rischi validati e report allineati a NIS2, da verificare prima di consegnarli.
Scopri CyberAgent →
AgenticHealth
AI on-premise per la ricerca clinica: ricerca con le fonti, bozze di studio e di qualità, oscuramento dei dati. Non è un software medicale: non supporta diagnosi né decisioni sulla cura dei pazienti.
Scopri AgenticHealth →
Intelligenza Artificiale
AI locale con modelli open weight, Agentic AI con approvazione umana e AI governata, on-premise o in cloud privato.
Scopri →
Il 10 novembre il Centro Congressi Le Benedettine di Pisa ha ospitato Homo Agenticus, l’Academia & Industry Panel dell’Università di Pisa dedicato ai progetti di intelligenza artificiale agentica, con il coordinamento scientifico di Mario G.C.A. Cimino. La giornata ha messo insieme aziende, docenti e studenti dei corsi di laurea in Artificial Intelligence and Data Engineering e in Computer Engineering. Stefano Noferi faceva parte del comitato industriale.
La giornata
La mattina si è aperta con l’Entrepreneurs Workshop di Sudeendra Koushik, presidente della IEEE Technology and Engineering Management Society. Sono seguite due sessioni industry, in cui le aziende hanno presentato idee e progetti di AI agentica. Nelle due sessioni dedicate agli studenti, 88 studenti in 20 team (50 in 12 team per AI and Data Engineering, 38 in 8 team per Computer Engineering) hanno presentato le loro idee di progetto a una commissione di aziende e docenti. La giornata si è chiusa con la premiazione.
Il nostro intervento
Nella sessione industry Stefano Noferi ha presentato «Agents act, people govern»: tre sistemi agentici costruiti da noze in domini diversi, con la stessa regola di progetto. L’agente agisce e una persona governa, dentro un confine che il sistema non può superare.
CyberAgent presidia la superficie d’attacco e verifica con un pentest automatizzato cosa è davvero sfruttabile. Prima di ogni scansione dimostra il controllo del dominio, quindi lavora solo su asset del cliente. La pipeline parte da una ricognizione e lancia solo i motori che servono al profilo del target, fra tredici disponibili tra cui Nmap, Nuclei, OpenVAS e ZAP. Ordina i rischi con CVSS, EPSS e CISA KEV e prepara le evidenze per NIS2, DORA e ISO/IEC 27001. Le correzioni restano una decisione del team. Il caso presentato era quello di 01 Sistemi, a supporto del ciclo ISO/IEC 27001.
AgenticHealth porta la ricerca con le fonti e i conteggi su coorti pseudonimizzate dentro la struttura sanitaria. Legge i dati clinici in FHIR R4 senza scriverli, li pseudonimizza prima che il modello li veda e restituisce conteggi, mai elenchi di pazienti. Le coorti reali si aprono solo dopo la DPIA e finché lo studio è attivo. Non è un dispositivo medico e non supporta diagnosi né decisioni sulla cura. Il caso presentato era una sperimentazione in avvio con l’Ospedale Pediatrico Meyer sulla sindrome dell’intestino corto in età pediatrica.
IntelliPA prepara bozze di atti, le passa al Revisore digitale e oscura i dati personali prima della pubblicazione, su una workstation installata nell’ente. Il Revisore propone, il responsabile firma. È in produzione all’ufficio Gare e Contratti del Comune di Sesto Fiorentino.
Il livello di governance
I tre sistemi condividono lo stesso livello di governance. OISG (Open, Intelligent, Secure, Governed) è il paradigma architetturale per i sistemi AI autonomi proposto da Stefano Noferi: quattro pilastri con una metrica ciascuno e un test di adeguatezza in 20 criteri.
Admina è il framework open source che lo mette in pratica. Ogni chiamata a modelli e strumenti passa da un’unica pipeline: blocco dei cicli, filtro delle iniezioni, oscuramento dei dati personali, policy, audit in catena SHA-256 e tracciamento OpenTelemetry. La versione 0.15.4 è su PyPI dal 2 novembre con licenza Apache 2.0 e funziona anche offline.
Modelli, harness e hardware
L’ultima parte riguardava i modelli open weight disponibili a novembre 2026, fra cui GLM-5.2, DeepSeek V4 Flash, Qwen3.6, Nemotron 3.5, Mistral Large 4 e gpt-oss. Il comportamento dell’agente sta nell’harness che li circonda, cioè nel contesto che il modello vede, nel ciclo con i suoi limiti e nel grafo di agenti e strumenti: il modello si può cambiare quando ne esce uno migliore per il compito. Per l’esecuzione locale l’hardware di riferimento è NVIDIA DGX Spark, presso il cliente o in cluster.
Agli studenti abbiamo mostrato anche Codendum, che usa un solo NVIDIA GB10 per servire i coding agent di un’intera classe con un modello open weight: fino a 24 richieste in parallelo, con il codice che resta sui portatili e i prompt nella rete locale.
Due velocità
La chiusura riprendeva il saggio «Il mondo a due velocità» di Stefano Noferi. Una corsia agentica produce, integra, verifica e monitora; una corsia umana decide l’intento, rivede il progetto e risponde dei risultati. Governare la prima è il primo compito della seconda, con tre regole: i confini vengono prima delle capacità, gli effetti delle azioni sono proposte e quello che non si misura non si governa.
Grazie al comitato accademico, al comitato industriale, allo staff organizzativo e agli studenti che hanno presentato i loro progetti.