Confini prima delle capacità
Ogni agente ha permessi minimi, budget e un perimetro che non può superare. CyberAgent, per esempio, scansiona solo i domini di cui il cliente ha dimostrato il controllo.
Agenti AI che lavorano dentro confini precisi. Le decisioni restano alle persone.

Un agente AI non si limita a rispondere. Pianifica, usa strumenti, consulta documenti e sistemi, prepara bozze e verifiche e ripete il ciclo finché raggiunge l'obiettivo. È il passaggio dall'assistente che suggerisce al sistema che lavora. Per questo conta non solo cosa sa fare il modello, ma anche cosa può fare l'agente.
Progettiamo agenti e sistemi multi-agente per aziende ed enti con una regola sola: l'agente agisce, una persona governa, dentro un confine che il sistema non può superare.
Ogni agente ha permessi minimi, budget e un perimetro che non può superare. CyberAgent, per esempio, scansiona solo i domini di cui il cliente ha dimostrato il controllo.
Gli agenti leggono, preparano e propongono. Le azioni con impatto (invii, firme, modifiche ai dati) passano dall'approvazione di una persona.
Il comportamento di un agente dipende in larga parte dall'harness: il contesto che il modello vede, il loop con i suoi limiti e le condizioni di uscita, il grafo di agenti e strumenti. Il modello si cambia, l'harness resta.
Quando i dati non possono uscire, gli agenti girano on-premise con LLM open weight, anche su NVIDIA DGX Spark presso il cliente o in cluster.
Gli agenti usano strumenti e fonti dati tramite Model Context Protocol e dialogano fra loro con A2A, con permessi espliciti per ogni strumento.
Policy, oscuramento dei dati personali e audit trail su ogni chiamata a modelli e strumenti, secondo il paradigma OISG: ogni pilastro ha la sua metrica.
Adottiamo OISG (Open, Intelligent, Secure, Governed), il paradigma per i sistemi AI autonomi proposto da Stefano Noferi: quattro pilastri con una metrica ciascuno e un test di adeguatezza su 20 criteri.
Admina, progetto di Stefano Noferi, sponsorizzato da noze, è il framework open source che lo mette in pratica: ogni chiamata a modelli e strumenti passa da loop breaker, filtro delle prompt injection, oscuramento dei dati personali, policy e audit trail con catena di hash SHA-256. Su Admina poggiano DataGovern, IntelliPA, AgenticHealth e VerdePilot.
Con DebugABot facciamo ricerca sui controlli a runtime degli agenti autonomi: kill switch, fingerprinting, verifica dell'allineamento e rilevamento della deception.
L'agente AI che presidia la superficie d'attacco, valida cosa è davvero sfruttabile e prepara le evidenze NIS2.
ProdottoAI in locale, chiavi in mano, per Comuni ed enti della pubblica amministrazione.
ProdottoAgenti AI che presidiano documenti e processi aziendali e preparano la compliance NIS2, GDPR e AI Act.
ProdottoAI agentica on-premise per la ricerca clinica e la qualità nelle strutture sanitarie. Non è un software medicale.
ProdottoIl copilota AI per la compliance ambientale ed energetica delle aziende.
Per il quadro completo dei nostri servizi di AI, dai modelli locali al RAG, vedi Intelligenza Artificiale.
È l'AI che non si limita a rispondere: un agente pianifica, usa strumenti, legge e scrive dati e ripete il ciclo finché raggiunge un obiettivo. Un sistema agentico può combinare più agenti specializzati che si passano il lavoro.
Un chatbot risponde a una domanda. Un agente lavora su un compito: consulta documenti e sistemi, chiama strumenti, prepara bozze o verifiche e si ferma quando l'obiettivo è raggiunto o quando serve una decisione umana.
Solo dentro il perimetro che definiamo. Nei nostri sistemi gli agenti leggono, preparano e propongono; le azioni con impatto (invii, firme, modifiche ai dati) richiedono l'approvazione di una persona.
Sì. Usiamo LLM open weight eseguiti on-premise, anche su NVIDIA DGX Spark, così documenti e dati restano nella rete del cliente.
Con i principali framework agentic (LangGraph, CrewAI, Microsoft Agent Framework, LlamaIndex, smolagents, Google ADK) e con harness costruiti su misura, collegando strumenti e dati tramite MCP e A2A. Il framework lo scegliamo in base al problema.
Con confini espliciti, approvazione umana delle azioni con impatto e controlli su ogni chiamata: policy, filtro delle prompt injection, oscuramento dei dati personali e audit trail verificabile. Seguiamo il paradigma OISG e usiamo il framework open source Admina.
Compila il form: la tua richiesta arriva al team dedicato.