AI-AGENT · Percorso 4: Costruire e gestire
Agentic Systems Engineering
Un agente autorizzato ad agire prima di aver superato i gate non è automazione, è un rischio operativo con accesso alle API.
- Durata
- 4 giorni
- Gruppo
- da 4 a 12 persone
- Formato
- Inhouse · Edizione aperta · Nel lab
- Lingua
- Tedesco o inglese
- Preavviso
- da 6 settimane
- Prezzo
- 31.600 € forfettario, IVA esclusa
Erogazione a partire da quattro partecipanti effettivamente iscritti. La data viene confermata per iscritto dopo aver concordato contenuti, prerequisiti e disponibilità.
Per chi è questo track
Sviluppatori esperti e architetti chiamati a collegare agenti a processi di business e sistemi reali. Giusto per team che dai chat assistant vogliono arrivare a sistemi che eseguono davvero compiti con strumenti.
Per chi no
Non per l’ingresso nell’engineering AI, per quello AI-RAG e AI-EVAL sono i gradini precedenti. I dirigenti che vogliono governare gli agenti invece di costruirli sono al posto giusto in AI-LEAD.
Situazione di partenza
Le prime demo di agenti in azienda sembrano impressionanti, finché un agente in loop lancia 400 chiamate API o esegue una prenotazione che nessuno ha approvato. Tra demo e responsabilità mancano modello a stati, gate, logica di interruzione e una prova che l’agente, sotto condizioni di disturbo, fallisce in modo controllato.
Questo esiste dopo il track
- Un workflow agentico funzionante sull’ambiente Lab: pianificazione, chiamate ai tool, verifica dei risultati, costruito dal proprio team
- Un modello a stati esplicito con transizioni definite invece di loop impliciti, incluso stato persistibile per la ripresa
- Gate human-in-the-loop implementati: quali azioni l’agente può proporre e quali vengono eseguite solo dopo approvazione
- Logica di interruzione ed escalation con limiti di budget per passi, costi e tempo e destinatari di escalation definiti
- Un protocollo di evaluation e collaudo che documenta a quali condizioni l’agente può assumersi responsabilità e a quali no
Prerequisiti
Pratica di programmazione sicura in Python ed esperienza con le API. Le conoscenze pregresse da AI-RAG o AI-EVAL aiutano, in particolare una comprensione di base dell’evaluation.
Preparazione prima del track
Descrive in anticipo un processo reale della Sua organizzazione come candidato all’agentizzazione: passi, sistemi coinvolti, punti di decisione, potenziale di danno in caso di errori, nel formato di scheda fornito. Un setup check di 30 minuti assicura l’accesso al Lab.
Contenuto della fornitura
- 4 giornate di formazione con Dino Bordonaro, a scelta inhouse o nel Lab
- Ambiente Lab personale con processo di esercitazione, sistemi mock e modelli eseguiti in locale, più 14 giorni di coda
- Repository di codice con architettura di riferimento, modelli per il modello a stati e soluzioni campione per ogni stato di giornata
- Catalogo dei gate e modello di protocollo di collaudo per il trasferimento sui propri processi
- Certificati di partecipazione e documentazione formativa per il Suo archivio di compliance
- Sessione remota di 90 minuti 4 settimane dopo il training per la review del proprio design di agente
Agenda
Giorno 1
Autopsia di un fallimento di agente
Dal vivo nel Lab: un agente naive finisce in un loop di tool e brucia budget a vista d’occhio. Analisi delle cause e derivazione dei principi architetturali: stato esplicito, autonomia limitata, passi verificabili.
Anatomia di un agente affidabile
Passaggio attraverso l’architettura: planner, strato dei tool, memoria, strato di verifica. Domanda di confine per ogni scheda di processo portata: serve un agente o basta un workflow con un passo LLM?
Progettare tool che un modello può usare in sicurezza
Hands-on: definizioni dei tool con schemi stretti, idempotenza, ritorni di errore, accesso least privilege. Ognuno costruisce i primi due tool del processo di esercitazione e li testa in isolamento.
Il primo passaggio completo
Il proprio agente esegue per la prima volta il processo di esercitazione end-to-end contro i sistemi mock, ancora senza gate. Compito di osservazione: dove assume ipotesi che nessuno ha verificato?
Risultato della giornata: agente funzionante con lista dei rilievi
Ogni persona mostra il passaggio completo funzionante e presenta una lista dei rilievi: almeno tre ipotesi non verificate o punti di rischio osservati. Questa lista viene elaborata sistematicamente nei Giorni 2 e 3.
Giorno 2
Rendere esplicito lo stato
Dalla memoria nel prompt al modello a stati: stati, transizioni, azioni permesse per ogni stato. Ognuno modella il proprio processo di esercitazione come grafo prima che nasca altro codice.
Implementare il modello a stati
Hands-on: orchestrazione con stato persistito, ripresa dopo un crash, transizioni deterministiche. Test: interrompere il processo a metà e riprenderlo correttamente.
Strategia di contesto e memoria
Cosa l’agente deve sapere a ogni passo e cosa no: contesto di lavoro, conoscenza a lungo termine via collegamento RAG, budget di contesto. Esercizio di misura: disciplina del contesto contro contesto pieno nel confronto di costi e qualità.
Prima i percorsi di errore
Esercizio sui sistemi mock con disturbi incorporati: timeout, dati contraddittori, transazioni a metà. L’agente deve portare ogni percorso di errore in uno stato definito invece di improvvisare.
Risultato della giornata: gestione controllata dei disturbi
Collaudo per ogni persona: l’agente attraversa uno scenario di disturbo e finisce in modo dimostrabile in stati definiti, documentato nel protocollo degli stati. Le prosecuzioni improvvisate valgono come non superate.
Giorno 3
Responsabilità solo dopo i gate
Il principio del track nel dettaglio: classi di azione dalla sola lettura all’irreversibile, per ogni classe un tipo di gate. Officina sulla propria scheda di processo: quale azione riceve quale gate e chi approva?
Implementare lo human-in-the-loop
Hands-on: passo di approvazione con anteprima dell’azione pianificata, motivazione dell’agente e approve o reject espliciti. L’agente aspetta in modo dimostrabile invece di proseguire in assenza di risposta.
Logica di interruzione ed escalation
Implementazione di limiti di budget per passi, costi e tempo di esecuzione, riconoscimento di loop e deviazione dall’obiettivo, escalation a destinatari definiti con passaggio dello stato. Test: l’agente in loop del Giorno 1 contro i nuovi limiti.
Sicurezza al confine dei tool
Esercizio: prompt injection attraverso ritorni dei tool e contenuti di documenti, pensata per indurre l’agente ad azioni non pianificate. Hardening con pulizia degli input, validazione delle azioni e obbligo di gate per le classi sensibili.
Risultato della giornata: gate sotto attacco
Collaudo per ogni persona: tre scenari di disturbo ed errore preparati girano contro il proprio agente. Supera chi ferma in modo dimostrabile ogni azione critica prima del gate e attiva correttamente l’escalation.
Giorno 4
Valutare gli agenti: traiettorie invece di risposte
Design dell’evaluation per sistemi a più passi: criteri di successo per obiettivo di processo, valutazione dei percorsi d’azione, costi per esecuzione riuscita. Costruzione del set di valutazione per il proprio agente di esercitazione.
Il run di valutazione
Hands-on: run automatizzato con tasso di successo, attivazioni dei gate, motivi di interruzione e costi per esecuzione. Analisi: quale classe di errore domina e quale modifica architetturale la affronta?
Il protocollo di collaudo
Officina: ogni team scrive il protocollo di collaudo del proprio agente: gate superati, valori di evaluation, rischi residui, condizioni per l’assunzione di responsabilità e per la revoca. L’onestà è criterio di verifica.
Trasferimento sul proprio processo
Ritorno alla scheda portata: schizzo di architettura, assegnazione dei gate e stima dell’impegno per il caso reale in azienda. Peer review degli schizzi in coppie con obiezioni documentate.
Risultato della giornata: collaudo nello stress test
Finale per ogni persona: esecuzione dal vivo dell’agente davanti al gruppo incluso uno scenario di disturbo non noto in anticipo, poi consegna di protocollo di collaudo e schizzo di trasferimento. La checklist del gruppo decide sul collaudo.
Esercitazioni e quota lab
Circa due terzi del tempo è implementazione sul proprio ambiente Lab: costruire i tool, realizzare il modello a stati, implementare gate ed escalation, superare scenari di disturbo ed errore. La chiusura è uno stress test dal vivo davanti al gruppo.
Piattaforme
Si costruisce con orchestrazione open source e modelli eseguiti in locale sul nostro ambiente Lab contro sistemi mock, non vengono usati dati dei clienti. I pattern sono trasferibili su ambienti target Azure e on-prem, i servizi di piattaforma nella versione di volta in volta disponibile. I nostri Sovereign Agents servono da riferimento di implementazioni produttive.
Prova di transfer
La prova di trasferimento è lo stress test superato il Giorno 4 con il protocollo di collaudo: i gate tengono sotto disturbo, l’escalation scatta, i rischi residui sono documentati con onestà. Partecipazione e risultati vengono documentati in modo tracciabile e verificabile in sede di audit.
Artefatti che porta con sé
- Workflow agentico proprio con modello a stati, gate e logica di escalation, esportabile dall’ambiente Lab
- Repository di codice con architettura di riferimento e soluzioni campione per ogni stato di giornata
- Catalogo dei gate con classi di azione come modello per i propri processi
- Set di valutazione per traiettorie con baseline misurata di successi e costi
- Protocollo di collaudo e schizzo di trasferimento per il processo reale nella propria organizzazione
Estensioni opzionali
- Sovereign AI Platform Engineering (AI-PLATFORM) per la piattaforma su cui gli agenti girano in modo sovrano
- Secure GenAI e Agent Threat Modeling (AI-SEC) per l’analisi sistematica delle minacce prima del passaggio in produzione
- Sovereign Agents come percorso di progetto, se il primo agente produttivo dobbiamo costruirlo insieme a Lei
Delimitazione
Il track costruisce un agente di esercitazione e mette il Suo team in condizione di progettare in proprio. Non collega sistemi di produzione e non sostituisce né il threat modeling (AI-SEC) né un progetto di implementazione, per questo parliamo di Sovereign Agents.
Domande frequenti
Quattro giorni e 31.600 € sono una dichiarazione. Perché non due giorni di corso sul framework?
Perché il framework è la parte più piccola. Modello a stati, gate, escalation ed evaluation delle traiettorie sono le parti che stanno tra demo e responsabilità, e hanno bisogno di tempo di implementazione e stress test.
Quale framework per agenti viene insegnato?
In primo piano stanno i pattern architetturali, realizzati con un’orchestrazione open source essenziale, così ogni decisione resta visibile. Ciò che costruisce è trasferibile sui framework più diffusi, la logica di collaudo è indipendente dal framework.
I nostri agenti possono agire in produzione dopo il training?
Lo decidono i Suoi gate, non il certificato. Il track sostiene una linea chiara: un agente riceve responsabilità solo dopo gate superati e collaudo documentato, cominciando dalle azioni propositive. Il protocollo di collaudo Le dà esattamente questo quadro.