Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Modello 5: flusso di lavoro basato sull'intelligenza artificiale degli agenti
I modelli linguistici di grandi dimensioni (LLMs) sono potenti, ma per impostazione predefinita sono illimitati. Non sono consapevoli dei dati proprietari, delle regole aziendali o dei vincoli operativi, il che li rende rischiosi per l'interazione diretta con utenti o sistemi.
Le aziende devono affrontare le seguenti sfide comuni:
+ LLMs allucinano quando non conoscono la risposta, il che comporta rischi per la fiducia e la conformità.
+ Le risposte non si basano su fatti, politiche o sullo stato in tempo reale specifici del dominio (ad esempio ordini, account e diritti).
+ L'automazione dinamica delle attività (ad esempio, la ricerca degli ordini, il triage del supporto e le operazioni IT) spesso richiede l'utilizzo di strumenti reali e non solo la generazione di testo. APIs
+ La creazione di router ad intenti tradizionali, gestori di dialoghi e flussi basati su regole è costosa, fragile e non scalabile.
Per affrontare queste sfide, le aziende vogliono agenti che ragionino in modo intelligente, agiscano in modo autonomo e rimangano con i piedi per terra.
## Il flusso di lavoro basato sull'intelligenza artificiale degli agenti: intelligenza autonoma con fiducia e contesto
Il modello di *flusso di lavoro basato sull'intelligenza artificiale* [degli agenti utilizza Amazon Bedrock Agents](https://docs.aws.amazon.com/bedrock/latest/userguide/agents.html) per orchestrare il ragionamento semantico, l'invocazione degli strumenti e la base delle conoscenze. Gli agenti consentono agli assistenti AI di accettare gli input degli utenti, comprendere le intenzioni e completare attività in più fasi utilizzando l'azienda e i documenti. APIs
A differenza dei semplici chatbot o dei prompt LLM statici, gli agenti Amazon Bedrock:
+ Interpreta gli obiettivi del linguaggio naturale.
+ Seleziona e richiama gli strumenti (utilizzando AWS Lambda le funzioni) in modo dinamico.
+ Cerca o consulta le knowledge base per rimanere ancorato alla realtà aziendale.
+ Fornisci risposte contestuali e in più fasi con tracciabilità e attuabilità.
L'architettura di riferimento implementa ogni livello come segue:
+ **Attivazione di eventi**: utilizza [Amazon API Gateway](https://docs.aws.amazon.com/apigateway/latest/developerguide/welcome.html), l'interfaccia utente di chatbot o il portale di supporto per attivare l'interazione degli agenti tramite Amazon Bedrock
+ **Elaborazione**: implementa [Lambda](https://docs.aws.amazon.com/lambda/latest/dg/welcome.html) per formattare l'input, applicare il contesto di sicurezza (ad esempio ruoli o autorizzazioni utente) e arricchire i metadati
+ **Inferenza**: utilizza l'agente Amazon Bedrock per ricevere il prompt, richiamare gli strumenti Lambda (ad esempio`getOrderStatus`), eseguire il grounding tramite una knowledge base e assemblare una risposta finale
+ **Postelaborazione**: utilizza Lambda per ispezionare l'output dell'agente (ad esempio, inoltrare la richiesta in caso di «ordine perso» e avvisare il team di supporto)
+ **Output**: restituisce la risposta dell'agente all'interfaccia utente o la registra [su Amazon Simple Storage Service](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) (Amazon S3) o [ OpenSearch Amazon](https://docs.aws.amazon.com/opensearch-service/latest/developerguide/what-is.html) Service per audit, formazione o analisi
## Caso d'uso: agente del servizio clienti al dettaglio
Un rivenditore globale desidera automatizzare le risposte alle domande più comuni dei clienti, ad esempio: «Dov'è il mio ordine?» , «Voglio restituire queste scarpe. «e «Devo pagare per la spedizione di reso?»
Le risposte dipendono da fattori quali i dati degli ordini in tempo reale del cliente, l'idoneità e le tempistiche di restituzione e le politiche specifiche della regione.
In risposta a questo caso d'uso, il flusso di lavoro basato sugli agenti segue questi passaggi:
1. L'utente inserisce la richiesta utilizzando un'app o una chat.
1. API Gateway indirizza la query all'agente Amazon Bedrock.
1. L'agente esegue le seguenti azioni:
+ Analizza l'intento («richiesta di restituzione»)
+ Richiama uno strumento Lambda `lookupOrderStatus`
+ Esegue una ricerca delle politiche nella knowledge base
+ Chiamate, `initiateReturn ` se idonee
+ Compone una risposta completa: «Il tuo reso è stato avviato. Aspettatevi di ricevere un'etichetta in un messaggio e-mail».
Tutte le azioni vengono radicate, registrate ed eseguite all'interno dei guardrail aziendali.
## Caratteristiche principali di Amazon Bedrock Agents secondo questo schema
Per il modello di flusso di lavoro basato sull'intelligenza artificiale degli agenti, gli agenti Amazon Bedrock offrono le seguenti caratteristiche e vantaggi chiave:
+ **La selezione degli strumenti** consente a un agente di scegliere la funzione Lambda (strumento) corretta per ogni attività.
+ **La memoria e lo stato della sessione** consentono agli agenti di mantenere il contesto tra i turni.
+ **Le risposte fondate** recuperano dati autorevoli dalle knowledge base archiviate in Amazon S3.
+ Il **ragionamento a catena di pensiero (CoT) consente a un agente di scomporre** suggerimenti complessi in obiettivi secondari e agire in sequenza.
+ Il **contesto di sicurezza** consente di definire l'ambito degli strumenti in base al tenant, all'utente o al ruolo utilizzando (IAM) e parametri contestuali. AWS Identity and Access Management
## Le migliori pratiche di governance e controllo per il modello di flusso di lavoro basato sull'intelligenza artificiale degli agenti
Per rendere i flussi di lavoro basati sull'intelligenza artificiale degli agenti pronti per le aziende, le organizzazioni devono prendere in considerazione i seguenti controlli:
+ Configurazioni degli agenti di controllo delle versioni (ad esempio strumenti, istruzioni e knowledge base).
+ Utilizza log strutturati e traccia IDs per la verificabilità.
+ Applica politiche tempestive, liste consentite e controlli di moderazione.
+ Definisci i flussi di fallback (ad esempio, passa a umano o reindirizza a domande frequenti statiche).
Questi controlli possono essere orchestrati utilizzando Lambda e [AWS Step Functions](https://docs.aws.amazon.com/step-functions/latest/dg/welcome.html)attorno al core EventBridge dell'agente.
## Valore aziendale del modello di flusso di lavoro basato sull'intelligenza artificiale degli agenti
Questo modello offre valore nelle seguenti aree:
+ **Esperienza del cliente**: consente la risoluzione in modalità self-service del 70-80% delle richieste senza escalation
+ **Efficienza operativa**: riduce il volume dei ticket di assistenza e le spese generali di triage
+ **Tempi di risoluzione**: fornisce risposte immediate utilizzando dati reali, senza dover attendere l'intervento di agenti umani
+ **Scalabilità**: gestisce migliaia di interazioni simultanee senza aumentare il personale umano
+ **Riutilizzo tra domini**: applica lo stesso schema a più domini come supporto IT, helpdesk delle risorse umane, domande e risposte legali e altro ancora
Il flusso di lavoro basato sull'intelligenza artificiale degli agenti consente alle aziende di andare oltre le domande e risposte statiche e di passare all'automazione basata sugli obiettivi, senza sacrificare il controllo, la conformità o la precisione. Combinando il ragionamento LLM con l'esecuzione sicura e senza server delle API e il recupero delle conoscenze, Amazon Bedrock Agents offre funzionalità di intelligenza artificiale che agiscono, non si limitano a rispondere.
L'agente radicato è l'architettura dell'interazione aziendale intelligente, modulare, radicata e pronta per la scalabilità.