Oracle Agenti IA: i 15 casi d'uso principali e 5 vantaggi

Il 72% delle aziende implementa soluzioni di intelligenza artificiale. ¹ Oracle sfrutta agenti di intelligenza artificiale che combinano modelli linguistici di grandi dimensioni, elaborazione del linguaggio naturale e generazione aumentata dal recupero (RAG).

Scopri gli agenti di intelligenza artificiale (IA), i loro casi d'uso e i vantaggi:

Che cosa sono gli agenti IA Oracle?

OCI Generative AI Agents è un servizio completamente gestito che integra modelli linguistici di grandi dimensioni (LLM) con un sistema di recupero intelligente. È progettato per fornire risposte pertinenti effettuando ricerche in una base di conoscenza specifica.

Oracle offre ora più di 600 agenti AI all'interno della sua suite di applicazioni Fusion Cloud, insieme a oltre 100 agenti partner certificati nel Fusion AI Agent Marketplace. L'azienda ha lanciato 22 nuove applicazioni Fusion Agentic create da team di agenti AI integrati nelle applicazioni Fusion Cloud di Oracle per risorse umane, finanza, supply chain ed esperienza del cliente. ²

Questi agenti di intelligenza artificiale sono progettati per gestire processi a più fasi, adattarsi a nuove situazioni e rispondere a input in linguaggio naturale, offrendo maggiore flessibilità e precisione rispetto ai precedenti sistemi basati su regole. Gli agenti di intelligenza artificiale generativa di OCI offrono molteplici metodi per l'acquisizione dei dati, consentendo agli utenti e ai loro clienti di interagire con i dati tramite un'interfaccia di chat o un'API.

Caratteristiche principali

• Supporta diversi metodi di acquisizione dati e canali di interazione (interfaccia di chat o API).
• Genera risposte contestualmente pertinenti recuperando informazioni da una base di conoscenza.
• Fornisce l'attribuzione della fonte per tutte le risposte.
• Offre funzionalità di ricerca ibride, che combinano approcci lessicali e semantici.
• Include la moderazione dei contenuti sia in entrata che in uscita.
• Supporta conversazioni a più turni, consentendo agli utenti di porre domande di approfondimento che tengano conto del contesto precedente.
• È in grado di interpretare i dati provenienti da grafici a due assi e tabelle di riferimento in file PDF senza richiedere descrizioni esplicite degli elementi visivi.
• Estrae e visualizza i collegamenti ipertestuali presenti nei documenti PDF nelle risposte della chat.

Come funzionano gli agenti di intelligenza artificiale Oracle?

1. Input: Query utente
   • Un utente invia una query in linguaggio naturale all'agente di intelligenza artificiale generativa di OCI.
   • Il servizio codifica la query e la invia all'archivio dati aziendale (la knowledge base) per l'elaborazione.
2. Elaborazione: Comprensione della query e formulazione del piano
   • L'agente di intelligenza artificiale, basato su un ampio modello linguistico (LLM), interpreta la query.
   • Elabora ed esegue un piano per generare una risposta. Ciò comporta i seguenti passaggi:
     1. Ricerca nella base di conoscenza di articoli o documenti pertinenti.
     2. Riordinamento dei documenti recuperati in base alla rilevanza semantica.
     3. Combinare i documenti più pertinenti con la query dell'utente per generare una risposta coerente e contestualmente accurata.
3. Output: Consegna della risposta
   • L'agente invia la risposta formulata all'utente.
   • La risposta include riferimenti ai documenti o alle fonti utilizzati per formulare la risposta.

Orchestrazione agentiva

Gli agenti AI non funzionano solo come sistemi di recupero e risposta, ma come orchestratori capaci di pianificare, coordinare ed eseguire flussi di lavoro complessi attraverso strumenti e fonti di dati aziendali.

A differenza dell'IA basata su chat a funzione singola, l'orchestrazione agentica consente ai modelli di:

• Scomponi gli obiettivi a più fasi in piani di esecuzione strutturati
• Seleziona e utilizza gli strumenti, le API e i sistemi aziendali più adatti al momento giusto.
• Mantenere lo stato, convalidare gli output e autocorreggersi tramite ragionamento iterativo.
• Concatenare le azioni attraverso i livelli di recupero, analisi ed esecuzione delle attività.
• Collaborare con più sub-agenti specializzati quando necessario (ad esempio, risorse umane, finanza, supporto).

Questo livello di orchestrazione consente agli agenti IA Oracle di andare oltre la semplice risposta alle domande e di passare all'esecuzione dei processi.

Per approfondire il tema dell'orchestrazione, esplora:

• Orchestrazione LLM
• Orchestrazione multi-agente
• ERP basato sull'intelligenza artificiale
• Orchestrazione IT .

Con l'espansione degli agenti oltre i sistemi interni, gli ambienti di esecuzione web e gli standard di interoperabilità stanno diventando cruciali:

• Esplora i benchmark MCP dei browser per identificare le infrastrutture server MCP che supportano gli agenti abilitati al web.
• Confronta i browser remoti per osservare come gli agenti interagiscono con il web aperto.

Tipi di dati della base di conoscenza

Esistono due modi diversi per fornire dati agli agenti di IA generativa di OCI da utilizzare come base di conoscenza. Una base di conoscenza è essenzialmente una raccolta di informazioni o documenti che l'agente di IA consulta per generare risposte. Ecco una spiegazione di ciascun tipo:

1. Opzione di gestione dei servizi

Questa opzione consente di archiviare i dati in Oracle Cloud Infrastructure (OCI) Object Storage. Con questo approccio è possibile:

• È possibile caricare fino a 1.000 file, in formato testo o PDF, ciascuno con una dimensione massima di 100 MB.
• Richiedi un aumento del limite tramite il supporto Oracle per archiviare più file o file di dimensioni maggiori.

2. Opzioni "Porta il tuo" (BYO)

Questa opzione consente di utilizzare i sistemi esistenti per ospitare e gestire i dati a cui accederà l'agente AI. Oracle offre l'integrazione con strumenti specifici per questo scopo. È disponibile su sistemi come:

• Oracle Database 23c (ricerca vettoriale AI): Questo è un database che supporta funzionalità di ricerca avanzate, inclusa la ricerca vettoriale, che aiuta l'agente AI a recuperare i dati pertinenti in modo più efficace.
• Ricerca OCI con OpenSearch: questa opzione utilizza OpenSearch, una tecnologia di motore di ricerca, per indicizzare e gestire i dati. Consente all'agente di eseguire ricerche efficienti sui dati acquisiti e indicizzati.

Questa opzione offre flessibilità e controllo se si dispone di un'infrastruttura per l'archiviazione e la gestione dei dati. È possibile integrare l'agente AI nei sistemi esistenti senza migrare i dati a OCI Object Storage.

15 casi d'uso degli agenti di intelligenza artificiale generativa Oracle

Gli agenti di generazione aumentata con recupero (RAG), come agentic RAG , combinano capacità di recupero e generazione del linguaggio per produrre risposte accurate e contestualizzate. L'agente recupera documenti o dati pertinenti e genera risposte coerenti basate su queste informazioni.

Esempi di casi d'uso includono:

1. Automazione del servizio clienti: un agente AI per il servizio clienti può ottimizzare l'assistenza clienti gestendo le richieste tramite interfacce conversazionali, recuperando dati dalla knowledge base e inoltrando i problemi più complessi agli operatori umani. Ciò garantisce una risoluzione più rapida dei problemi e migliora la soddisfazione dell'utente. L'automazione riduce inoltre le attività ripetitive, consentendo ai team di assistenza clienti di concentrarsi su interazioni personalizzate e di maggior valore.
2. Ricerca legale: gli agenti di intelligenza artificiale possono assistere i professionisti del diritto effettuando ricerche rapide in vasti database per individuare precedenti e giurisprudenza. Queste capacità migliorano l'efficienza delle attività di pianificazione e ricerca. Semplificando le ricerche complesse, l'IA favorisce un processo decisionale più rapido, garantendo che i team legali rispettino le scadenze e forniscano consulenza accurata ai propri clienti.
3. Analisi e reporting finanziario: gli agenti basati sull'intelligenza artificiale assistono i team finanziari nell'analisi dei dati, nell'individuazione di anomalie e nella generazione di report completi. Sintetizzano informazioni provenienti da diverse fonti, come notizie di mercato e report interni. Questi strumenti migliorano la gestione finanziaria semplificando i processi, suggerendo azioni correttive e aumentando l'accuratezza del processo decisionale in materia di budget, previsioni e valutazione delle performance.
4. Tutoraggio didattico: gli agenti di intelligenza artificiale agiscono come tutor personali, fornendo risorse di apprendimento personalizzate e chiarendo concetti complessi. Questi sistemi si adattano alle esigenze degli studenti, offrendo contenuti didattici interattivi e una guida passo passo. Automatizzando il reperimento delle risorse, aiutano gli studenti a raggiungere gli obiettivi accademici, consentendo al contempo agli insegnanti di concentrarsi su strategie didattiche innovative.
5. Creazione di contenuti: l'intelligenza artificiale supporta i creatori di contenuti recuperando informazioni pertinenti, analizzando le tendenze e proponendo idee per articoli, report o presentazioni. Questi agenti accelerano il processo creativo, preservando al contempo l'originalità. Sfruttando le funzionalità avanzate dell'IA, consentono ai professionisti di concentrarsi sul perfezionamento della qualità dei contenuti e sulla creazione di un rapporto efficace con il pubblico.
6. Supporto tecnico: gli agenti basati sull'intelligenza artificiale guidano gli utenti nella risoluzione dei problemi, sintetizzando manuali tecnici e forum in soluzioni concise. Risolvono i problemi in modo efficiente, riducendo al minimo i tempi di inattività. Questi agenti potenziano i team di supporto, riducendo il carico di lavoro e fornendo soluzioni coerenti e accurate, migliorando significativamente l'esperienza utente in ambienti tecnici.
7. Gestione della catena di approvvigionamento: gli agenti di intelligenza artificiale ottimizzano le operazioni della catena di approvvigionamento aggregando dati su inventario, fornitori e logistica. Analizzano le tendenze per ricavare informazioni utili, consentendo alle aziende di ridurre le inefficienze e garantire un funzionamento senza intoppi.
8. Onboarding dei fornitori: un agente di onboarding dei fornitori potrebbe facilitare l'integrazione di nuovi fornitori recuperando automaticamente i documenti pertinenti, verificando la conformità alle politiche aziendali e aggiornando i dati dei fornitori nel sistema aziendale.
9. Analisi immobiliare: gli agenti basati sull'intelligenza artificiale supportano i professionisti del settore immobiliare sintetizzando dati sugli immobili e tendenze di mercato. Forniscono informazioni su prezzi, domanda e opportunità di investimento, facilitando il processo decisionale. Grazie all'analisi basata sull'IA, i professionisti possono adattarsi alle dinamiche del mercato e offrire ai clienti una consulenza personalizzata ed efficace.
10. Pianificazione dei viaggi: gli agenti basati sull'intelligenza artificiale fungono da guide di viaggio personalizzate, consigliando destinazioni, attrazioni locali e itinerari. Creano esperienze su misura in base alle preferenze dell'utente, semplificando l'organizzazione del viaggio. Integrando diverse fonti di dati, questi agenti migliorano la soddisfazione dell'utente.
11. Assistenza agli acquisti per le vendite: un agente AI per l'elaborazione dei documenti può assistere un responsabile vendite nella gestione delle attività di approvvigionamento. Ad esempio, il responsabile potrebbe scattare una foto di un preventivo di un fornitore estero utilizzando il proprio telefono. L'agente:
    • Estrai le informazioni rilevanti dal documento.
    • Tradurre il testo, ad esempio, dal giapponese all'inglese.
    • Crea una richiesta d'acquisto basata sui dati estratti. Successivamente, lo stesso agente potrebbe automatizzare l'elaborazione della fattura del fornitore, segnalandola per la revisione da parte di un responsabile dei pagamenti.
12. Analisi delle chiamate di vendita: nel settore delle vendite, un agente basato sull'intelligenza artificiale potrebbe analizzare le interazioni con i clienti durante le chiamate, estraendo informazioni utili come le preferenze dei clienti o le principali obiezioni e generando report dettagliati per i team di vendita al fine di migliorare le interazioni future.
13. Gestione e assunzione dei talenti: gli agenti di intelligenza artificiale possono essere utilizzati per identificare e analizzare i candidati, aiutando i team delle risorse umane a ottimizzare l'acquisizione dei talenti. Ipoteticamente, un agente potrebbe cercare candidati idonei in diversi database, valutare i loro curriculum e fornire raccomandazioni basate su requisiti di lavoro predefiniti.
14. Controllo qualità nella produzione: gli agenti di intelligenza artificiale monitorano i dati di produzione, identificano schemi che indicano difetti e raccomandano modifiche per garantire gli standard di qualità. Sfruttando l'analisi avanzata, consentono ai produttori di ridurre al minimo gli sprechi, migliorare l'efficienza e mantenere la coerenza. Questo approccio proattivo garantisce una qualità superiore del prodotto e la soddisfazione del cliente.
15. Servizi bancari al dettaglio: Oracle include agenti preconfigurati per i flussi di lavoro bancari dei consumatori che possono automatizzare attività bancarie al dettaglio end-to-end come la fornitura di informazioni, la revisione del credito e il monitoraggio della conformità. Questi agenti includono:
    • Un agente per la "Generazione di brochure di prodotto" e un agente per la "Valutazione del credito" che contribuiscono ad automatizzare l'elaborazione delle richieste di prestito.
    • Gli agenti focalizzati sulla conformità, come un agente "Verifica conformità chiamate", monitorano il rispetto delle normative durante le chiamate ai clienti. ³

Esplora i casi d'uso generali dell'IA agentica con alcuni esempi concreti.

Oracle AI Agent Studio

Oracle ha introdotto AI Agent Studio, un ambiente centralizzato per semplificare l'implementazione e il monitoraggio degli agenti di intelligenza artificiale. Questo studio rappresenta un passo avanti verso la democratizzazione dell'IA all'interno dell'azienda attraverso due pilastri fondamentali:

• Generatore di agenti senza codice: un'interfaccia in linguaggio naturale per creare, testare e perfezionare gli agenti senza scrivere codice. Gli utenti possono descrivere lo scopo dell'agente in un linguaggio semplice e il generatore si occupa della configurazione sottostante.
• Dashboard ROI integrata: lo studio include una dashboard che misura l'impatto aziendale di ciascun agente, monitorando metriche che riflettono il tempo risparmiato o l'efficienza dei processi.

Tipi di agenti: flusso di lavoro vs. RAG

Mentre molti agenti si concentrano sul recupero delle informazioni, Studio consente la creazione di agenti di flusso di lavoro. Questi si distinguono dagli agenti RAG standard perché:

• Operare su sequenze deterministiche basate su regole .
• Segui i “nodi” preconfigurati con funzioni, input e output specifici.
• Sono progettati per scenari ad alto rischio che richiedono una governance rigorosa, conformità e ripetibilità , dove una risposta "allucinatoria" o creativa non è un'opzione.

Oracle Vantaggi degli agenti GenAI

• Trasparenza: consente di risalire alle fonti di provenienza delle risposte.
• Aggiornamenti continui: le fonti di dati possono essere aggiornate senza interrompere il funzionamento dell'agente.
• Scalabilità e sicurezza: opera su un'architettura scalabile e sicura.
• Ingestione incrementale: consente aggiornamenti precisi dei dati tramite acquisizione incrementale e controllo delle versioni.
• Interazioni migliorate: mantiene il contesto della conversazione per oltre 10 turni.

Ultimi sviluppi: Oracle Capacità RAG degli agenti AI

L'agente RAG (Retrieval-Augmented Generation) di OCI è stato rilasciato ufficialmente il 25 settembre 2024, dopo l'annuncio di una versione beta. I nuovi agenti RAG hanno introdotto diversi miglioramenti rispetto agli agenti di intelligenza artificiale generativa di OCI esistenti:

1. Integrazione con Oracle Database 23ai: Oracle Database 23ai aggiunge la ricerca vettoriale avanzata per dati non strutturati come testo e immagini. Consente di ottenere risultati di ricerca più precisi e pertinenti convertendo i dati in rappresentazioni vettoriali. Ciò permette una gestione fluida di query complesse e l'integrazione di dati strutturati e non strutturati.
2. Configurazione semplificata: processo di configurazione semplificato grazie a un'interfaccia utente migliorata. Consente agli utenti con competenze tecniche limitate di implementare gli agenti RAG in modo rapido e semplice. Un minor numero di passaggi e un'esperienza più intuitiva riducono i tempi e gli sforzi di configurazione.
3. Migliore qualità e pertinenza delle risposte: i modelli di apprendimento basati su stimoli linguistici (LLM) forniscono risposte di qualità superiore e più accurate. Ciò garantisce che le interazioni conversazionali siano più approfondite e appropriate al contesto.
4. Recupero e riordinamento avanzati dei dati: le funzioni avanzate di recupero e riordinamento dei dati analizzano vasti set di dati e danno priorità alle informazioni rilevanti. Ciò migliora la profondità e la precisione delle risposte dell'IA, in particolare per le query più complesse.
5. Ricerca ibrida: combina le tradizionali ricerche per parole chiave con la ricerca semantica. Garantisce il recupero di risultati più pertinenti sia per dati strutturati che non strutturati.
6. Basi di conoscenza gestite: archivio vettoriale integrato e pipeline di acquisizione dati robusta per dati non strutturati. Semplifica l'archiviazione, il recupero e l'indicizzazione di dati complessi. Offre una gestione efficiente delle basi di conoscenza come soluzione pronta all'uso.
7. Supporto per basi di conoscenza BYO con OpenSearch: supporto semplificato per la ricerca OCI personalizzata (BYO) con OpenSearch. Offre flessibilità e controllo sulle configurazioni di ricerca personalizzate e semplifica l'integrazione con i sistemi OpenSearch esistenti.
8. Moderazione dei contenuti: un sistema di filtraggio robusto per segnalare contenuti dannosi o inappropriati in entrata e in uscita. Garantisce interazioni sicure con l'intelligenza artificiale.
9. Multimodalità: elabora e integra dati provenienti da diversi formati, tra cui testo, immagini, diagrammi e grafici. Fornisce risposte più complete e ricche di contesto.

FAQ

Per approfondire

• Confronta i migliori strumenti basati sull'intelligenza artificiale

Collegamenti di riferimento

1.

https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/why-agents-are-the-next-frontier-of-generative-ai

2.

Apps update—AI agents, AI marketplace, and more | fusioninsider

3.

Oracle Reimagines Banking for the AI Era with New Agentic Platform

Hazal Şimşek

Analista di settore

Segui

Hazal è un analista di settore presso AIMultiple, specializzato in process mining e automazione IT.

Visualizza il profilo completo

Sii il primo a commentare

Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori.

Nome

Indirizzo e-mail

Commento

0/450

Pubblica un commento