L’Agentic AI impiega agenti software per eseguire attività orientate a un obiettivo, utilizzando dati, strumenti e applicazioni entro un perimetro definito. Oltre all’automazione di compiti in maniera autonoma, una delle sue applicazioni più interessanti è l’analisi di compliance, dove può collegare requisiti, norme tecniche e caratteristiche dei prodotti, individuare scostamenti e preparare evidenze verificabili a supporto delle decisioni degli esperti.
Uno dei casi d’uso più rilevanti riguarda l’analisi di capitolati tecnici e richieste di offerta. L’azienda deve stabilire quali prodotti soddisfano le specifiche, quali condizioni richiedono approfondimenti e quali differenze devono essere dichiarate. Per arrivare a questa valutazione occorre confrontare documenti diversi, ricostruire riferimenti normativi e verificare le informazioni del catalogo. Un compito perfetto per l’intelligenza artificiale: richiede infatti di applicare un certo livello di discrezionalità a una serie di controlli documentali e sui dati.
Proprio su un processo di questo tipo abbiamo sviluppato Reggy Compliance Analyst: lettura dei capitolati, mappatura dei requisiti sulle norme citate e generazione della deviation list, l’elenco degli scostamenti rispetto ai prodotti disponibili. Questo ambito permette di comprendere come automazione, assistenza operativa e controllo possano essere integrati in un progetto di Agentic AI.
Analisi di compliance: ricostruire il rapporto tra requisiti e prodotti
In questo scenario l’analisi di compliance consiste nel verificare la corrispondenza tra requisiti richiesti, prescrizioni tecniche applicabili e caratteristiche documentate dei prodotti. Interessa sia chi partecipa a gare sia chi gestisce richieste di offerta per prodotti soggetti a specifiche di settore, sicurezza o ambiente.
Il capitolato può indicare direttamente una prestazione oppure richiamare una norma che ne definisce condizioni, metodi di prova e criteri di accettazione. La scheda prodotto, a sua volta, può riportare dati validi soltanto per determinate configurazioni. Il confronto richiede quindi di interpretare parametri, vincoli e relazioni tra documenti.
Per esempio, una prestazione dichiarata a una certa temperatura non dimostra che il prodotto mantenga lo stesso comportamento nell’intervallo richiesto dal cliente. Analogamente, il richiamo alla stessa norma in due documenti richiede una verifica delle edizioni e del campo di applicazione. Sono differenze che incidono sulla valutazione tecnica e sulla preparazione dell’offerta.
Dalla GenAI all’Agentic AI: come cambia il lavoro sul capitolato
La GenAI può sintetizzare un capitolato, estrarre informazioni o rispondere a domande sul suo contenuto. Un sistema agentico collega queste elaborazioni a un obiettivo specifico di livello più alto: completare una verifica, individuare un’informazione mancante, preparare una lista di scostamenti da sottoporre all’ufficio tecnico.
L’agente, per esempio, può individuare un requisito, recuperare la norma richiamata dalle fonti autorizzate, consultare le schede pertinenti e verificare se dispone degli elementi necessari. In base al risultato, prosegue il confronto oppure richiede una valutazione umana.
La distinzione principale, dal punto di vista tecnico, riguarda il controllo della sequenza. Una delle più diffuse best practice di settore, suggerita da Anthropic¹, prevede di separare i workflow, che seguono percorsi predefiniti dal codice, dagli agenti, nei quali il modello dirige dinamicamente processo e strumenti.
Un progetto può combinare le due modalità, mantenendo fissi i passaggi di controllo e affidando all’agente le ricerche che dipendono dal contenuto dei documenti.
L’output finale è una valutazione accompagnata dalle evidenze che permettono di verificarla. La capacità di produrre un testo plausibile è senza dubbio un passaggio fondamentale, che permette all’intelligenza artificiale di esprimere al meglio il proprio valore aggiunto, ma non basta per decidere se una configurazione soddisfa una specifica tecnica.
Ontologia e grafo della conoscenza: collegare capitolati, norme e catalogo
Per strutturare il confronto occorre definire quali informazioni estrarre e come metterle in relazione. Un’ontologia descrive le entità rilevanti, come requisiti, parametri, norme e prodotti, insieme ai collegamenti che hanno significato nel dominio aziendale.
Nel nostro assistente Reggy, un AI Engineer definisce questo schema semantico. L’AI scompone il capitolato secondo l’ontologia e alimenta una knowledge base su database a grafo. Le relazioni collegano i requisiti alle norme citate e alle caratteristiche dei prodotti; un modello linguistico utilizza queste informazioni per generare la deviation list e individuare i prodotti più idonei.
La qualità dello schema va verificata con gli specialisti nel contesto specifico. Se manca la relazione tra una prestazione e le sue condizioni di prova, anche un valore estratto correttamente può essere confrontato in modo improprio. Nel nostro approccio, la progettazione della base di conoscenza richiede quindi un lavoro congiunto tra competenze AI ed esperienza tecnica.
Il grafo rende espliciti ed evidenti i collegamenti fra le diverse informazioni; la correttezza delle evidenze prodotte e delle relazioni estratte richiede comunque validazione.
Per confrontare valori numerici, conviene inoltre affidare conversioni delle unità di misura, soglie e tolleranze a regole verificabili. Il modello può riconoscere il parametro nel documento; il controllo quantitativo deve applicare criteri espliciti e conservare le condizioni a cui quel valore si riferisce.
Tre casi d’uso: automazione, assistenza e controllo della compliance
I tre casi d’uso che presentiamo di seguito mostrano come l’Agentic AI possa supportare l’intero ciclo dell’analisi di compliance: dalla valutazione preliminare delle richieste alla gestione degli scostamenti, fino al controllo degli aggiornamenti documentali.
Automatizzare l’analisi preliminare delle richieste di offerta
Partiamo dalla prima fase di un nuovo possibile progetto: all’arrivo di una RFQ, Request for Quotation, il sistema può scomporre il capitolato in requisiti, identificare le norme richiamate e confrontare le specifiche con le referenze a catalogo, con l’obiettivo di preparare una prima analisi strutturata per l’ufficio tecnico.
Questa prima attività riduce il lavoro necessario per raccogliere e ordinare le informazioni. Il tecnico può concentrarsi sugli aspetti da gestire come scostamenti, interpretazioni dubbie e condizioni che richiedono una decisione progettuale o commerciale.
Il perimetro deve essere reso evidente dall’agente: documenti analizzati, revisioni utilizzate, famiglie di prodotto considerate e informazioni mancanti. Un’analisi veloce diventa utile quando il revisore può comprenderne la copertura e riconoscerne i limiti.
Assistere gli esperti nella valutazione degli scostamenti
La deviation list è la base di lavoro per i passaggi successivi, progettazione, qualità e commerciale. Per ogni differenza rilevata il sistema dovrebbe permettere di risalire al requisito, alla caratteristica del prodotto e alla documentazione utilizzata nel confronto.
L’assenza di un’evidenza non equivale automaticamente a una non conformità. Se una scheda non riporta un parametro, il sistema deve segnalare che la verifica è incompleta. Una classificazione operativa può distinguere queste situazioni:
| Esito dell’analisi | Significato | Passaggio successivo |
|---|---|---|
| Corrispondenza documentata | Le evidenze disponibili supportano il requisito | Validare il confronto |
| Scostamento rilevato | Una caratteristica documentata differisce dalla richiesta | Valutare alternativa o modifica |
| Evidenza insufficiente | Mancano dati per completare il confronto | Recuperare documentazione o prove |
| Requisito ambiguo | La richiesta ammette interpretazioni diverse | Richiedere un chiarimento |
Questa distinzione aiuta a indirizzare il lavoro. Un prodotto alternativo, un adattamento tecnico e una richiesta di chiarimento hanno implicazioni differenti su costi, tempi e contenuto dell’offerta. La decisione resta ai responsabili competenti.
Controllare l’impatto delle revisioni documentali
Un ulteriore caso d’uso riguarda gli aggiornamenti successivi. Se cambia un capitolato o viene revisionata una scheda prodotto, le valutazioni precedenti devono essere riesaminate nelle parti coinvolte.
Le relazioni del grafo possono aiutare a individuare requisiti, prodotti e confronti interessati dalla modifica. Collegando versionamento documentale e flussi di lavoro, si può attivare una nuova verifica e assegnarla al responsabile, conservando lo storico degli esiti.
Questa estensione richiede che il sistema riceva gli aggiornamenti e gestisca le revisioni, ed è necessario costruire il sistema in modo che possa gestirli: la semplice sostituzione di ogni documento con la versione più recente può alterare il perimetro di analisi allontanandolo da quello iniziale.
Il ruolo di ERP, PLM e gestione documentale
Le analisi così realizzate acquisiscono una reale utilità quando utilizzano dati coerenti con quelli impiegati dall’azienda per progettare, produrre e vendere. Il catalogo può essere distribuito tra ERP, PLM, sistemi documentali e archivi tecnici, con responsabilità diverse sulle informazioni.
Il progetto deve individuare la fonte autorevole per ogni dato e conservare il collegamento tra codice prodotto, configurazione, revisione e documentazione. Una variante commerciale e una modifica tecnica possono avere effetti differenti sulla conformità alla richiesta.
In un’architettura integrata, l’esito dell’analisi può alimentare attività di verifica, richieste di modifica o preparazione dell’offerta. Queste integrazioni vanno definite caso per caso. Le autorizzazioni devono distinguere consultazione, proposta e aggiornamento, preservando i controlli già presenti nelle applicazioni.
Governance: fonti verificabili, supervisione e protezione dei dati
La governance dell’Agentic AI deve rendere verificabili le conclusioni e controllabili le azioni. Per ogni esito servono riferimenti alle fonti, versioni utilizzate e traccia delle elaborazioni. Nell’architettura di Reggy, la piattaforma Bishop può servire servizi comuni per sicurezza, identità, integrazione e governo dell’AI. L’architettura comprende un grafo basato su Neo4j, orchestrazione con possibilità di revisione e arresto da parte dell’operatore, tracciamento delle esecuzioni e accessi profilati. Sono funzioni che devono essere tradotte in responsabilità e procedure di utilizzo.
Il revisore deve poter distinguere informazioni estratte, confronti effettuati e conclusioni proposte, correggendo eventuali errori. Anche la conoscenza derivata dalle verifiche umane richiede un processo di approvazione prima di essere riutilizzata.
Sul piano applicativo, un’altra best practice suggerita da OWASP² raccomanda strumenti limitati al necessario, privilegi minimi e approvazioni per le operazioni ad alto impatto. Le autorizzazioni devono essere applicate nei sistemi destinatari, evitando di affidarne il rispetto al solo modello.
Capitolati e schede possono contenere informazioni riservate. Per Reggy prevediamo installazioni on-premise o in private cloud e scelta dei modelli per singolo passaggio. Il controllo dei dati deve includere anche gli endpoint dei modelli, i log e le copie documentali. Le caratteristiche dell’installazione vanno quindi verificate sull’intero flusso di elaborazione.
Misurare il beneficio dell’Agentic AI nell’analisi di compliance
Il primo indicatore è il tempo necessario per completare l’analisi, includendo la revisione umana. Va affiancato alla copertura dei requisiti, agli scostamenti individuati correttamente, alle omissioni e alle segnalazioni errate. Nei test conta in particolare verificare quante incongruenze il sistema lascia passare come corrispondenze.
Un riscontro applicativo riguarda un’azienda nostra cliente, produttrice di pompe per l’automotive. Grazie all’introduzione di Reggy è stato possibile ridurre del 90% del tempo di analisi delle offerte, insieme alla strutturazione della conoscenza degli ingegneri.
In termini generali, per avviare il progetto conviene selezionare capitolati già valutati dagli esperti, includendo casi complessi, dati mancanti e scostamenti noti. Il confronto permette di verificare qualità dell’ontologia, completezza della base documentale e affidabilità degli esiti prima di ampliare l’utilizzo.
Il risultato da perseguire è una valutazione più rapida, documentata e ripetibile: gli esperti ricevono requisiti organizzati, evidenze collegate e scostamenti da esaminare, mantenendo la responsabilità sulle decisioni tecniche e sugli impegni assunti nell’offerta.
Prenota un momento di confronto con il nostro team per scoprire come trasformare la verifica di compliance in un flusso di lavoro rapido, accurato e tracciabile.
¹ Fonte: Anthropic.com
² Fonte: Genai.owasp.org
