Agent

Composizione delle Capacità di IA

Un Agente non è un pilastro separato. È un livello di combinazione che integra componenti di IA esistenti in un unico sistema.

In amsafis, gli Agenti combinano tipicamente:

Sistemi esperti + LLM, oppure
Apprendimento automatico + LLM

Il ruolo dell’Agente è coordinare questi componenti, non sostituirli. Ogni parte mantiene la propria funzione:

I sistemi esperti forniscono un ragionamento strutturato basato su regole
I modelli di apprendimento automatico forniscono risultati predittivi
Gli LLM forniscono capacità di interpretazione e generazione

Il risultato è un sistema in grado di elaborare input, consultare più fonti e restituire una risposta coerente e strutturata.

Gli Agenti sono progettati per ogni caso d’uso. Non esiste un’architettura fissa:

alcuni Agenti utilizzano gli LLM solo per l’interpretazione,
altri si basano su un ragionamento guidato da LLM più approfondito,
e alcuni integrano livelli aggiuntivi quando necessario.

Per esempio, un Agente può includere un modulo di normalizzazione semantica dei fenotipi basato sulla ricerca per similarità vettoriale. Un esempio funzionante è disponibile nel sandbox dell’Agente, che fornisce una rappresentazione leggibile per l’uomo di un’interazione progettata per la comunicazione tra macchine. Questa interfaccia non corrisponde al sistema orientato agli esseri umani, ma riflette come l’Agente interagirebbe con servizi sottostanti, come descritto nell’architettura di servizio cognitivo simbolico.

Questo illustra come capacità specifiche possano essere aggiunte senza ridefinire la struttura complessiva.

Flusso di interazione integrato

Un Agente collega più componenti in un’unica interazione.

Dal punto di vista dell’utente, questo appare come un sistema unificato. Internamente, comporta diversi passaggi:

interpretare l’input,
strutturare la richiesta,
consultare conoscenze o modelli,
e generare la risposta finale.

Questi passaggi non sono esposti come un flusso di lavoro nell’interfaccia, ma riflettono la coordinazione tra diversi componenti di IA.

L’Agente non prende decisioni in modo indipendente. Piuttosto, organizza e allinea i risultati provenienti da:

la logica deterministica (sistemi esperti),
l’inferenza statistica (apprendimento automatico),
e il ragionamento contestuale (LLM).

Questo approccio consente:

tracciabilità attraverso componenti strutturati,
flessibilità grazie a un design modulare,
e adattabilità a diversi domini.

L’Agente rappresenta quindi l’integrazione pratica dei tre pilastri.