Composite AI e Multi-Agent Systems: verso un’IA modulare e orchestrata

Nel mondo dell’intelligenza artificiale non sempre più grande è sinonimo di migliore.

Certo i modelli di grandi dimensioni, come gli LLM, offrono una notevole potenza di calcolo e di ragionamento, ma possono introdurre anche un maggiore livello di complessità. Ad esempio, una maggiore difficoltà nel controllo delle allucinazioni e un’adattabilità inferiore a contesti con risorse limitate.

La Composite AI, e ancor più i Multi-Agent Systems (MAS), costituiscono un cambio di paradigma sostanziale: significa unire più sistemi o entità di intelligenza artificiale specializzati in compiti complementari per ridurre i costi e potenziare le performance.

Utilizzare un solo modello di IA può infatti risultare limitante nel tempo, mentre questi nuovi approcci permettono ad aziende private e pubbliche di ottenere risultati migliori e più scalabili.

Nel caso dei settori altamente regolamentati si tratta anche di una scelta che garantisce affidabilità, accuratezza e sicurezza.

In questo articolo andremo ad approfondire che cosa siano la Composite AI e i MAS, come funzionino, i vantaggi e le prospettive future.

La Composite AI si riferisce a un approccio integrato che combina diverse tecnologie di intelligenza artificiale, tra cui:

• LLMs and SLMs
• ML/DL models
• NLP
• RAG
• Ontologies
• Knowledge graphs
• Symbolic rules

Le tecnologie operano in modo integrato e ciascuna viene attivata per svolgere le attività in cui risulta più efficace. Per semplificare, potremmo paragonare la Composite AI a una squadra di calcio. Come in un team ciascun elemento è più portato e preparato per ricoprire un determinato ruolo (difendere, attaccare, parare, ecc.) e interviene solo quando c’è necessità, così nella Composite AI ogni tecnologia viene resa operativa solo per compiere le attività più appropriate.

Ciascun modello infatti può offrire ottime performance in determinati compiti, ma non essere adatto per altri.

Ad esempio, i knowledge graph sono la scelta più efficace per mappare concetti e relazioni tra dati, ma non sono in grado di generare contenuti.

La Composite AI consente quindi di superare i limiti delle singole tecnologie attivando di volta in volta quelle più adatte per sfruttarne appieno i punti di forza.

Facciamo degli esempi pratici: nella ricerca su knowledge base aziendali, la componente conversazionale può essere gestita da un LLM, mentre la parte di ricerca e recupero delle informazioni viene affidata a tecnologie specifiche, ottimizzate per il dominio applicativo.

In altri casi, l’utilizzo di un LLM risulta addirittura eccessivo. Si tratta di quei contesti in cui vi sono dei limiti infrastrutturali significativi, oppure quando è assolutamente necessario avere un controllo totale sulla gestione dei dati, o ancora quando esistono tecnologie alternative meno dispendiose e già pronte, che sono in grado di risolvere task estremamente specifici in domini altamente specializzati.

Come in una squadra di calcio c’è bisogno di un allenatore per organizzare il gioco e le strategie, così per passare dall’IA monolitica ai workflow più complessi della Composite IA è necessario un meccanismo di gestione, supervisione e coordinamento dei flussi.

Stiamo parlando dell’AI orchestrator, il componente che permette al sistema di funzionare mettendo in relazione modelli, dati e agenti e mantenendo il controllo tra i diversi passaggi. Fa da guida per i modelli di IA generativa e consente di ottenere risultati più precisi e adeguati, sia in termini di contenuto che di formato.

Grazie a meccanismi di routing intelligente, il sistema sfrutta tutte le tecnologie per ottimizzare costi, performance e qualità dei risultati in sistemi più ampi, workflow o app.

L’orchestratore colma le lacune e collega tutte le tecnologie IA presenti nel flusso di lavoro, permettendo così di raggiungere obiettivi troppo complessi per un solo modello.

Il sistema consente inoltre di automatizzare la gestione delle risorse computazionali senza intervento umano. Questo significa che può ottimizzare la distribuzione dei carichi tra i diversi componenti, attivando o disattivando risorse in base alle esigenze e dando priorità alle richieste più urgenti. L’orchestrazione è infine un tassello fondamentale per supervisionare l’intero ciclo di vita delle applicazioni, garantendo il rispetto delle norme, la sicurezza dei dati e la tutela della privacy.

La multi-agent AI ha dei meccanismi di funzionamento pressoché identici a quelli descritti per la Composite AI, con l’importante differenza che in questo caso tutte le tecnologie coinvolte fanno leva sull’IA Generativa.

Nello specifico, la Multi-agent AI si basa su agenti autonomi e specializzati che collaborano tra loro, ossia entità computazionali in grado di svolgere compiti specifici.

Anche nel caso dei sistemi Multi-Agentici c’è un orchestratore che dirige le operazioni e attiva le diverse entità “esperte” che intervengono per compiere i compiti più adatti, riducendo errori, costi e tempistiche.

Questo approccio produce notevoli effetti dal punto di vista dell’efficienza in termini computazionali e, a volte, anche in termini economici. Ricorrere a un MAS implica, infatti, che non è sempre necessario utilizzare i modelli appena usciti e/o molto costosi. Attraverso il MAS, è infatti possibile scegliere modelli più economici, ma che performano bene su un singolo task, piuttosto che modelli più grandi e più costosi.

I Multi-Agent Systems rappresentano una delle evoluzioni più promettenti dell’AI, poiché consentono di superare i limiti e i vincoli dei singoli modelli con l’esecuzione autonoma di task complessi, in modo più efficace ed efficiente.

Facciamo qualche esempio:

• Smistamento email: gli agenti sono in grado di classificare e distribuire in modo automatico le mail del customer care, indirizzandole al reparto corretto.
• Gestione documenti: gli agenti possono compilare una pratica attingendo a più fonti dati contemporaneamente e rendendo lo stile coerente e omogeneo.
• Elaborazione automatica dei documenti: attività come la gestione di bolle di consegna, ordini o fatture possono essere semplificate tramite estrazione e classificazione automatica dei dati, riducendo errori e tempi operativi.

I vantaggi offerti da queste innovative tipologie di IA sono molteplici ed evidenti.

• Riduzione dei costi: queste soluzioni permettono di ottenere prestazioni elevate utilizzando meno risorse. Per determinati task, ad esempio, non è necessario ricorrere a modelli monolitici costosi dal punto di vista computazionale ed energetico, ma è possibile utilizzare sistemi più semplici e leggeri, anche in ambienti edge.
• Minor impatto energetico: l’IA produce una notevole impronta energetica. I server e i data center necessari per far funzionare un LLM consumano grandi quantità di energia e acqua. I sistemi di Composite AI, invece, sono progettati per attivare solo le tecnologie necessarie per ciascun compito, evitando sprechi.
• Aumento dell’efficienza: ridurre costi e impatto energetico ma al contempo fornire risposte più precise e contestuali significa massimizzare l’efficienza. Questo è ancora più evidente nei MAS, in cui è possibile automatizzare interi processi con un ridotto impiego di risorse, permettendo ai professionisti di concentrarsi su attività a maggior valore aggiunto.
• Flessibilità e scalabilità: l’architettura della Composite AI e dei MAS consente di adattare facilmente il sistema a contesti e casi d’uso diversi. I singoli componenti possono essere aggiornati, sostituiti o integrati senza dover riprogettare l’intera soluzione. Questo rende l’IA più modulare e scalabile, capace di evolvere nel tempo insieme alle esigenze dell’organizzazione.
• Accuratezza e affidabilità: l’integrazione di diverse tecnologie (come modelli linguistici, knowledge graph e regole simboliche) permette di ottenere risultati molto accurati. L’AI Orchestrator contribuisce a garantire il rispetto della governance, imponendo regole e guardrail per mantenere i sistemi all’interno delle procedure e delle normative adottate.
• Resilienza e riduzione del rischio: a differenza dei modelli monolitici, questi sistemi non dipendono da un’unica tecnologia o da un solo provider. Questo consente di ridurre i rischi legati a malfunzionamenti, cali di performance o indisponibilità di un servizio. In caso di necessità, è possibile infatti attivare soluzioni alternative.
• Trasparenza ed explainability: l’integrazione di alcune tecniche specifiche consente di aumentare la trasparenza dei processi decisionali. Qui è possibile tracciare il funzionamento delle decisioni, facilitando la comprensione degli output e il rispetto delle normative, in particolare nei contesti più regolamentati.

Questi vantaggi non sono solo teorici, ma trovano applicazione concreta nelle piattaforme progettate secondo un approccio composito, come nel caso della piattaforma di Almawave AIWave.

AIWave è la piattaforma di intelligenza artificiale progettata da Almawave per supportare imprese e Pubbliche Amministrazioni nell’implementazione dell’IA nei processi operativi, anche in modalità low-code/no-code.

Si tratta di una piattaforma modulare e scalabile pensata per progettare e sviluppare applicazioni basate su IA, integrare funzionalità intelligenti nei processi di business esistenti oppure utilizzare soluzioni già pronte per potenziare le proprie attività.

La piattaforma AIWave si basa essenzialmente proprio sulla Composite AI che abbiamo appena introdotto, le cui capacità generative (LLM, RAG, NLQ – Natural Language Query) vengono integrate con altre tecnologie per costruire sistemi più efficienti, controllabili e contestuali.

In questo contesto, l’orchestrazione gioca un ruolo centrale: AIWave coordina modelli, dati e componenti intelligenti, permettendo di utilizzare ogni tecnologia nel modo più appropriato e di gestire flussi complessi in modo dinamico.

Tecnologie di machine learning, deep learning (anche con modelli pre-addestrati), knowledge graph e RAG, contribuiscono a migliorare l’accuratezza, l’efficienza e la trasparenza dei sistemi, oltre che l’esperienza degli utenti.

Grazie alla Composite AI di AIWave, Almawave è in grado di fornire soluzioni specializzate e performanti in particolare ad aziende ed enti istituzionali alla ricerca di sistemi altamente affidabili e sicuri.

Questi nuovi sistemi di intelligenza artificiale basati su molteplici modelli e tecnologie possono infatti incrementare la sicurezza e il rispetto della privacy, limitando l’uso degli LLM ai soli casi necessari e delegando altre operazioni a tecnologie interne e più controllabili.

Vuoi sapere quali benefici la nostra Composite AI può portare alla tua attività?