L’AI entra spesso in azienda attraverso strumenti individuali, mentre dati e processi restano distribuiti tra ERP, PLM, punti vendita, supply chain, CRM, e-commerce, documenti e piattaforme collaborative. In questa configurazione il modello può rispondere a una domanda, ma fatica a comprendere il contesto operativo e a trasformare la risposta in un’azione verificabile.
Ocra ha sviluppato Artiplane proprio per collocare un layer di intelligenza sopra l’ecosistema esistente. La piattaforma, verticalizzata inizialmente per Fashion & Retail, offre un solo punto di accesso ai dati e ai processi, nel rispetto di ruoli e permessi. È oggi in beta presso tre aziende, mantenute anonime, che la stanno validando su casi d’uso specifici.
Indice degli argomenti
Il routing sceglie il modello in base al compito
Artiplane integra sistemi enterprise e fonti informative tramite connettori e workflow. Un livello semantico basato su RAG rende interrogabili dati, documenti e conoscenza aziendale. Il routing classifica ogni richiesta e sceglie il modello in funzione della qualità attesa, del costo e della tipologia di attività, con fallback automatico e possibilità di esecuzione parallela.
L’infrastruttura utilizza componenti come AWS Bedrock, Databricks e n8n, ma può essere distribuita su cloud differenti, private cloud o on-premise. L’integrazione con più provider e famiglie di modelli evita che il funzionamento della piattaforma dipenda da un solo ecosistema.
Dalla risposta all’azione tracciata
Gli utenti possono recuperare informazioni con citazione della fonte e, quando previsto, avviare azioni con conferma esplicita e audit trail. Gli agenti monitorano eventi, segnalano anomalie e collaborano tra funzioni.
SSO, ruoli, budget, guardrail, rilevamento e anonimizzazione delle informazioni personali e policy legate all’AI Act governano prompt, upload e chiamate agli strumenti.
Il progetto deriva da circa tre anni di sviluppo di competenze e componenti, seguiti da un anno di lavoro del team Ocra sulla verticalizzazione Fashion & Retail.
L’implementazione procede per moduli: connessione delle fonti, definizione dei permessi, costruzione del livello di conoscenza, configurazione del routing, sviluppo degli agenti e validazione dei workflow.
Il controllo dei costi entra nell’orchestrazione
Ottimizzazione dei prompt, cache semantica, fallback e budget per area e utente affiancano il routing multi-modello. In base alle prime stime si prevede una riduzione dei costi AI fino al 68% rispetto a un approccio con un solo provider.
La replicabilità risiede nella separazione tra il core tecnologico e i template di dominio. Connettori, semantica, agenti e workflow incorporano i processi Fashion & Retail; lo stesso layer può essere adattato ad altre industrie senza ricostruire la piattaforma. La fase beta serve ora a validare processi, agenti e KPI prima della scalabilità industriale.
Il progetto è entrato nella rosa dei finalisti per i Digital360 Awards nella categoria “AI – Governance & Core Modernization”.
Partecipa alla community