Technology / Agentic Systems
Quasi tutte le demo di agenti funzionano una volta. Gli agenti enterprise devono funzionare ripetutamente, sotto vincoli — con esecuzione osservabile, permessi circoscritti, affidabilità misurata e controlli human-in-the-loop. KVA progetta, testa e mette in produzione sistemi agentici per workflow aziendali complessi.
Toolformer (Schick et al., 2023) ha mostrato che i modelli linguistici possono imparare a invocare strumenti esterni. ReAct (Yao et al., 2023) ha dato una struttura ai flussi di ragionamento-e-azione. Le survey del 2024 descrivono un campo in cui gli agenti si specializzano, collaborano e risolvono task reali.
Ciò che nessuno ha risolto su larga scala: come verifichiamo cosa un agente sa davvero fare, con quanta affidabilità e a quali condizioni? È questo il lavoro.
Un sistema agentico utile non è una raccolta di prompt dietro un dispatcher.
Ha bisogno di progettazione dei ruoli, confini sugli strumenti, permessi sulla memoria, policy di retrieval, regole di escalation, framework di valutazione, log di audit e checkpoint con human-in-the-loop. Sono questioni architetturali di prima classe. Trattarle come ripensamenti è il modo in cui i prototipi diventano rischi.
Ogni sistema che consegniamo definisce, in modo esplicito:
Tipizzati, circoscritti, con confini di task espliciti.
Controllo degli accessi per ciascun agente. Non capacità indiscriminata.
Regole di lettura/scrittura sullo strato dei Knowledge Object.
Quale pipeline di retrieval usa ciascun agente per quale task.
Orchestrazione, swarm, gerarchico — scelto in base alla classe di problema.
Condizioni esplicite che instradano alla revisione umana.
Benchmark di capacità subordinati a dimensioni minime del campione.
Ogni azione, chiamata a strumento e passo di ragionamento, registrabile di default.
Output verificati rispetto allo schema e alla provenienza dei KO.
Non sostituiamo i framework per agenti. Li rendiamo utilizzabili in contesti enterprise complessi.
Che usiate LangGraph, CrewAI, Copilot Studio, AutoGen, Salesforce o tooling interno, KVA lavora sopra il livello del framework: architettura, verifica, scomposizione dei task, valutazione, governance e integrazione con la conoscenza aziendale — il lavoro che trasforma un framework in un sistema di produzione di cui la vostra azienda può fidarsi.
Prima che un agente entri in un workflow di produzione, servono prove. Il nostro protocollo di verifica trasforma i sistemi agentici da demo brillanti a infrastruttura enterprise ispezionabile — un profilo operativo misurabile, non l’affermazione che un agente sia “intelligente”. Ogni agente che progettiamo o revisioniamo viene consegnato con un Agent Verification Pack.
01
Capacità, affidabilità testata, tool circoscritti e indipendenza dal modello misurata — in una pagina.
02
Performance contro una batteria di task, con success rate e intervalli di confidenza.
03
Ogni tool che l’agente può raggiungere, e il confine esplicito attorno a ciascuno.
04
Dove e come l’agente si rompe — documentato prima della produzione, non dopo.
05
Le condizioni esatte in cui il controllo torna a una persona.
06
Cosa viene registrato: chiamate ai tool, passi di ragionamento e output, con provenienza.
07
Un unico segnale go / no-go difendibile per il deployment.
Ogni agente che progettiamo o revisioniamo viene consegnato con un’Agent Card. Le capacità sono affermazioni; l’affidabilità testata è evidenza; i tool sono circoscritti; l’indipendenza dal modello è misurata, non promessa. È l’artefatto che un buyer ispeziona prima di integrare un agente.
agent-card.yaml
Illustrativo — struttura rappresentativa, non metriche reali.
agent:
name: pe-intelligence-agent
version: 0.4.2
category: investment-intelligence
capabilities:
- id: deal-comparable-analysis
description: Build comparables for a target company
tested_on:
n_samples: 142
success_rate: 0.91
ci_95: [0.86, 0.95]
label: validated # not "early data"
tools:
- market-intelligence-search
- financial-data-api
- knowledge-base-read # scoped, read-only
model_independence:
tested_with: [gpt-5, claude-opus-4-7, gemini-3-pro]
swap_overhead_pct: 3.2
audit:
log: [tool_call, reasoning_step, output]
human_in_loop_on: [output_publish, escalation]Nel lungo periodo questi pack alimentano un catalogo curato di agenti a capacità verificata — prima i verticali Research, Marketing e Venture. Il protocollo è ciò che darebbe senso a un catalogo del genere; oggi è il modo in cui rendiamo deployable ogni singolo agente.
Un buyer ragiona per caso d’uso, non per architettura. Ognuno di questi applica la stessa disciplina di verifica in un punto diverso dello spettro di autonomia.
Strumento di ricerca
Per team di R&D, ricerca e strategia.
Generazione autonoma di ipotesi scientifiche. Magellan legge attraverso i silos e propone connessioni meccanicistiche che nessun singolo ricercatore avrebbe trovato — per poi valutarle su novità, plausibilità e falsificabilità. Fase di esecuzione del framework di test, validazione esperta come passo successivo.
Modernizzazione del codebase
Per aziende con codebase legacy.
Un sistema multi-agente per comprendere, rifattorizzare e modernizzare i codebase enterprise legacy. Agenti specializzati gestiscono la mappatura delle dipendenze, l'analisi architetturale, la pianificazione del refactoring, la generazione dei test, la migrazione — coordinati tramite uno strato di conoscenza condiviso.
Modernizzazione del legacy con Catalyst →Costruttore di software enterprise
Per team che costruiscono software enterprise da specifica.
Costruisce software enterprise a partire dalle specifiche. Agenti per requisiti, architettura, implementazione, test, deployment — con gate di revisione umana a ogni punto di decisione architetturale. Pronto per la transizione commerciale.
Verticali agentici
Per team di PE, VC e corporate finance.
Lo stack Madara, scomposto in verticali: Startup Evaluator (diligence automatizzata su aziende early-stage), PE Intelligence (deal intelligence per i flussi di PE), Portfolio Monitor (monitoraggio continuo dei segnali delle società in portafoglio).
Media intelligence agentica
Per analisti di media, comunicazione e intelligence.
Analisi multi-agente che monitora gli attori dei media, estrae affermazioni, mappa le narrazioni e confronta l'inquadramento tra le testate. Agenti specializzati per ingestione, estrazione delle affermazioni, clustering, analisi dell'inquadramento. Output che rispettano ciò che l'analista sta cercando di fare.
Pattern architetturale
Per compliance, ricerca e review di investimento.
Quando un solo passaggio del modello non basta: uno strato recupera e struttura le evidenze, un altro classifica, un altro verifica le contraddizioni, un altro genera l'output, un altro ne controlla la qualità. Usato nell'analisi degli investimenti, nella compliance, nella revisione della ricerca, nei progetti di trasformazione AI.
La parte difficile degli agenti non è farne funzionare uno in una demo. È poter dire cosa fa, con quanta affidabilità e a quali condizioni — prima che tocchi qualcosa che conta.
Eseguiamo un protocollo interno che governa qualità, prontezza e sicurezza di ogni agente che sviluppiamo. È quel protocollo che ci permette di gestire una agent factory di livello enterprise anziché un mucchio di prompt ingegnosi — e di aiutare le organizzazioni ad automatizzare processi genuinamente complessi.
Ogni agente viene messo alla prova contro batterie di task prima di essere rilasciato. La capacità è misurata, non asserita.
Un'asticella definita che un agente deve superare prima di toccare un flusso di produzione — dimensioni del campione, soglie di affidabilità, regole di escalation.
Permessi sugli strumenti circoscritti, regole di lettura/scrittura sullo strato dei Knowledge Object, log di audit completi di ogni azione e passo di ragionamento.
Processi di business multi-step che prima richiedevano un essere umano a ogni snodo — scomposti, automatizzati, con human-in-the-loop solo dove se lo guadagna.
Calcolo del net asset value e flussi operativi analoghi: ingestione, riconciliazione, validazione e reportistica, con la provenienza su ogni cifra.
Agenti che attingono da database, documenti, API, feed e fogli di calcolo — normalizzando dati eterogenei in una superficie su cui il resto del sistema può ragionare.
Oltre l'estrazione: rilevamento delle contraddizioni, ranking della salienza e sintesi pronta per la decisione su conoscenza ampia, conflittuale e in via di invecchiamento.
Tre modi di iniziare, a seconda di dove siete. Ognuno produce qualcosa che potete ispezionare.
01
Revisioniamo i vostri prototipi di agenti, architettura, permessi dei tool, flussi di dati, log e setup di valutazione.
Output: mappa dei rischi, readiness score e roadmap di miglioramento.
02
Testiamo un workflow agentico contro una batteria di task — misurando affidabilità, costo, latenza, failure mode ed esigenze di escalation.
Output: un’Agent Card e un report di benchmark.
03
Progettiamo e implementiamo un workflow agentico production-grade con tool circoscritti, policy di retrieval, audit log, gate di revisione umana e monitoraggio.
Output: un sistema in produzione di cui la vostra azienda può fidarsi.
Se state valutando framework per agenti, costruendo workflow agentici interni o cercando di portare un prototipo oltre la demo, partite da un Agent Stack Review o da un Workflow Benchmark.