Alation ha introdotto AIOS, acronimo di Alation Intelligence Operating System, una piattaforma progettata per governare l’intelligenza artificiale durante la costruzione e l’utilizzo di agenti e applicazioni nei processi aziendali più critici. Il sistema riunisce dati, contesto operativo, agenti, governance e cicli di feedback all’interno di un’unica architettura, con l’obiettivo di mantenere affidabili le applicazioni AI anche dopo il passaggio dalla sperimentazione alla produzione.
AIOS nasce per affrontare una classe di problemi che non dipende necessariamente dalle capacità del modello linguistico utilizzato. Un agente può produrre una risposta errata perché ha ricevuto dati obsoleti o non corretti, perché ha interpretato una definizione aziendale non più valida oppure perché le istruzioni, gli strumenti e le configurazioni sulle quali è stato costruito non sono stati aggiornati insieme all’ambiente operativo. In tutti questi casi il sistema può restituire una risposta formulata con sicurezza, senza generare un errore tecnico immediatamente riconoscibile.
L’architettura è stata quindi costruita per intervenire su tre livelli collegati. Il primo riguarda i dati sui quali opera l’agente, il secondo comprende il contesto, le definizioni e le regole aziendali necessarie per interpretarli, mentre il terzo interessa l’agente stesso, i suoi prompt, le istruzioni e gli strumenti che utilizza. AIOS collega questi elementi affinché un errore possa essere ricondotto alla componente che lo ha generato, anziché emergere soltanto come una risposta inesatta difficile da spiegare.
La piattaforma viene descritta come aperta, governata e auto-migliorante. L’apertura consente alle organizzazioni di utilizzare agenti costruiti in ambienti differenti, mentre la governance applica regole, controlli, autorizzazioni e tracciabilità ai diversi livelli del sistema. I cicli di feedback trasformano gli errori rilevati durante l’utilizzo in correzioni dei dati, dei metadati, delle definizioni o delle istruzioni, creando un processo continuo di miglioramento.
AIOS non richiede che gli agenti vengano sviluppati esclusivamente con strumenti Alation. Le organizzazioni possono utilizzare Microsoft Copilot, Snowflake, Gemini, Claude Code, n8n, Microsoft 365, framework proprietari oppure Agent Studio di Alation. Il sistema acquisisce inoltre contesto da ambienti come Power BI, Tableau, dbt e documenti non strutturati, mantenendo la possibilità di riscrivere le informazioni aggiornate verso il sistema scelto dall’organizzazione. Questa impostazione distingue AIOS da una piattaforma chiusa nella quale agenti, modelli e dati devono appartenere allo stesso ecosistema. Alation assegna alla propria soluzione il compito di mantenere osservabili, governabili e correggibili gli agenti indipendentemente dal luogo nel quale sono stati sviluppati o eseguiti.
La base dell’architettura è costituita dal livello dei dati. Il catalogo offre un sistema di registrazione unitario per le risorse informative presenti nell’organizzazione e utilizza indicatori di affidabilità e modelli reali di utilizzo per ordinare i risultati di ricerca. L’obiettivo non è mostrare soltanto il contenuto con il nome più simile alla query, ma fare emergere quello considerato più attendibile e maggiormente utilizzato nei processi aziendali. La componente di lineage consente di ricostruire l’origine di un valore fino alla sorgente, seguendolo a livello di colonna attraverso le trasformazioni applicate. Quando un indicatore viene utilizzato all’interno di un report, di una decisione o della risposta di un agente, gli utenti possono quindi individuare il dataset originale e i passaggi che hanno prodotto il risultato finale. Gli indicatori di qualità vengono calcolati e presentati nel momento in cui una risorsa viene utilizzata, così da impedire che una sorgente deprecata, incompleta o non più affidabile venga inserita senza controllo in un’analisi o in un documento destinato alla direzione. Le funzioni di curation generano bozze delle descrizioni e individuano le risorse maggiormente utilizzate dagli analisti, riducendo il lavoro manuale necessario per mantenere aggiornata la documentazione.
Sopra il livello dei dati si trova quello del contesto, destinato a tradurre le risorse catalogate in concetti comprensibili agli agenti. Definizioni, regole, relazioni, metriche e logiche operative indicano al sistema come funziona realmente l’organizzazione e quale significato deve essere attribuito ai diversi dati. I dati governati possono essere organizzati in data product certificati e riutilizzabili. Il Data Product Builder permette di associare a ogni prodotto lineage, contratti, regole e policy prima della pubblicazione, mentre il marketplace consente a persone e agenti di individuare e utilizzare le stesse risorse attraverso interfacce differenti. Le ontologie governano le relazioni tra i concetti aziendali. Termini come “cliente”, “account attivo”, “ordine completato” o “fatturato riconosciuto” possono così mantenere una definizione coerente tra dipartimenti, applicazioni e agenti, evitando che sistemi differenti utilizzino significati incompatibili per la stessa espressione.
Il terzo livello comprende gli agenti e le applicazioni intelligenti che utilizzano dati e contesto. AIOS è destinato alla realizzazione di chat aziendali, applicazioni incorporate, dashboard agentiche, automazioni e agenti specializzati. La piattaforma mantiene collegate queste applicazioni alle sorgenti informative governate, permettendo di controllare il modo in cui arrivano a una risposta.
Agent Studio supporta la costruzione di agenti basati sulla conoscenza aziendale governata. Questi sistemi possono essere utilizzati per automatizzare attività, interrogare i dati, applicare regole operative e intervenire nei processi, mantenendo la possibilità di tracciare le informazioni e le istruzioni impiegate. AIOS applica la governance all’intero sistema anziché trattarla come un controllo separato e successivo. Regole di accesso, lineage, qualità, definizioni e prove di conformità accompagnano dati, contesto e agenti durante l’esecuzione. La piattaforma cerca quindi di applicare i controlli mentre l’agente sta prendendo una decisione, non soltanto dopo che l’azione è stata completata.
Uno dei principi centrali è il ciclo di feedback auto-migliorante. Quando una risposta risulta sbagliata, AIOS deve permettere di stabilire se l’origine del problema si trovi nel dato, nella sua qualità, in una definizione aziendale, nel contesto fornito al modello oppure nelle istruzioni dell’agente. La correzione viene applicata alla componente responsabile e resa disponibile anche alle successive interazioni. Alation ha sperimentato questo processo su un agente SQL inizialmente privo di metadati, che rispondeva correttamente al 60% delle domande. Dopo due cicli di valutazione e correzione dei metadati, l’accuratezza dichiarata ha raggiunto il 100%, senza modificare il modello. Il processo prevedeva l’esecuzione dell’agente su domande aziendali reali, l’individuazione delle lacune informative responsabili degli errori, la correzione dei metadati, una nuova verifica e l’approvazione umana delle modifiche.
L’obiettivo del feedback non è quindi aggiungere indiscriminatamente più contesto al prompt, ma mantenere sincronizzati dati, significati e agenti nel tempo. Le definizioni possono cambiare, le sorgenti possono essere sostituite e la proprietà di un processo può passare a un altro gruppo; un sistema statico di documentazione non è sufficiente per recepire automaticamente queste variazioni.
AIOS comprende cinque principali aree applicative. Agentic Automation utilizza Agent Studio per automatizzare processi attraverso dati governati. Agentic Compliance gestisce workflow di conformità e prepara le prove richieste da auditor, dirigenti e autorità. Agentic Data Governance controlla dati, contesto, accessi e lineage delle decisioni. Conversational Analytics permette di formulare domande in linguaggio naturale e ottenere risposte collegate a fonti attendibili. AI Governance organizza il controllo di modelli, agenti e strumenti in base ai singoli casi d’uso, mantenendo disponibili le evidenze necessarie.
La componente di AI Governance risponde alla difficoltà di mantenere un sistema di registrazione completo per tutti i modelli, gli agenti e gli strumenti AI utilizzati da un’impresa. Le approvazioni spesso rimangono distribuite tra email, pagine SharePoint e documenti che diventano rapidamente obsoleti, costringendo i responsabili a ricostruire manualmente la posizione di conformità quando viene richiesta da un consiglio di amministrazione o da un’autorità.
Alation applica a questo problema l’esperienza maturata nel catalogo dei dati, nella qualità e nel lineage. Le organizzazioni che dispongono già di metadati, classificazioni, ownership e controlli non devono ricominciare da zero per rendere i propri dati utilizzabili dagli agenti. AIOS utilizza questa base per estendere la governance dalle risorse informative alle applicazioni AI che le consumano.
La piattaforma è progettata per funzionare su infrastrutture dati eterogenee. Alation sottolinea che la governance limitata a un singolo ambiente, come Snowflake, non copre necessariamente database NoSQL, API, strumenti di business intelligence, Databricks, SAP e altre piattaforme operative. AIOS mira invece a fornire agli agenti un contesto governato comune attraverso l’intero patrimonio informativo aziendale. Questa estensione evita che ogni sistema mantenga una propria versione separata di definizioni, regole e autorizzazioni. L’agente può così accedere a una rappresentazione coerente dei concetti aziendali anche quando i dati provengono da piattaforme differenti.
Alation collega il funzionamento della piattaforma ad alcuni casi già applicati in produzione. Georgia-Pacific aveva dati di inventario provenienti da oltre trenta sorgenti e distribuiti tra più di duecento siti produttivi. La mancanza di fiducia nelle informazioni portava ogni impianto ad acquistare ricambi anche quando erano già disponibili in altre sedi. L’integrazione di segnali di qualità in tempo reale all’interno del catalogo ha permesso di rendere utilizzabili i dati condivisi. Alation associa a questo intervento circa 25 milioni di dollari in trasferimenti interaziendali di ricambi che in precedenza sarebbero stati acquistati da fornitori esterni.
Daimler Truck North America utilizza invece metadati trattati come un sistema dinamico per alimentare agenti dedicati alla catena di fornitura. Questi agenti cercano di individuare in anticipo l’effetto frusta, nel quale piccole variazioni della domanda possono generare oscillazioni molto più ampie nei livelli successivi della supply chain, segnalando ritardi dei componenti e supportando il passaggio verso una pianificazione più autonoma dei materiali. Euromonitor utilizza un accesso conversazionale a oltre cinquant’anni di ricerche di mercato. Le risposte devono essere ricondotte alle definizioni approvate dall’organizzazione e mantenere visibile la logica utilizzata, in modo che un analista possa verificare il risultato prima di impiegarlo. Brambles applica agenti alla governance dei Critical Data Element, collegandoli attraverso centinaia di migliaia di oggetti informativi. L’automazione riduce il lavoro necessario per individuare e gestire le relazioni tra gli elementi considerati essenziali per i processi aziendali.
AIOS non viene presentato come un prodotto aggiunto separatamente alla precedente piattaforma Alation. La società lo definisce come una riorganizzazione dell’architettura già costruita attorno a catalogo, metadati, qualità, lineage, contesto e governance, ora estesa agli agenti e alle applicazioni AI. L’adozione può iniziare da un singolo caso d’uso senza richiedere la ricostruzione completa dell’infrastruttura dati. L’utilizzo operativo del primo agente genera i segnali necessari per individuare le lacune nei dati e nel contesto, che vengono progressivamente corrette attraverso i cicli di feedback. La funzione attribuita ad AIOS non consiste quindi nel sostituire modelli, data warehouse, strumenti di business intelligence o piattaforme agentiche. Il sistema opera come livello comune che mantiene sincronizzati dati, significati, agenti e controlli mentre l’ambiente aziendale cambia, così che una risposta possa essere verificata, spiegata e corretta anche dopo il passaggio alla produzione.