Infrastructure AI ha presentato Agentic Hub 1.0, una piattaforma edge progettata per ospitare agenti intelligenti permanenti all’interno di edifici, fabbriche, reti di pubblica utilità, sistemi di trasporto, aeroporti, ospedali, campus e infrastrutture urbane. L’architettura è pensata per superare il modello degli agenti AI attivati soltanto quando devono eseguire un compito. Gli agenti residenti mantengono invece identità, memoria, contesto operativo, competenze di dominio e cronologia delle decisioni durante l’intero ciclo di vita dell’asset fisico al quale sono associati. La piattaforma combina agenti basati su grandi modelli linguistici e agenti costruiti su reti neurali all’interno di un ambiente containerizzato e protetto, installato direttamente in prossimità degli impianti. Questa collocazione consente di elaborare eventi, segnali e decisioni localmente, riducendo la dipendenza dal cloud e la latenza nelle operazioni che richiedono una risposta immediata.
Nell’architettura di Agentic Hub 1.0, gli agenti basati su reti neurali costituiscono il livello dedicato alla percezione e all’analisi dei dati operativi. Questi componenti ricevono informazioni da sensori, dispositivi e sistemi di controllo, riconoscono schemi ricorrenti, individuano anomalie e interpretano variazioni nei segnali. Possono inoltre stimare il comportamento futuro delle apparecchiature, eseguire diagnosi e contribuire all’ottimizzazione dei processi. In una fabbrica, per esempio, una rete neurale può rilevare vibrazioni incompatibili con il normale funzionamento di un motore e prevedere un possibile guasto. In un edificio può confrontare consumi, temperature e occupazione degli spazi per individuare inefficienze. In una rete di trasporto può analizzare flussi, ritardi e condizioni operative in tempo reale. Questo livello produce quindi l’informazione tecnica necessaria per comprendere ciò che sta avvenendo nell’infrastruttura.
Gli agenti basati su modelli linguistici svolgono invece le funzioni di interpretazione, pianificazione e orchestrazione. Una volta ricevuto un evento dal livello neurale, l’agente LLM può consultare il gemello digitale dell’asset, analizzare la cronologia operativa, verificare procedure e vincoli autorizzativi, coordinare più sistemi e stabilire quale risposta adottare. Il modello linguistico non sostituisce quindi l’analisi numerica delle reti neurali, ma utilizza i risultati per costruire una decisione contestualizzata. Può distinguere un’anomalia temporanea da un problema che richiede manutenzione, confrontare l’evento con casi precedenti e attivare il flusso operativo previsto dalle politiche aziendali. La separazione tra percezione e ragionamento permette di utilizzare tecnologie differenti per compiti differenti. Le reti neurali elaborano segnali e serie temporali, mentre i modelli linguistici gestiscono conoscenza, contesto, procedure e coordinamento.
I diversi agenti vengono eseguiti all’interno di Agentic Container, ambienti isolati che riuniscono memoria, modelli, autorizzazioni e componenti applicativi necessari per operare su uno specifico sistema fisico. I container sono ospitati nell’Intelligence Interface Module sviluppato da Infrastructure AI. Il modulo svolge il ruolo di dispositivo edge e crea un livello intermedio tra gli agenti e l’infrastruttura controllata. Al suo interno possono coesistere previsione, ragionamento, pianificazione, conservazione della memoria e attivazione delle azioni. L’elaborazione rimane vicina a sensori, macchine e sistemi di automazione, mentre la connessione con piattaforme centrali può essere utilizzata per sincronizzare dati, politiche o modelli. Infrastructure AI definisce questa configurazione Living Infrastructure Device, indicando un dispositivo che non si limita a eseguire software edge, ma conserva nel tempo l’intelligenza associata agli asset. La definizione descrive una visione architetturale del produttore e non una nuova categoria hardware standardizzata. Il valore tecnico dipenderà dall’integrazione effettiva con i protocolli industriali, dalle prestazioni locali e dal livello di autonomia consentito nelle singole installazioni.
La memoria è uno degli elementi centrali della piattaforma. Un agente tradizionale riceve normalmente il contesto necessario per una singola richiesta e termina l’esecuzione al completamento del compito. Gli agenti residenti conservano invece informazioni sulle condizioni dell’asset, sugli eventi precedenti, sulle decisioni adottate e sui risultati ottenuti. La cronologia non deve essere ricostruita a ogni nuova attivazione, ma diventa parte permanente dell’ambiente operativo. Questo approccio può risultare utile nella manutenzione predittiva e nella gestione di impianti complessi. Un agente può ricordare che una determinata apparecchiatura ha già presentato la stessa anomalia, verificare quale intervento era stato effettuato e confrontarne gli effetti con la situazione attuale. La memoria deve però essere sottoposta a controlli sulla qualità, sulla conservazione e sull’aggiornamento dei dati. Informazioni errate o non più valide potrebbero condizionare le decisioni successive, soprattutto nei sistemi che apprendono dall’esperienza operativa.
Agentic Hub 1.0 utilizza i gemelli digitali come rappresentazione strutturata degli asset fisici e delle loro relazioni. Un gemello digitale può contenere configurazioni, componenti, parametri tecnici, dipendenze, condizioni operative e modelli di comportamento. Gli agenti possono consultarlo per interpretare correttamente un evento e comprendere quali parti del sistema potrebbero essere coinvolte. Nel caso di un impianto industriale, l’aumento della temperatura di una macchina può essere collegato alla sua posizione nella linea, agli elementi a monte e a valle, alle procedure di manutenzione e alle conseguenze di un eventuale arresto. Il gemello digitale permette così di evitare che il dato venga analizzato in modo isolato. L’agente può inserirlo nella rappresentazione complessiva dell’infrastruttura e valutare gli effetti di una decisione prima di applicarla.
La piattaforma è stata progettata attorno a otto aree funzionali: intelligenza operativa, memoria dell’infrastruttura, competenza di dominio, conoscenza derivata dai gemelli digitali, capacità decisionale autonoma, collaborazione tra agenti, governance e conformità, evoluzione progressiva. L’intelligenza operativa riguarda l’analisi delle condizioni correnti e l’ottimizzazione delle attività. La memoria conserva eventi e interventi, mentre la competenza di dominio permette agli agenti di applicare procedure specifiche per il settore. La componente decisionale utilizza queste informazioni per selezionare le azioni, mentre la collaborazione consente a più agenti di scambiarsi dati e coordinare attività che coinvolgono asset differenti. Governance e conformità definiscono limiti, responsabilità e verifiche. L’evoluzione progressiva indica infine la possibilità di migliorare le risposte attraverso l’esperienza, senza trattare ogni evento come un’esecuzione completamente indipendente. Non tutte queste capacità implicano necessariamente un apprendimento automatico continuo dei modelli. L’evoluzione può derivare anche dall’aggiornamento della memoria, delle regole, del gemello digitale o delle conoscenze disponibili.
Ogni entità intelligente ospitata dalla piattaforma dovrebbe disporre di un’identità persistente definita attraverso un Agent Passport. Il passaporto associa all’agente informazioni identificative, permessi, politiche operative e registrazioni verificabili delle attività svolte. In un sistema con numerosi agenti, questa struttura serve a stabilire chi ha effettuato una determinata azione, con quali autorizzazioni e sulla base di quali regole. Un agente incaricato di monitorare un impianto può, per esempio, essere autorizzato a leggere i dati e generare una segnalazione, ma non a modificare direttamente i parametri di funzionamento. Un secondo agente può disporre dell’autorizzazione per effettuare interventi limitati, mentre le azioni critiche possono richiedere l’approvazione di un operatore. La persistenza dell’identità è particolarmente importante quando gli agenti collaborano. Ogni richiesta e risposta deve poter essere attribuita a un’entità riconosciuta e dotata di permessi espliciti.
Agentic Hub 1.0 integra un Agent Governance Framework per applicare politiche, autorizzazioni e controlli alle attività degli agenti. L’architettura prevede registri operativi verificabili, destinati a documentare eventi, decisioni e azioni. Questa tracciabilità può supportare audit tecnici, analisi degli incidenti e requisiti di conformità. La piattaforma include anche una componente denominata Infrastructure Blockchain, utilizzata per gestire identità e registrazioni distribuite. La reale utilità della blockchain dipenderà tuttavia dal modo in cui verrà implementata. All’interno di una singola organizzazione, un registro tradizionale immutabile e sottoposto a controllo potrebbe essere sufficiente. Una struttura distribuita può invece risultare utile quando diversi operatori, proprietari o enti devono condividere dati e verificare le attività senza affidarsi a un’unica autorità. Nel caso di ospedali, utility, aeroporti e infrastrutture urbane, il sistema dovrà inoltre rispettare requisiti rigorosi sulla protezione dei dati, sulla segmentazione delle reti e sulla possibilità di disattivare rapidamente le funzioni autonome.
La piattaforma comprende Infrastructure Swarm Intelligence, un sistema destinato a coordinare agenti associati ad asset o domini differenti. La collaborazione può essere utilizzata quando un evento locale produce conseguenze su più parti dell’infrastruttura. Un problema nella distribuzione elettrica di un edificio, per esempio, può richiedere l’intervento coordinato degli agenti responsabili dell’energia, della climatizzazione, degli ascensori e della sicurezza. Ogni agente mantiene la propria identità e il proprio ambito operativo, ma può condividere informazioni pertinenti con gli altri componenti autorizzati. Infrastructure AI prevede un’evoluzione verso reti composte da milioni o miliardi di entità intelligenti. Si tratta di un obiettivo di lungo periodo e non di una scala dimostrata dalla versione 1.0. La gestione di un numero molto elevato di agenti richiederebbe meccanismi per limitare il traffico, verificare la qualità delle informazioni e impedire che errori locali si propaghino attraverso l’intera rete.
L’esecuzione diretta all’edge consente di elaborare i dati vicino all’infrastruttura che li genera. Questa scelta può ridurre la latenza e mantenere operative alcune funzioni anche quando la connessione con il cloud non è disponibile. Può inoltre limitare il trasferimento di informazioni sensibili verso sistemi esterni. L’edge computing introduce però vincoli di potenza, memoria, raffreddamento e manutenzione. I modelli utilizzati localmente dovranno essere compatibili con le risorse dell’Intelligence Interface Module oppure appoggiarsi a un’architettura ibrida nella quale alcune elaborazioni vengono eseguite nel cloud. La piattaforma dovrà anche gestire l’aggiornamento dei modelli e delle politiche su dispositivi distribuiti. Ogni aggiornamento deve essere autenticato, verificabile e reversibile per evitare l’introduzione di incompatibilità o vulnerabilità.
Agentic Hub 1.0 vuole spostare la gestione delle infrastrutture dall’automazione basata su regole fisse a sistemi capaci di interpretare il contesto e modificare il proprio comportamento sulla base dell’esperienza L’autonomia prevista non dovrebbe essere considerata assoluta. Negli ambienti critici, le decisioni degli agenti devono restare sottoposte a limiti deterministici, autorizzazioni e procedure di escalation verso operatori umani. Un sistema può essere autorizzato a regolare un parametro entro un intervallo sicuro, ma non a modificare configurazioni essenziali senza approvazione. L’autonomia deve quindi essere graduata in funzione del rischio e della reversibilità dell’azione. La combinazione di modelli linguistici, reti neurali, memoria persistente, gemelli digitali e governance crea un’architettura adatta a sistemi che devono osservare e coordinare processi per periodi prolungati. Agentic Hub 1.0 non fornisce ancora dati pubblici su prestazioni, configurazioni hardware, compatibilità con protocolli specifici, costi o installazioni operative. La validità industriale della piattaforma dovrà essere misurata sulla capacità di integrarsi con infrastrutture esistenti, mantenere una memoria affidabile e applicare le politiche di sicurezza anche in presenza di errori dei modelli. Il progetto definisce comunque una direzione precisa: gli agenti non vengono più trattati come strumenti esterni che accedono temporaneamente a un impianto, ma come componenti permanenti dell’architettura digitale associata agli asset fisici.