KT ha sviluppato Agentic Data Flow, un’infrastruttura aziendale progettata per consentire agli agenti di intelligenza artificiale di comprendere e utilizzare direttamente i dati distribuiti nei sistemi interni, collegando l’accesso alle informazioni con l’esecuzione delle attività operative. L’obiettivo non è limitarsi all’introduzione di singoli agenti AI, ma creare una base comune attraverso cui i sistemi possano riconoscere il contesto specifico dell’organizzazione, interpretarne correttamente dati e conoscenze e trasformarli in azioni all’interno dei processi aziendali. L’architettura è composta da quattro elementi principali, denominati K Feature Map, K Meta, KT Ontology e K Evaluation, che coprono rispettivamente la preparazione dei dati, la governance, la rappresentazione della conoscenza e la verifica continua della qualità degli agenti.
Alla base del progetto c’è il problema della frammentazione delle informazioni tra sistemi differenti. All’interno di una stessa azienda, dati relativi allo stesso cliente, prodotto o servizio possono infatti essere definiti e gestiti con criteri diversi a seconda del reparto, rendendo più complessa sia la ricerca delle informazioni sia il loro utilizzo coerente da parte di un sistema AI. Per ridurre questo problema KT utilizza K Feature Map, un livello costituito da asset di dati standardizzati sottoposti preventivamente a verifiche e controlli di sicurezza. Gli agenti possono quindi accedere a informazioni già preparate e validate senza dover ricostruire ogni volta il significato e la struttura dei dati di partenza, riducendo i tempi necessari alla preparazione e aumentando l’accuratezza delle analisi. KT rende attualmente disponibili attraverso questo sistema circa 1.600 tipologie di asset standardizzati, che comprendono dati come profili dei clienti, piani tariffari e pattern di utilizzo dei servizi.
K Meta introduce invece il livello di governance necessario a far comprendere agli agenti non soltanto il contenuto di un dato, ma anche il modo in cui può essere utilizzato. Il sistema standardizza nomi e formati, descrive le relazioni tra le diverse informazioni e registra elementi come livello di sicurezza, presenza di dati personali e autorizzazioni di accesso. In questo modo l’agente può distinguere tra informazioni utilizzabili liberamente e contenuti soggetti a limitazioni, evitando che dati riservati o personali vengano impiegati impropriamente durante l’esecuzione di un’attività. La governance non viene quindi applicata soltanto all’accesso tecnico ai database, ma diventa parte del contesto che l’AI deve interpretare prima di operare sui dati.
Un terzo componente, KT Ontology, serve a trasformare la conoscenza interna documentata in una struttura semantica comune comprensibile dagli agenti. Termini utilizzati nell’azienda, procedure operative, regole e know-how vengono collegati attraverso un’ontologia che permette all’AI di interpretare correttamente il significato delle informazioni rispetto al contesto in cui vengono utilizzate. La stessa conoscenza può quindi essere convertita in workflow eseguibili, consentendo agli agenti di applicare procedure e pratiche sviluppate nel tempo dall’organizzazione anziché limitarsi a recuperare informazioni da una base documentale. È questo passaggio che permette al sistema di associare i dati alle modalità operative dell’azienda e di utilizzare l’esperienza interna come parte del processo decisionale dell’agente.
L’ultimo elemento dell’architettura è K Evaluation, il sistema utilizzato per verificare continuamente la qualità dei modelli e degli agenti. KT ha sviluppato benchmark propri focalizzati sulla lingua coreana e sulle caratteristiche dell’ambiente industriale nazionale, utilizzandoli non soltanto per valutare la risposta finale generata dall’AI, ma anche per analizzare le fasi intermedie del processo. La valutazione comprende quindi la pianificazione delle attività, le decisioni prese dall’agente e i passaggi attraverso cui viene prodotto il risultato. Poiché l’intero processo può essere tracciato, eventuali errori possono essere ricondotti alla fase in cui si sono verificati, facilitando l’individuazione delle cause e il successivo miglioramento del sistema.
Agentic Data Flow viene già applicato progressivamente ad alcuni servizi e agenti sviluppati da KT, tra cui My K, il Sales Agent e K-Claw, un agente dedicato all’automazione delle attività lavorative. La società prevede inoltre di collegare questa infrastruttura a Modu-ui AI, il proprio progetto destinato ad ampliare l’utilizzo dell’intelligenza artificiale nei servizi aziendali. In questo modello i diversi agenti condividono quindi una base comune per accedere ai dati, comprenderne significato e vincoli, utilizzare la conoscenza interna e sottoporre continuamente le proprie attività a valutazione, creando un unico flusso tra patrimonio informativo aziendale ed esecuzione automatizzata dei processi.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)