Skan AI ha annunciato un nuovo framework chiamato Agentic Business Context Foundation (ABCF), progettato per fornire agli agenti AI enterprise un livello di contesto operativo strutturato basato sull’osservazione reale dei processi aziendali. L’obiettivo dichiarato è superare uno dei principali limiti degli agenti AI attuali: la mancanza di comprensione concreta di come il lavoro venga realmente eseguito all’interno delle organizzazioni.
Secondo Skan AI, molti sistemi agentici enterprise falliscono quando devono affrontare eccezioni operative, workflow non documentati o processi distribuiti tra applicazioni differenti. ABCF nasce proprio per costruire una base contestuale continua capace di collegare attività, strumenti, decisioni operative, utenti e variabili di processo in una struttura interpretabile dagli agenti AI. Il framework si appoggia al concetto di “enterprise context graph”, una rappresentazione dinamica dei flussi operativi aziendali ottenuta tramite process intelligence e osservazione diretta del lavoro svolto dagli utenti nei sistemi enterprise.
Il framework si inserisce nel crescente filone dell’Agentic AI enterprise, nel quale gli agenti non operano più come semplici interfacce conversazionali ma come sistemi autonomi capaci di prendere decisioni, coordinare task multi-step e interagire con strumenti aziendali reali. In questo contesto il problema principale non è soltanto la capacità del modello linguistico, ma soprattutto la qualità del contesto operativo disponibile. Skan AI sostiene infatti che i modelli generalisti addestrati su dati pubblici non possiedano conoscenza delle procedure specifiche, delle eccezioni operative e delle logiche decisionali interne di ogni organizzazione.
ABCF punta quindi a creare un livello intermedio tra i foundation model e i sistemi enterprise, trasformando dati di processo, comportamenti utente e workflow reali in una memoria operativa utilizzabile dagli agenti AI. Questo approccio ricorda le architetture “context-grounded” emergenti nel settore enterprise, nelle quali graph intelligence, process mining e knowledge representation vengono combinati per ridurre hallucination, errori operativi e comportamenti incoerenti degli agenti autonomi.
Uno degli elementi chiave del framework riguarda la governance. Skan AI descrive ABCF come una base non solo per addestrare agenti più accurati, ma anche per monitorarne comportamento, conformità e impatto operativo nel tempo. Questo aspetto sta diventando centrale nell’evoluzione dell’AI enterprise, soprattutto mentre gli agenti acquisiscono capacità autonome di esecuzione e accesso diretto ai sistemi aziendali. Studi recenti evidenziano infatti come gli ecosistemi multi-agente introducano nuove problematiche legate a sicurezza, supervisione, drift comportamentale e compliance normativa.
La strategia di Skan AI si collega inoltre al concetto di “process agents”, sistemi AI addestrati non su dati generici ma sull’osservazione diretta delle modalità operative dei dipendenti esperti. In questo modello gli agenti apprendono eccezioni, workaround e logiche decisionali informali normalmente invisibili nei tradizionali sistemi di process mining basati solo su event log. L’azienda ritiene che questa componente sia indispensabile per costruire automazione enterprise realmente autonoma e scalabile.