Gli agenti di intelligenza artificiale stanno cambiando non solo il modo in cui le organizzazioni utilizzano l'intelligenza artificiale, ma anche il modo in cui il software interagisce con altro software. Le applicazioni tradizionali seguono in genere flussi di lavoro predefiniti: un utente avvia un'azione, un'applicazione chiama un'API, i dati vengono recuperati e il processo continua. Gli agenti di intelligenza artificiale introducono uno schema meno prevedibile. Possono decidere quali strumenti utilizzare, chiamare più sistemi, reagire alle informazioni in continua evoluzione e avviare azioni successive.
Questo cambiamento sta mettendo in luce i limiti dei servizi di integrazione cloud progettati principalmente per garantire una comunicazione prevedibile tra le applicazioni.
Leggi anche: Perché lo sviluppo di portali web non può più considerare l'autenticazione come un problema di accesso
L'API è stata creata per un mondo più prevedibile
Le API rimangono fondamentali per l'architettura web moderna, ma molte sono state progettate attorno a richieste e risposte ben definite. Un agente può creare un carico di lavoro molto diverso.
Anziché effettuare una singola chiamata API per completare una transazione, un agente potrebbe recuperare le informazioni del cliente, verificare la disponibilità a magazzino, interrogare un servizio di determinazione dei prezzi, aggiornare un record CRM e attivare un altro flusso di lavoro. Ogni interazione introduce dipendenze, requisiti di autenticazione e potenziali punti di errore.
Ciò rende la semplice connettività insufficiente. L'architettura di integrazione deve ora tenere conto di come un agente di intelligenza artificiale scopre, seleziona e sequenzia i servizi, non solo se tali servizi sono in grado di comunicare.
L'accesso alle API non è la stessa cosa della prontezza dell'agente
Un'API può essere tecnicamente accessibile pur risultando difficile da utilizzare efficacemente per un agente di intelligenza artificiale.
Schemi poco chiari, autenticazione incoerente, risposte di errore mal definite e documentazione limitata possono rendere inaffidabili le interazioni autonome. Gli agenti necessitano di informazioni leggibili dalle macchine sulle operazioni disponibili, gli input richiesti, le autorizzazioni e i risultati attesi.
Ciò esercita una maggiore pressione sulla progettazione e sulla governance delle API, nonché sui servizi di integrazione cloud.
I sistemi legacy diventano un vincolo sempre più grande
Gli agenti di intelligenza artificiale non eliminano le applicazioni legacy. In molte aziende, devono interagire con esse.
Il problema è che i sistemi più vecchi potrebbero basarsi sull'elaborazione batch, su interfacce proprietarie o su flussi di lavoro rigidi, anziché su API moderne e flussi di eventi. Un agente che opera in tempo reale non può semplicemente presumere che il sistema sottostante sia in grado di rispondere alla stessa velocità.
Il livello di integrazione necessita di una strategia di adattamento
Le architetture moderne necessitano sempre più di livelli di integrazione in grado di mediare tra diversi modelli di interazione.
Un agente potrebbe aspettarsi una risposta immediata dall'API, mentre una piattaforma legacy potrebbe elaborare una richiesta solo tramite un processo batch pianificato. Il livello di integrazione deve gestire questa discrepanza, mantenere lo stato e comunicare all'agente un feedback significativo.
È qui che i servizi di integrazione cloud devono evolversi da semplici connettori a livelli di orchestrazione e traduzione.
Il contesto in tempo reale modifica l'architettura
Gli agenti contribuiscono inoltre a rendere più problematici i dati obsoleti.
Un'applicazione che prende una decisione basandosi sull'inventario del giorno precedente o su dati clienti obsoleti può produrre un risultato errato. Per i sistemi autonomi, le conseguenze possono aggravarsi, poiché una singola decisione errata può innescare diverse azioni successive.
L'architettura basata sugli eventi può essere d'aiuto consentendo ai sistemi di pubblicare le modifiche non appena si verificano, anziché costringere le applicazioni a interrogare ripetutamente la presenza di aggiornamenti.
Gli eventi creano un modello di integrazione diverso
Anziché chiedere "Qual è lo stato attuale?", un'applicazione può rispondere quando qualcosa cambia.
Questo approccio può ridurre il traffico API non necessario, migliorare la reattività e fornire agli agenti un contesto operativo più aggiornato. Tuttavia, introduce anche nuovi requisiti relativi agli schemi degli eventi, all'ordinamento, ai tentativi di ripetizione, ai messaggi duplicati e al ripristino in caso di errore.
La governance diventa parte integrante dell'esecuzione
La governance tradizionale dell'integrazione si concentra spesso sulle API approvate, sulle politiche di accesso e sulla proprietà del sistema. Le applicazioni agentiche richiedono che la governance si estenda al comportamento in fase di esecuzione.
Un agente può avere il permesso di accedere a un sistema, ma non necessariamente dovrebbe avere l'autorità illimitata di eseguire ogni azione disponibile.
L'osservabilità deve seguire l'agente
Le organizzazioni hanno bisogno di visibilità sugli strumenti a cui un agente ha avuto accesso, sui dati che ha recuperato, sulle decisioni che hanno innescato le chiamate successive e sui punti in cui un flusso di lavoro ha fallito.
Ciò rende sempre più importante la tracciabilità di API, eventi, database e servizi di intelligenza artificiale. Senza tale visibilità, diagnosticare un'azione autonoma errata diventa molto più difficile che risolvere un problema in una transazione applicativa convenzionale.
Dichiarazione conclusiva
Gli agenti basati sull'intelligenza artificiale stanno dimostrando che la sola connettività non è sufficiente. La prossima generazione di servizi di integrazione cloud dovrà connettere le applicazioni gestendo al contempo contesto, orchestrazione, identità, eventi ed esecuzione sempre più autonoma.
La lezione più importante non è che l'integrazione tradizionale sia diventata obsoleta. È che le architetture di integrazione create per interazioni software prevedibili devono ora essere in grado di gestire software capaci di prendere decisioni su cosa fare successivamente.
