Rivista di informazione del Dipartimento di Ingegneria Industriale
Università di Trento
Rivista di informazione del Dipartimento di Ingegneria Industriale
Università di Trento
Come si organizza il lavoro all’interno di un’azienda? Chi prende le decisioni? Quali attività devono essere svolte e in quale ordine? E, soprattutto, come possiamo rappresentare e migliorare questi processi in modo semplice, chiaro e condiviso?
Sono domande che riguardano i processi aziendali (BP – Business Processes), cioè l’insieme delle attività e delle decisioni che permettono a un’organizzazione di raggiungere i propri obiettivi e creare valore.
Con la crescita delle imprese in termini di dimensioni e complessità, e di fronte alla crescente pressione per adattarsi a scenari sempre più dinamici per rimanere competitive, emerge con chiarezza la necessità di metodi rigorosi, sistematici e formalmente fondati per l’analisi dei Business Processes, anche alla luce del fatto che finora il BP Management non ha avuto la diffusione che ci sia aspettava. Diventa quindi importante avere strumenti che permettano di analizzare, progettare e modificare i processi aziendali in modo rigoroso, ma anche comprensibile e facilmente condivisibile con esperti di business senza competenze tecniche specifiche su IA e agenti.
I metodi tradizionali per l’analisi dei BP si basano su diagrammi di flusso, in cui l’analisi consiste principalmente nell’identificare le attività (task), collegandole per formare un grafo diretto che rappresenta il flusso di lavoro (workflow) del BP. Uno degli standard più utilizzati è BPMN (Business Process Model and Notation), che permette di rappresentare graficamente un processo attraverso simboli e collegamenti. I metodi diagrammatici sono quelli più utilizzati sia in ambito accademico che industriale, tuttavia, tali metodi presentano limiti ben noti: richiedono competenze tecniche specifiche per essere costruiti e interpretati, sono difficili da decentralizzare tra le diverse unità aziendali, producono artefatti complessi da interrogare, mantenere o far evolvere, ed ostacolano il coinvolgimento diretto degli stakeholder aziendali non tecnici. Un manager o un responsabile di un’attività può avere una conoscenza molto approfondita del funzionamento dell’azienda, ma non avere familiarità con le tecniche di modellazione dei processi. Questo può creare una distanza tra chi conosce il business e chi si occupa della tecnologia.
Per superare questi limiti, è stata introdotta la metodologia AGO (Agents, Goals, Objects), che propone un approccio dichiarativo basato sulla modellazione concettuale delle entità aziendali e dei processi utilizzando metodi di rappresentazione della conoscenza.
Invece di partire dalla sequenza delle attività, AGO parte da tre elementi fondamentali:
Nello specifico: AGO si basa su un framework formale che sfrutta la teoria degli insiemi e la logica matematica per l’analisi dei BP, offrendo un supporto rigoroso nelle fasi di analisi, disegno e implementazione del BP. Nella fase di analisi dei BP, AGO parte dall’identificazione e dalla modellazione di tre entità aziendali fondamentali: oggetti, obiettivi (goal) e agenti. Questi elementi servono da mattoni fondamentali per ricostruire l’intero flusso di lavoro di un BP.
L’idea è quindi di non concentrarsi subito sulla domanda “quali attività vengono svolte e in quale ordine?”, ma di partire dalla conoscenza del processo: chi sono i soggetti coinvolti, quali sono i loro obiettivi e quali oggetti utilizzano o producono? A partire da queste informazioni, il sistema può ricostruire automaticamente i possibili percorsi del processo.
I cammini del workflow vengono derivati ricostruendo tutti i suoi percorsi dall’inizio alla fine senza la necessità di modellarli esplicitamente in termini di sequenza di attività. I concetti identificati nella fase di analisi vengono memorizzati in una base di conoscenza fondata su una teoria formale. In questo modo, oltre alla generazione automatica dell’intero flusso di lavoro, il sistema può quindi aiutare a controllare se il processo è:
In altre parole, l’obiettivo è passare da una semplice rappresentazione grafica del processo a una descrizione della sua conoscenza che possa essere utilizzata anche dai sistemi informatici. L’esecuzione di un BP avviene interpretando la base di conoscenza, cioè senza scrivere codice (no-code development).
Nella fase successiva dello sviluppo, quella di disegno, vengono definite le classi che corrispondono ai concetti. Poi, nell’implementazione, viene definito lo schema di una base di dati che conterrà le istanze generate durante l’esecuzione del BP e le logiche operative che guideranno le operazioni degli agenti.
È proprio qui che entra in gioco l’intelligenza artificiale agentica: gli agenti software possono utilizzare la conoscenza contenuta nel sistema per svolgere attività, prendere decisioni secondo le regole definite e interagire con gli altri elementi del processo.
Uno degli aspetti più interessanti di AGO riguarda il modo in cui la conoscenza dei processi può essere raccolta. In un’azienda, infatti, le informazioni su un processo sono spesso distribuite tra persone e unità organizzative diverse. Chi lavora in una determinata area conosce bene la propria parte del processo, ma non necessariamente tutte le altre.
AGO presenta diversi vantaggi, uno di questi consiste nella sua analisi decentralizzata: questa consente alle diverse unità aziendali di raccogliere la conoscenza locale in modo indipendente, garantendo una virtuosa separazione delle competenze (separation of concerns). La semplicità della metodologia quindi permette anche alle figure aziendali prive di competenze tecniche – quali i manager esperti dei BP direttamente coinvolti – di partecipare alla modellazione concettuale e alla progettazione dei BP, riducendo la loro dipendenza dal personale tecnico e migliorando l’allineamento tra business e tecnologie informatiche.
Inoltre, conservare la conoscenza dei processi all’interno di una base di conoscenza rende più semplice aggiornarla quando cambiano le procedure aziendali.
La definizione della metodologia e la sua implementazione basata sull’uso di sistemi agentici è l’obiettivo di un progetto congiunto con l’Istituto di Analisi dei Sistemi ed Informatica (IASI) “Antonio Ruberti” del CNR di Roma. Il progetto è attualmente orientato alla realizzazione di una proof of concept, cioè una prima dimostrazione concreta della fattibilità dell’approccio. Una volta completata questa fase, l’obiettivo è sviluppare un prototipo di sistema basato su agenti che possa supportare l’applicazione della metodologia AGO in contesti aziendali reali.
L’obiettivo finale è quindi quello di rendere la gestione dei processi aziendali più comprensibile, collaborativa e facilmente adattabile, mettendo in relazione la conoscenza delle persone con le possibilità offerte dall’intelligenza artificiale agentica.
