Vai al contenuto

Ricerca · TUM Spin-off

demi Research: un'IA che sa abbastanza da essere utile e che resta entro i suoi permessi.

demi porta tutti i dati di un'azienda in un unico grafo tipizzato, sempre aggiornato, con una matematica che pesa di quale valore fidarsi e permessi che seguono l'azienda, anche per ciò che l'IA calcola. Sopra, l'IA trova ciò che chiedi e calcola la risposta invece di tirare a indovinare. Questa pagina espone la ricerca che ci sta dietro: due nuclei di ricerca, cinque aree di ricerca e dodici studi.

  • Sistemi distribuiti
  • Intelligenza artificiale
  • Sistemi informativi
  • Teoria dell'informazione

Il problema

L'IA sa troppo poco per essere utile, oppure può fare troppo per essere sicura.

Entrambi i lati sono misurati nella ricerca recente. Ed è proprio lì che oggi l'IA in azienda si inceppa.

  • 5.1 %

    Troppo poco per essere utile

    In un benchmark del 2025 sulla ricerca di informazioni ad ampio raggio, il miglior sistema ha ottenuto la tabella intera corretta nel 5,1 % dei compiti. Il conteggio su fogli di calcolo ha raggiunto in media il 41,7 % di accuratezza, contro l'89,1 % delle semplici ricerche puntuali. Le domande su insiemi richiedono ogni elemento, una sola volta, nell'unità giusta e aggiornato.

  • 88.6 %

    Troppo per essere sicura

    Quando gli agenti di IA combinano i risultati di più strumenti, il tasso medio di fuga di dati su sei agenti è stato dell'88,6 %, con il 98,0 % dei compiti portati a termine. L'IA può anche ricomporre fatti consentiti in un fatto che una persona non deve vedere: l'effetto mosaico. Una protezione completa da ciò che somme e conteggi rivelano è fuori portata dal punto di vista computazionale, e ogni rifiuto sbagliato blocca lavoro vero.

Nuclei di ricerca

Due domande di ricerca al centro di demi.

Il nucleo A chiede se l'IA può rispondere dal gemello digitale di un'azienda in modo più completo, corretto ed efficiente. Il nucleo B chiede se i permessi sui risultati dell'IA, e l'approvazione in base all'impatto, mantengono basse le fughe di dati senza bloccare il lavoro. Ogni nucleo ha ipotesi che possono rivelarsi false.

Nucleo A · Data Layer

Risposte circoscritte e verificabili

Domanda di ricerca

Un passaggio strutturato prima del recupero rende le risposte sui sistemi di un'azienda più complete, corrette ed efficienti?

Perché è difficile

Una domanda come «quali ordini aperti sopra i 10 kW, per cliente?» richiede ogni elemento, una sola volta, nell'unità giusta e aggiornato. La ricerca trova passaggi di testo, non insiemi completi, e i modelli linguistici contano in modo inaffidabile. Inoltre il recupero peggiora al crescere dell'indice.

Ipotesi

Verifichiamo se il percorso combinato:

  • H1risponde alle domande su insiemi in modo più completo e corretto;
  • H2riduce costo e tempo per risposta utilizzabile;
  • H3mantiene il suo vantaggio al crescere di fonti e dati;
  • H4non va peggio sulle altre domande (non inferiorità).

Che cosa misuriamo

Quota di risultati utilizzabili entro il budget, correttezza, completezza (F1 per elemento, conteggi esatti), numeri e unità corretti, costo e tempo per risposta utilizzabile, tracciabilità e scalabilità al crescere di fonti e dati.

Nucleo B · Permission Layer

Permessi sui risultati

Domanda di ricerca

I permessi sui risultati dell'IA, e l'approvazione di una persona solo per le azioni ad alto impatto, mantengono basse le fughe di dati senza bloccare il lavoro?

Perché è difficile

I permessi sono sparsi tra ERP, archivio file, CRM e organigramma. L'IA può combinare dati consentiti in un fatto che una persona non deve vedere, come un margine medio dietro fatture che un tirocinante può aprire una per una. Perfino un rifiuto può rivelare qualcosa. Se si blocca troppo, il lavoro si ferma; se si chiede troppo spesso l'approvazione, le persone smettono di leggere.

Ipotesi

Verifichiamo se:

  • H5elenchi, conteggi, aggregati, fatti protetti e ciò che il modello legge restano entro i permessi di chi chiede, misurato insieme ai rifiuti sbagliati;
  • H6una policy di impatto esterna al modello mantiene le approvazioni abbastanza rare da essere ancora lette, e lega ogni azione rilevante alla sua approvazione;
  • H7decisione, approvazione, azione e risultato si possono ricostruire;
  • e se l'IA riconosce le azioni fuori dall'ambito di un ruolo (smart scope).

Che cosa misuriamo

Fughe di contesto, di risposte e di esistenza; rifiuti sbagliati; compiti portati a termine; violazioni del vincolo sotto prove avversarie; carico di approvazioni; completezza della traccia.

Il nostro approccio

Un unico approccio combinato, non uno strumento in più.

demi non è un altro modello di IA. È il livello su cui lavorano i modelli di IA, in tre parti che dipendono l'una dall'altra. Le parti sono note nella ricerca e nella pratica. La ricerca sta nella loro combinazione, sui sistemi propri di un'azienda, entro i permessi di ogni persona.

  • Data Layer: tutti i dati in un grafo tipizzato, sempre aggiornato

    Persone, clienti, prodotti, ordini, macchine e documenti diventano nodi, le loro relazioni archi, a partire dai sistemi che un'azienda già usa. Ogni valore porta con sé unità, fonte e date, così demi sa quanto è vecchio. La matematica pesa di quale valore fidarsi: chi l'ha detto, quando, come è stato letto e quali fonti indipendenti concordano. Quando una fonte cambia, ciò che ne dipende viene ricontrollato.

  • Permission Layer: permessi che seguono l'azienda

    I permessi derivano dai sistemi che colleghi e dalla tua organizzazione stessa: organigramma, flussi di lavoro, chi può firmare per che cosa. Valgono per ciò che l'IA legge e per ciò che calcola: elenchi, conteggi e cifre. La decisione sta fuori dal modello, quindi il modello non può aggirarla con le parole.

  • Intelligence Layer: trova l'ago nel pagliaio, calcola la risposta

    La ricerca e il modello trovano ciò che chiedi, un programma calcola le cifre e ogni risposta dichiara su che cosa si basa. Stesso piano, stessi dati: stesso numero.

DomandaRisposta con ciò su cui si basa
  1. Intelligence Layer

    trova l'ago nel pagliaio, calcola la risposta

    Quanto può sbagliare questo conteggio?

  2. Permission Layer

    permessi che seguono l'azienda

    Che cosa rivela una risposta?

  3. Data Layer

    tutti i dati in un grafo tipizzato, sempre aggiornato

    Quanto ci si può fidare ora di questo valore?

I sistemi che già usi restano al loro posto.

Tre livelli, un percorso: la domanda scende dall'alto, ogni risposta riporta in alto le sue prove.

Dove i livelli dipendono l'uno dall'altro

  • Corretto dipende da identità ed età.

    Un solo elemento duplicato o superato cambia un conteggio, un elenco o una somma.

  • Le prove dipendono dai permessi.

    Anche le fonti che una risposta nomina restano entro i permessi di chi ha posto la domanda.

Parti note, nuova combinazione

Ogni campo su cui demi si fonda risolve il suo problema partendo da un presupposto che un'azienda manifatturiera infrange, e un altro livello di demi è costruito per fornire ciò che manca.

  • Question answering su database

    Che cosa presuppone
    uno schema pulito con i permessi di un solo sistema
    In un'azienda manifatturiera
    la conoscenza sta in schede tecniche, esportazioni ERP, caselle di posta e record duplicati
    Che cosa porta demi
    valori tipizzati con unità, fonte e identità, costruiti da quegli input
  • Recupero e recupero su grafo

    Che cosa presuppone
    il modello compone la risposta da ciò che legge
    In un'azienda manifatturiera
    le domande su insiemi richiedono ogni elemento, contato correttamente
    Che cosa porta demi
    un programma calcola sugli insiemi; il recupero lavora dentro l'ambito
  • Controlli di policy per agenti di IA

    Che cosa presuppone
    una mappa corretta e aggiornata dell'organizzazione
    In un'azienda manifatturiera
    organigrammi e poteri di firma cambiano
    Che cosa porta demi
    l'organizzazione nello stesso grafo, sempre aggiornata

A quanto ci risulta, nessuno studio combina queste parti sui sistemi legacy di un'azienda, entro i permessi di ogni singola persona. È ciò che la ricerca di demi mette alla prova.

Le nostre basi

Quattro campi di ricerca. Una piattaforma.

demi si fonda su questi campi. Ognuno risolve una parte del compito di portare l'IA sui dati reali di un'azienda.

  • 01

    Sistemi distribuiti

    Molti sistemi, uno stato coerente. Sincronizzazione, conflitti e guasti, senza fermare nessun sistema di origine.

  • 02

    Intelligenza artificiale

    I modelli capiscono la domanda e spiegano la risposta. Gli agenti agiscono, ma solo entro i loro permessi.

  • 03

    Sistemi informativi

    L'informatica crea valore quando processi e organizzazione cambiano con essa. I permessi seguono l'organizzazione: i suoi sistemi, il suo organigramma, chi può firmare per che cosa.

  • 04

    Teoria dell'informazione

    Quanto sa davvero un record? Incertezza, ridondanza e rumore diventano misurabili, e lo diventa anche ciò che una risposta rivela.

Fondamenta

Cinque aree di ricerca su cui poggiano i nuclei.

Ogni area porta metodi e misure nei due nuclei: la domanda, perché è difficile, il nostro approccio, le domande di ricerca aperte e il posto dell'area nel programma.

  1. 01Qualità e fiducia dei dati con la teoria dell'informazione
  2. 02Sincronizzazione distribuita: tenere aggiornato il gemello digitale
  3. 03Risoluzione delle entità e valori tipizzati
  4. 04Permessi per persone e agenti di IA
  5. 05Agenti quasi deterministici e valutazione
01 · Qualità dei dati · Nuclei A e BArea di ricerca

Qualità e fiducia dei dati con la teoria dell'informazione

Quanto sa davvero un record, e per quanto tempo è ancora vero?

Perché è difficile

La qualità si misura di solito con un unico punteggio. Ma un record può essere completo e comunque superato, o duplicato e comunque contraddittorio. Le fonti discordano e le copie si spacciano per testimoni indipendenti. Una risposta su un insieme vale quanto il suo elemento più debole.

Il nostro approccio

  • Ogni valore è un'affermazione con la sua fonte, le sue date e il modo in cui è stata letta.
  • La fiducia si calcola, non si presume: da quanto una fonte si è dimostrata affidabile, dall'età del valore e dalle fonti indipendenti che concordano. Le copie di un valore contano una volta sola.
  • Ogni fatto ha un'emivita. demi impara con che rapidità ogni tipo di informazione diventa obsoleto, dai cambiamenti che osserva, e ricontrolla la fonte giusta prima che fatti vecchi traggano in inganno qualcuno.
  • L'informazione come incertezza ridotta: dove le fonti discordano, la dispersione dei valori candidati mostra quali conflitti contano di più, e un conteggio dice quanto è sicuro di sé.

Domande di ricerca

  • Quale fonte si dimostra affidabile per quale tipo di valore?
  • Con che rapidità ogni tipo di valore diventa obsoleto, e la stima è calibrata?
  • Oltre quale qualità dell'input la risposta dell'IA smette di migliorare?

Schema

Probabilità che il valore sia ancora corretto

Tempo dall'ultima conferma

  • Indirizzo
  • Referente
  • Prezzo
Rappresentazione schematica, nessun valore misurato.

Nel programma di ricerca

Nucleo A: valori e corrispondenze verificati su campioni in cieco, risposte ricontrollate con un limite di errore campionato, avvisi man mano che l'informazione invecchia. Studi R3, R4, R5, R6.

02 · Data Layer · Nuclei A e BArea di ricerca

Sincronizzazione distribuita: tenere aggiornato il gemello digitale

Quanto è aggiornata una risposta nel momento in cui viene data, e quanto costa mantenerla tale?

Perché è difficile

I sistemi di origine cambiano di continuo, si fermano o consegnano in ritardo, e ogni fornitore limita la frequenza con cui possono essere letti. Sostituire i sistemi centrali è costoso e rischioso, perciò la piattaforma lavora accanto a loro, non al loro posto. Una risposta su un insieme è sbagliata se un solo elemento è obsoleto, e leggere tutto in diretta costa tempo e quota.

Il nostro approccio

  • Lettura prima della scrittura: le nuove connessioni partono in sola lettura, tramite interfacce ufficiali nel contesto di ogni utente.
  • demi nota i cambiamenti, ricontrolla ciò che probabilmente è cambiato e conta per le risposte, e legge in diretta quando serve subito, entro i limiti di ogni sistema e il budget che imposti.
  • Ogni risposta mostra quanto sono aggiornati i valori su cui si basa.
  • La scrittura procede separatamente: come proposta, con approvazione, reversibile.

Domande di ricerca

  • Quanto è aggiornata ogni risposta nel momento in cui viene data, e quanto costa mantenerla tale, entro i limiti di ogni sistema e il budget fissato dal cliente?
  • Quanto restano aggiornate e corrette le risposte con un indice e valori letti in diretta, rispetto a una copia completa?
  • Quando un processo sulla piattaforma coincide con il sistema legacy, e come lo si dimostra in un'esecuzione parallela?

Schema

Lettura, poi scrittura

  • ERP
  • CRM
  • File
Istantanea con marca temporaleData Layer

Scrivere, solo con approvazione

  1. Proposta di modifica
  2. Approvazione di una persona
  3. Riscrittura
  4. Annullamento in un passo
I sistemi di origine continuano a funzionare. Nulla viene sostituito prima di aver dato prova di sé.

Nel programma di ricerca

Nucleo A: l'aggiornamento fa parte di una risposta corretta, e mantenerlo costa una parte del costo per risposta utilizzabile. Studi R1, R3, R6, R7, R8.

03 · Data Layer · Nucleo AArea di ricerca

Risoluzione delle entità e valori tipizzati

Quando tre voci in tre sistemi sono la stessa cosa, e quanto dobbiamo esserne sicuri prima che un conteggio dipenda da questo?

Perché è difficile

Lo stesso pezzo ha un nome nell'ERP, un altro nel PLM e un terzo nella scheda tecnica. Grafie, revisioni e unità differiscono. Se si fondono i record sbagliati, ogni numero successivo è sbagliato: una corrispondenza falsa non sembra disordine, cambia il conteggio.

Il nostro approccio

  • Ogni valore porta con sé la sua unità, un valore SI normalizzato, la sua fonte e le sue date.
  • Le chiavi forti, come i numeri di registro e di serie, hanno la precedenza. Le corrispondenze basate su un punteggio restano proposte finché i campioni in cieco non ne mostrano la precisione.
  • Una corrispondenza è un collegamento con le sue prove, mai una sovrascrittura: annullala e ogni fonte è ancora lì.
  • I conflitti tra le fonti restano visibili.

Domande di ricerca

  • Quanto deve essere sicura una corrispondenza automatica prima che una persona debba confermarla?
  • Come si trasforma un archivio di documenti in un grafo con relazioni tipizzate?
  • Quanto cambiano elenchi, conteggi e somme gli errori di identità?

Schema

Tre sistemi

  • ERPArt. 200-17 · Pompa P200
  • PLMDisegno P-200, rev. C
  • Scheda tecnica (PDF)P 200 · 7,5 kW

Un record

Pompa P-200
Codice articolo
200-17ERP
Revisione
CPLM
Potenza
7,5 kWScheda tecnica, p. 2
Esempio: tre voci, un record, ogni dato con la sua fonte.

Nel programma di ricerca

Nucleo A: la precisione delle corrispondenze e la correttezza delle unità sono misurate come fonti di errore nelle risposte su insiemi, anche al crescere di fonti e dati. Studi R4, R5, R7.

04 · Permission Layer · Nucleo BArea di ricerca

Permessi per persone e agenti di IA

Come si garantisce che un agente non possa mai fare più della persona per cui lavora?

Perché è difficile

I permessi sono sparsi tra ERP, archivio file e organigramma. Un agente che gira su un account di servizio vede in fretta più di qualsiasi singolo dipendente. E l'IA può combinare fatti consentiti in uno che una persona non deve vedere.

Il nostro approccio

  • I permessi derivano dai sistemi che colleghi e dal tuo organigramma, e demi non li amplia mai da solo.
  • Un agente lavora entro i permessi della persona per cui lavora, e il registro nomina entrambi.
  • I permessi arrivano a ciò che l'IA calcola: elenchi, conteggi e cifre, non solo i file che legge.
  • Ogni decisione viene presa per ogni richiesta, fuori dal modello di IA, e registrata.

Domande di ricerca

  • Come si verifica in automatico che la piattaforma non mostri mai più del sistema di origine?
  • Come si spiega con chiarezza perché qualcuno vede qualcosa, o non la vede?
  • Una persona può vedere una cifra che l'IA calcola da valori che non può vedere uno per uno?

Schema

  • Prezzi dei fornitori

    • Anna, acquisticonsentito
    • L'agente puòconsentito
  • Ordini aperti

    • Anna, acquisticonsentito
    • L'agente puòconsentito
  • Fascicoli del personale

    • Anna, acquistinon consentito
    • L'agente puònon consentito

Da dove vengono i permessi

  1. 1Sistema di origine
  2. 2Organigramma
L'agente non può mai fare più di Anna.

Nel programma di ricerca

Nucleo B: permessi di accesso su elenchi, conteggi, aggregati e fatti protetti, misurati insieme ai rifiuti sbagliati; modalità di approvazione ricavate dalle regole proprie dell'organizzazione. Studi R6, R12.

05 · Intelligence Layer · Nuclei A e BArea di ricerca

Agenti quasi deterministici e valutazione

Come si ottengono da un modello linguistico numeri su cui si può contare?

Perché è difficile

I modelli linguistici scrivono bene ma non calcolano in modo affidabile. La stessa domanda può dare due risposte diverse. In offerte, ordini e report questo non è accettabile.

Il nostro approccio

  • Il modello capisce la tua domanda, un programma calcola la cifra.
  • Stesso piano, stessi dati: stesso numero, e vedi come è stato calcolato. La lettura della domanda può variare, ed è questo che misuriamo.
  • In background, le risposte vengono ricontrollate rispetto alle loro fonti.
  • Le approvazioni restano legate all'azione esatta, e decisione, approvazione, azione e risultato formano un'unica traccia.

Domande di ricerca

  • Come si misura se l'IA ha trovato la cosa giusta? Un insieme di domande d'oro per settore.
  • Con che frequenza esecuzioni ripetute concordano, sul piano, sulla cifra e sulla risposta?
  • Da quale livello di rischio una persona deve approvare, e quando l'approvazione diventa una formalità?

Schema

Qual è il valore degli ordini aperti del cliente 4711?

  1. 1Domanda
  2. 2Il modello capisce
  3. 3Calcolo esatto
  4. 4Risposta con fonti

Verifica

Stesso piano, stessi dati: stesso numero. Qualsiasi altra cosa è un bug.

Il modello scrive, il codice calcola.

Nel programma di ricerca

Nucleo A: cifre calcolate a confronto con l'aritmetica del modello, controlli delle risposte con un limite di errore campionato. Nucleo B: approvazioni sotto prove avversarie, ricostruzione di ogni esecuzione. Studi R1, R2, R3, R10, R11.

Studi

Dodici studi, cinque gruppi.

Ogni studio mette alla prova un'affermazione che può rivelarsi falsa. Insieme coprono entrambi i nuclei.

  • Risposte su insiemi

    • R1Il percorso di risposta sul gemello digitale dà risposte più complete e corrette alle domande su insiemi (H1) e non va peggio sulle altre domande (H4); costo e tempo per risposta utilizzabile sono misurati (H2).
    • R2Le cifre calcolate da una query o da un programma su valori tipizzati sono giuste più spesso dell'aritmetica del modello.
    • R7L'effetto regge o cresce con più fonti e più dati (H3).
  • Qualità e fiducia dei dati

    • R3Un controllo in background trova errori, e un limite di errore campionato regge su dati tenuti da parte e su dati con distribuzione diversa.
    • R4, R5Valori tipizzati con unità normalizzate si possono leggere dalle schede tecniche; la corrispondenza della stessa entità tra le fonti è abbastanza precisa da non distorcere i conteggi.
  • Permessi sui risultati

    • R6Elenchi, conteggi, aggregati e contesti del modello restano entro i permessi di chi chiede (H5), compresi permessi in conflitto tra sistemi e permessi sui risultati.
  • Approvazione e prove

    • R10Le approvazioni restano legate all'azione esatta sotto prove avversarie, e le persone rivedono ciò che approvano (H6).
    • R11Decisione, approvazione, azione e risultato si possono ricostruire per esecuzioni campionate, e le manomissioni inserite di proposito vengono rilevate (H7).
    • R12Una policy di impatto esterna al modello definisce modalità di approvazione in linea con il giudizio delle persone a un carico accettabile (H6), e l'IA riconosce le azioni fuori dall'ambito di un ruolo.
  • Sul campo

    • R8Il percorso di risposta funziona in modalità ombra, con permessi e carico reali.
    • R9Gli esperti dei clienti accettano le risposte più spesso e raggiungono un risultato utilizzabile più in fretta che con il loro processo attuale.

Rete

Collegati con università, ecosistema delle startup e programmi di finanziamento.

demi è un TUM Spin-off ed è sostenuto da programmi in Baviera, in Germania e in Europa.

demiMonaco di Baviera

Scienza

  • Università Tecnica di MonacoTutti e tre i fondatori hanno studiato alla TUM.
  • TUM Venture LabsQui è nato demi.
  • Studenti della TUMProgetti di studio, progetti interdisciplinari e tesi sulle nostre domande di ricerca.

Fondazione e finanziamento

  • UnternehmerTUMParte dell'ecosistema, programma UnternehmerTUM Incubator.
  • EXIST-ForschungstransferProgramma del BMWE, cofinanziato dall'Unione europea (FSE+).
  • Ministero federale dell'Economia e dell'EnergiaFinanzia demi con il programma EXIST-Forschungstransfer.

Programmi

  • ESA BIC BavariaBusiness Incubation Centre dell'Agenzia Spaziale Europea.
  • NVIDIA InceptionProgramma per startup di IA.
  • AI5innovationAcceleratore Elevator Ignite dello European Digital Innovation Hub cofinanziato dall'UE.

Fai ricerca con noi

La tua tesi su una domanda reale.

Supervisioniamo tesi magistrali, progetti interdisciplinari e studenti lavoratori. Ogni tema è una parte reale del nostro programma di ricerca, con una persona di riferimento nel team.

  • Dall'albero al grafo

    Quanto bene cartelle, documenti ed esportazioni diventano entità e collegamenti tipizzati? Proponi relazioni tipizzate tra documenti, una persona le conferma, e precisione e richiamo si misurano per tipo di relazione.

    Parte di

    Nucleo A · Risoluzione delle entità e valori tipizzati
    • Tesi magistrale
    • IDP
  • L'IA ha trovato la cosa giusta?

    Quale parte di un percorso di risposta combinato aggiunge che cosa? Domande d'oro su insiemi, valutate da un programma, misurano che cosa contribuiscono ambito, ricerca, grafo e calcolo.

    Parte di

    Nucleo A · Agenti quasi deterministici e valutazione
    • Tesi magistrale
    • IDP
  • L'emivita della conoscenza aziendale

    Segui nel tempo le affermazioni dei registri pubblici e stima con che rapidità ogni tipo di affermazione diventa obsoleto. Verifica se una stima appresa di «ancora attuale» è calibrata.

    Parte di

    Nucleo A · Qualità e fiducia dei dati
    • Tesi magistrale
  • Quanto deve essere buono l'input?

    Misura la qualità del segnale di documenti e immagini (confidenza dell'estrazione, conflitti tra fonti, proprietà attese mancanti) e verifica se predice gli errori di risposta, e oltre quale livello le risposte smettono di migliorare.

    Parte di

    Nucleo A · Qualità e fiducia dei dati
    • IDP
    • Studente lavoratore
  • Sicurezza dell'IA secondo l'OWASP LLM Top 10

    Prompt injection, uso improprio degli strumenti, autoapprovazione, fuga di dati: un framework di red teaming riutilizzabile per agenti e server MCP che alimenta le famiglie di prove del nucleo B.

    Parte di

    Nucleo B · Permessi per persone e agenti di IA
    • Tesi magistrale
  • Dimostrare l'isolamento tra clienti

    Test di proprietà e di fuzzing che cercano di passare da un tenant, o dal contesto del modello di una persona, a un altro.

    Parte di

    Nucleo B · Permessi per persone e agenti di IA
    • Tesi magistrale

La supervisione accademica spetta alla tua cattedra nella tua università. Noi mettiamo a disposizione il tema, l'accesso e un referente nel team.

Posizioni e temi aperti

Architettura di sicurezza

Come demi protegge gli agenti di IA

Per chi agisce un agente, cosa può vedere e avviare, come restano separate le aziende e dove girano dati e modelli: i principi, con le fonti.

Vai all'architettura di sicurezza

Ricerca che arriva in officina.

In 20 minuti ti mostriamo come il livello dei dati, i permessi e l'IA lavorano insieme su un caso come il tuo.

Il tuo configuratore

Ancora nessun caso d'uso

Il tuo configuratore è ancora vuoto

Aggiungi un caso d'uso da qualsiasi scheda o pagina del caso e guarda quanto vale all'anno, con il calcolo. Gratis, senza registrazione, senza impegno: provalo e cambia ogni numero.

Vedi i casi d'uso