Sessioni

Belli gli agenti… finché non li metti in produzione

Abbiamo fatto la nostra PoC agentica e funziona tutto benissimo. Il problema inizia quando devono operare in produzione: con permessi, tool esterni, dati sensibili e vincoli. Vedremo con un mix di teoria e live coding come affrontare questi passaggi su Microsoft Foundry e Microsoft Agent Framework. Partiremo dai rischi tipici dei sistemi multi-agent e analizzeremo diversi pattern: guardrails a strati, orchestration come punto di controllo, validazioni prima delle tool call, policy-as-code, human-in-the-loop. Non esiste una soluzione unica. Framework, modelli e superfici di rischio cambiano rapidamente: l’obiettivo è capire gli approcci possibili e i relativi trade-off, per scegliere di volta in volta quello più adatto.

When Statistics Become Stories: Proactive Insight Discovery with AI

L’interazione in linguaggio naturale ci permette ormai di interrogare basi dati complesse in modo semplice e immediato. Ma i dati possono offrire molto di più delle risposte alle domande che sappiamo già formulare: l’AI può esplorarli in modo proattivo, mettere in relazione informazioni distribuite nel tempo e far emergere pattern e insight difficilmente riconoscibili dall’occhio umano. È questa l’idea alla base di un progetto reale sviluppato per una realtà di primo piano dello sport professionistico italiano, costruito su decenni di statistiche, risultati, box score e dati play-by-play. Accanto alla componente conversazionale, il sistema esplora autonomamente il patrimonio informativo, individua nuovi insight, li verifica e li trasforma in contenuti e storie. Il cuore della soluzione è un articolato sistema multi-agent, in cui più agenti specializzati collaborano nell’esplorazione dei dati, nella generazione e validazione degli insight e nella costruzione del risultato finale. L’intero workflow è coordinato da un’orchestrazione progettata per gestire reasoning, controllo, affidabilità e governance. Costruito su Azure e Microsoft Foundry, il progetto mostra come architetture agentiche e modelli generativi possano trasformare un patrimonio di dati storici in un motore proattivo di scoperta, capace di trasformare le statistiche in storie.

Non fidarti, verifica: chaos engineering su Azure con Chaos Studio

Molte architetture Azure sono progettate per essere resilienti: multi-zone, geo-redundant storage, failover automatico dei database, retry e circuit breaker. Tuttavia, la resilienza “sulla carta” non garantisce che l’applicazione si comporti come previsto quando un’availability zone cade, il DNS smette di rispondere o l’identity provider va in outage. In questo talk mostriamo come passare dal design for resilience al prove your resilience usando Azure Chaos Studio Workspaces. Partiamo dai limiti tipici delle architetture enterprise: health probe mal configurate, connection string hard-coded, assunzioni errate su failover e consistenza dei dati. Vediamo poi come Chaos Studio Workspaces consenta di simulare scenari reali di outage (Zone Down, DNS Outage, Entra ID Outage, Cache Stampede, Event-Driven Messaging Disruption) contro risorse reali, senza dover comporre manualmente singoli fault. Illustreremo il funzionamento di Workspace, la scoperta automatica degli scenari applicabili e il Scenario Designer per costruire esperimenti custom. Il cuore della sessione è un walkthrough pratico: come creare un Workspace, eseguire un primo drill “Zone Down + database failover”, leggere il scenario report e correlare i risultati con Azure Monitor/Application Insights per identificare gap di configurazione e di codice. Discutiamo infine come integrare questi esperimenti in una disciplina di chaos engineering continua: game day, esercizi di BCDR e pipeline di rilascio, fino all’uso delle nuove integrazioni con GitHub Copilot e MCP per automatizzare i drill.

Skills for AI Agents a confronto: Cowork e Copilot Studio

Le Skills stanno diventando un building block fondamentale per creare agenti AI più capaci, modulari e riutilizzabili. In questa sessione esploreremo due approcci alle Skills: dal mondo dei Cowork a Microsoft Copilot Studio. Vedremo come progettare e utilizzare Skills per estendere le capacità degli agenti, orchestrare attività e integrare persone, agenti e sistemi aziendali. Attraverso casi d’uso ed esempi pratici, confronteremo i due approcci e scopriremo quando e come utilizzare le Skills per portare l’AI agentica a un livello superiore.

Microsoft Agent 365: governare identità degli Agenti AI e proteggere l'accesso ai dati

Gli Agenti AI introducono nelle organizzazioni una nuova categoria di identità capaci di accedere ai dati, utilizzare applicazioni e API, interagire con utenti e altri agenti e, in alcuni scenari, agire in modo autonomo. Dal punto di vista della Security diventa quindi fondamentale essere in grado di sapere quali Agenti AI sono presenti nell'organizzazione, chi ne è responsabile, quali privilegi possiedono e come utilizzano le informazioni aziendali. Durante questa sessione vedremo come Microsoft Agent 365 fornisce un control plane centralizzato per scoprire, gestire e governare gli Agenti AI e approfondiremo il ruolo di Microsoft Entra Agent ID nella gestione delle loro identità, degli accessi, dei privilegi e del ciclo di vita. Estenderemo quindi il modello alla protezione dei dati con Microsoft Purview, analizzando come classificazione, Sensitivity Label, DLP, DSPM e auditing possano aiutare a controllare e investigare l'accesso degli agenti alle informazioni sensibili.

Sicurezza del codice - trovare e correggere le vulnerabilità con l'AI

l codice oggi si scrive — anche con l'AI — più velocemente che mai, ma la sicurezza fatica a stare al passo: troppe vulnerabilità, troppo rumore, e trovarle è solo metà del lavoro In questa sessione vediamo come un approccio agentic alla sicurezza del codice cambia le regole del gioco: un sistema di AI multi-agente e multi-modello, integrato in Microsoft Defender e Azure AI Foundry, che analizza i repository (GitHub, Azure DevOps, anche on-prem), individua le vulnerabilità con basso rumore e propone direttamente il fix

MCP server, A2A, Skill, mamma mia che mal di testAI!

Quanti concetti sono usciti negli ultimi mesi per implementare progetti di AI? MCP Server, A2A, Skill, facciamo ordine e capiamo quando usarli e quando no!

Cloud dove serve, AI dove conta: Azure Local dal datacenter all’edge

Non tutti i workload devono essere eseguiti nel cloud e non tutti i dati possono lasciare il luogo in cui vengono prodotti. Azure Local porta il modello operativo di Azure nel datacenter e all’edge, permettendo di eseguire applicazioni e servizi vicino ai dati. In questa sessione esploreremo l’architettura di Azure Local e i criteri con cui decidere dove collocare ogni workload, considerando latenza, resilienza, sovranità del dato e connettività. Il focus sarà sui casi d’uso in cui l’intelligenza artificiale locale crea un valore concreto: inferenza a bassa latenza, analisi di immagini e video, manutenzione predittiva e soluzioni RAG basate su dati aziendali riservati. Vedremo come portare modelli generativi e predittivi dove i dati vengono prodotti, mantenendone il controllo senza rinunciare all’integrazione con Azure.

AI Gateway: The Missing Layer of Enterprise AI

Le organizzazioni stanno rapidamente adottando copiloti, agenti AI e modelli generativi, ma come è possibile governare sicurezza, costi, conformità e osservabilità in un ecosistema sempre più complesso? In questa sessione esploreremo il ruolo dell'AI Gateway come nuovo Control Plane dell'AI Enterprise. Partendo dalle funzionalità AI Gateway di Azure API Management fino ad arrivare al nuovo AI Gateway Tier, vedremo come gestire modelli, agenti, tool e MCP Server attraverso un punto di controllo centralizzato. Attraverso demo, architetture reali e scenari enterprise approfondiremo token governance, AI FinOps, semantic caching, content safety, resilienza multi-modello e agent governance, scoprendo come costruire piattaforme AI sicure, scalabili e pronte per la produzione.