AWS spinge sugli agenti AI: da modelli generativi ad azione guidata nei processi aziendali

Che differenza c’è tra un modello di AI generativa e un agente AI? Il primo genera testo, codice o immagini in base a un prompt. Il secondo prende un obiettivo, pianifica, utilizza strumenti, legge e scrive su applicazioni aziendali, esegue e verifica, tutto per raggiungere quell’obiettivo. È questo scarto – dalla generazione di contenuti all’azione focalizzata – che Amazon Web Services ha messo al centro della sua strategia: non più showcase di modelli, ma piattaforme e tool per costruire agenti personalizzati che le imprese possano addestrare sui propri dati, governare in modo deterministico e mettere in produzione in tempi rapidi.

“Credo che l’avvento degli agenti AI ci abbia portato a un punto di svolta nella traiettoria dell’intelligenza artificiale: da meraviglia tecnica a valore reale. Gli agenti sono entusiasmanti perché possono agire e portare a termine i loro compiti”, ha sentenziato il Ceo Matt Garman nel suo keynote che ha aperto re:Invent 2025, l’evento annuale che indica strategia e novità della divisione cloud di Amazon. Che quest’anno gioca tutte le sue carte sull’intelligenza artificiale o, meglio, sull’AI agentica, con la creazione di un ecosistema completo e funzionale per permettere alle aziende di mettere a punto i loro sistemi agentici in maniera semplice e rapida, senza doversi occupare di infrastrutture e modelli: un Sdk pronto all’uso che per Aws significa coinvolgere e mantenere agganciate le aziende, grandi e piccole, al proprio ecosistema.

La base è la piattaforma di Bedrock AgentCore, che fornisce i “mattoni” per costruire agenti capaci ma governabili: sono disponibili tutti i modelli di GenAI più evoluti, da ChatGPT al Claude di Anthrtopic in cui il gruppo ha investito, fino ai nuovi modelli dell’europea Mistral, in modo che l’utente possa concentrarsi sull’applicazione e casi d’uso. In questa fase sono aggiunte due feature automatiche: una di policy che impone limiti ai comportamenti degli agenti e una di valutazione per il loro monitoraggio nel mondo reale in termini di correttezza, utilità e sicurezza.

A livello infrastrutturale, l’offerta si arricchisce con Ai Factories, finalizzate a portare i servizi Aws nei data center esistenti dei clienti con il loro patrimonio di dati proprietari, rispettando sovranità, policy e governance. Allo stesso tempo Garman ha annunciato il lancio del nuovo chip Trainium 3 con un’efficienza energetica raddoppiata rispetto alla versione 3, mirato al training su larga scala e all’inference globale, un prodotto che formalmente punta a integrarsi con la famiglia di Nvidia ma che a livello strategico sembra voler ridurre la dipendenza dal colosso dei chip per AI. La piattaforma agentica di Aws si fonda sui modelli della nuova famiglia Nova 2, arricchita anche da Omni, modello multimodale unificato in grado di integrare discorso, testo, video e immagini. Partendo da questi modelli si aggiunge anche Nova Forge, il servizio che abilita la creazione di frontier model personalizzati.

Il punto di arrivo della visione è infatti proprio la classe dei frontier agent: agenti autonomi, scalabili e long-running che possono lavorare al fianco dei team, orchestrando strumenti e dati eterogenei senza intervento continuo. È qui che l’“Sdk dell’agente” diventa vantaggio competitivo: le feature di policy, valutazione e memoria danno fiducia, AgentCore garantisce elasticità, Trainium 3 potenza e capacità di training. A questo pacchetto si aggiunge la velocità di esecuzione garantita dai frontier agent, di cui sono stati presentati i primi tre modelli tra cui spicca Kiro Autonomous per il supporto delle fasi di sviluppo di software, lasciando agli sviluppatori quasi solo il controllo finale, a cui si affiancano il Security agent e il DevOps agent, che facilitano la ”messa al lavoro” di miliardi di agenti nelle aziende. Non si può dimenticare l’innovazione di Transform, il ponte che accorcia la transizione: automatizza riscritture e migrazioni, riduce il debito tecnico e libera i team dai vincoli dei sistemi legacy. Come sottolinea Swami Sivasubramanian, vicepresident Agentic AI di Aws, “agenti utili non sono quelli che possono fare tutto, ma quelli affidabili perché operano entro confini chiari”.