Episodio 2 — Il problema dei chatbot
Può capitare, sviluppando software, di rendersi conto a un certo punto che l’approccio scelto ha un difetto strutturale. Non un bug da correggere. Un limite di progettazione.
Con SofIA quel momento è arrivato prima di quanto ci aspettassimo.
Il software non vive di risposte. Vive di azioni.
Il limite strutturale dei chatbot
I modelli linguistici sono straordinariamente bravi a generare testo. Il software però non lavora con il testo: lavora con istruzioni precise, strutture definite, comandi che non ammettono ambiguità.
Ed è qui che emerge il punto critico.
Un chatbot capisce una domanda.
Un software deve eseguire un comando.
Tra le due cose c’è una distanza molto più grande di quanto sembri.
Un sistema basato su Large Language Model è progettato per produrre risposte plausibili, non strutture perfettamente deterministiche. Il suo obiettivo è comunicare, non controllare. Affidargli direttamente il controllo delle operazioni di un gestionale significava costruire qualcosa di intrinsecamente fragile: funzionava bene spesso, ma non abbastanza da potersi fidare sempre.
E in un software usato ogni giorno per gestire un hotel, “spesso” non è sufficiente.
La svolta
A quel punto ci siamo fermati a ragionare su una domanda diversa.
Non più “come facciamo a far generare all’AI il comando giusto?“, ma qualcosa di più profondo: è possibile far interagire l’AI con il software in modo strutturalmente affidabile?
Usare il linguaggio naturale era stato il primo passo, ma se volevamo integrare davvero l’intelligenza artificiale in HOTELCUBE WOW, avremmo dovuto fare qualcosa di più.
L'AI non doveva solo parlare, doveva agire.
Usare le API del sistema, eseguire operazioni reali, gestire un processo dall’inizio alla fine.
Da chatbot ad agente
È in questo momento che è emerso un concetto nuovo, che ha cambiato la direzione del progetto.
Non stavamo più costruendo un semplice chatbot.
Stavamo iniziando a costruire qualcosa di diverso: un sistema capace di capire una richiesta, decidere cosa fare, utilizzare gli strumenti del software e portare avanti il processo fino a ottenere un risultato concreto.
Un sistema che non si limitava a generare testo, ma che iniziava ad utilizzare il PMS.
Un nuovo approccio al ragionamento
L’idea alla base è semplice, ma cambia tutto.
Invece di generare direttamente la risposta finale, il modello segue un processo fatto di passi intermedi:
prima analizza il problema;
poi decide quale azione compiere;
infine osserva il risultato di quell’azione prima di proseguire.
Questo cambiamento rivoluziona completamente il ruolo dell’AI.
Non è più solo un sistema che genera testo, ma diventa un coordinatore di azioni, capace di ragionare sul percorso invece di saltare direttamente alla conclusione.
SofIA Tech Note - Chatbot vs Agente AI
Un chatbot tradizionale riceve un input e produce un output in un singolo passaggio. Funziona bene per rispondere a domande, molto meno per controllare sistemi complessi.
Un agente AI lavora in modo diverso: analizza la richiesta, sceglie quale strumento usare tra quelli disponibili, esegue l'azione, osserva il risultato e decide il passo successivo. È un ciclo, non una freccia.
Questo approccio, noto come ReAct (Reasoning + Acting), è quello che ha aperto la strada alla seconda versione di SofIA.
SofIA v2: inizia qualcosa di diverso
Da quel momento SofIA ha iniziato a evolvere in modo sostanziale.
Il modello non si limitava più a produrre una struttura JSON da passare al sistema. Seguiva un processo: ragionava sui passi, usava gli strumenti disponibili, osservava i risultati prima di procedere.
In altri termini, stava iniziando a comportarsi come un agente AI.
Non era più solo l’interfaccia conversazionale del gestionale. Era qualcosa che iniziava ad avere una logica propria, un modo di affrontare i problemi passo dopo passo.
Continua nell’Episodio 3 — Quando l’AI diventa agente.
SofIA Tech Note
Questa sezione è pensata per chi vuole capire cosa c'è davvero "sotto il cofano".
Si può leggere per approfondire l’aspetto tecnico dietro SofIA...oppure no!
L’aspetto tecnico dietro questo episodio
Un AI agent è un sistema che utilizza un LLM per:
- ragionare su un problema
- decidere quale azione eseguire
- utilizzare strumenti esterni
- osservare il risultato
- continuare il processo
Questo approccio è spesso basato sul pattern ReAct (Reasoning and Acting).
Il modello alterna due fasi:
- Reason → ragiona sul problema
- Act → esegue un’azione usando uno strumento
Il ciclo tipico è: Thought → Action → Observation
Per esempio:
Thought Il modello analizza il problema Action Decide quale strumento utilizzare Observation Riceve il risultato dello strumento Ripete il ciclo fino alla risposta finale
Utente: “Quante camere abbiamo disponibili domani?”
L’agente potrebbe:
Thought: devo verificare la disponibilità Action: chiamare API disponibilità camere Observation: riceve i dati Final Answer: genera la risposta per l'utente
Questo permette al modello di interagire con sistemi reali.
Un LLM puro può solo generare testo.
Un agent diventa un intermediario tra linguaggio naturale e software.
RICEVI I NOSTRI UPDATE
SofIA è in continua evoluzione o come dicono i tech è under costruction!
Se però vuoi continuare a leggere i prossimi episodi e soprattutto i prossimi sviluppi, iscriviti alla nostra newsletter. Senza spam, solo sostanza.
