Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Fondamenti dell’intelligenza artificiale locale sicura
- Cosa si intende per AI locale e on-premise nei settori regolamentati
- Differenze tra servizi AI cloud e soluzioni interne per carichi di lavoro sensibili
- Esempi tipici di utilizzo aziendale: assistenti privati e supporto ai flussi operativi
- Componenti principali di un’architettura AI locale sicura
Nozioni base su Ollama e i modelli open source
- Ruolo di Ollama nell’ecosistema di sviluppo locale
- Download, esecuzione e gestione dei modelli in ambiente locale
- Scelta del modello più adatto in base alla dimensione, qualità, risorse hardware e licenza
- Rapporto tra opzioni di modellazione e reali esigenze aziendali
Preparazione dell’ambiente on-premise
- Configurazione di host, workstation e server adatti
- Installazione e impostazione iniziale di Ollama per l’inferenza locale
- Impiego di container e strumenti di sviluppo interni
- Verifica della disponibilità API e del corretto funzionamento dell’ambiente
Utilizzo efficace dei modelli locali
- Esecuzione di prompt e modellazione delle risposte tramite istruzioni predefinite
- Riutilizzo di template per garantire coerenza nei compiti aziendali
- Gestione ordinata delle versioni dei modelli e degli artefatti interni
- Ottimizzazione prestazionale su sistemi con CPU o GPU
Creazione di flussi di lavoro agentici pratici
- Caratteristiche che rendono un flusso di lavoro “agentico” in contesti controllati
- Schema operativo base per pianificazione, uso degli strumenti e gestione delle risposte
- Progettazione di assistenti mirati alle attività interne dell’azienda
- Inserimento di meccanismi di controllo umano, procedure di fallback e gestione degli errori
Flussi operativi basati sul recupero delle informazioni in ambiente privato
- Nozioni fondamentali sull’approccio di generazione assistita dal recupero per accedere a contenuti interni
- Preparazione dei documenti: suddivisione, indicizzazione e ottimizzazione della ricerca
- Collegamento tra database vettoriali locali e applicazioni basate su Ollama
- Miglioramento della pertinenza delle risposte attraverso tecniche di recupero mirate
Pratiche di sicurezza, governance e conformità normativa
- Gestione dei dati e considerazioni sulla privacy nei contesti aziendali
- Controlli sugli accessi, registrazione delle attività e requisiti di audit
- Sicurezza dei prompt, limitazioni delle risposte e meccanismi protettivi utili
- Punti critici della governance per un’implementazione regolamentata
Schema di integrazione enterprise
- Esposizione delle capacità AI locali tramite API interne all’azienda
- Integrazione dei sistemi assistivi con applicazioni e servizi interni
- Supporto a scenari di automazione: assistenti, processi batch e flussi operativi complessi
- Mantenimento delle soluzioni all’interno di rete controllata dall’azienda
Valutazione delle soluzioni AI locali
- Analisi della qualità, affidabilità e coerenza dei risultati ottenuti
- Test contro requisiti aziendali, normativi e di sicurezza previsti
- Confronto tra diversi modelli per identificare quelli più adatti a singole esigenze aziendali
- Definizione di un ciclo iterativo di miglioramento per i team interni
Laboratorio pratico di implementazione
- Creazione di un assistente privato con Ollama e un modello open source
- Aggunta del recupero automatico da documenti interni approvati dall’azienda
- Introduzione di semplici azioni agentiche e controlli preventivi sulla sicurezza
- Verifica finale sui criteri di distribuzione, operatività e governance previsti
Pianificazione dell’adozione e prossimi passi
- Riepilogo delle decisioni architetturali e operative principali presi durante il corso
- Identificazione dei possibili rischi nell’implementazione di sistemi AI in settori regolamentati
- Pianificazione di progetti pilota, condivisione delle responsabilità e allineamento tra stakeholder
- Definizione di una roadmap d’azione per l’adozione strategica di soluzioni AI locali sicure
Requisiti
- Conoscenza di base dei concetti legati all’intelligenza artificiale e alla programmazione
- Familiarità con gli strumenti a riga di comando, i container o gli ambienti di sviluppo locali
- Esperienza base nella scrittura di script o nella programmazione
Destinatari
- Sviluppatori e team tecnici che progettano soluzioni AI private sull’infrastruttura aziendale
- Professionisti della sicurezza, della compliance e degli ambienti IT impegnati nel supporto all’implementazione di tecnologie AI in settori regolamentati
- Leadership tecnica nei settori finanziario, sanitario, pubblico e della difesa interessata all’adozione di soluzioni AI on-premise
21 ore
