Guida alla pagina Trust

Usa questa pagina per rivedere il modello operativo dietro ColleagueAI: sicurezza, gestione dei dati, governance, telemetria e readiness al lancio.

Centro di fiducia · Verificate voi stessi, non fidatevi solo della nostra parola

Le evidenze, in un unico posto.

In una categoria costruita sulla fiducia, preferiamo che siate voi a verificare. Questa pagina raccoglie ciò che possiamo mostrare oggi: come funziona il CAI Score, dove vengono eseguiti gli agenti, quali dati trattiamo e quali no, chi sono i nostri subfornitori e come contattarci in merito alla sicurezza. Quando non abbiamo ancora qualcosa (un'attestazione di terze parti, un caso cliente pubblico) lo diciamo, invece di lasciar intendere il contrario.

Metodologia del CAI Score

Il CAI Score è un framework di classificazione per agenti IA: una classificazione del rischio a cinque livelli che definisce esattamente quanto un agente fa da solo e dove un essere umano nominato resta responsabile, e poi lo documenta per l'audit. Leggilo dal basso verso l'alto: più alto è il livello, più un agente può fare, e più supervisione umana, registrazione e responsabilità il framework integra intorno ad esso.

L1 · Assiste

Informa e risponde. Non intraprende alcuna azione e non modifica alcun record. Il lavoro lo fa l'essere umano; l'agente lo rende solo più rapido da trovare e comprendere. Ruolo dell'essere umano: fa tutto.

L2 · Redige

Produce un risultato di lavoro (un documento, una query, un report, un messaggio di contatto) per la revisione e l'approvazione di un essere umano. Nulla di ciò che l'agente produce viene usato finché una persona non lo approva. Ruolo dell'essere umano: revisiona & approva.

L3 · Opera

Esegue azioni di routine a basso rischio all'interno di un flusso delimitato, classificare, instradare, evadere, registrare. Le eccezioni e tutto ciò che è insolito vengono passati a un essere umano. Ogni azione è marcata temporalmente. Ruolo dell'essere umano: gestisce le eccezioni.

L4 · Decide (supervisionato)

Supporta decisioni e controlli in processi a maggior rischio, conformità, contratti, sicurezza, doppio controllo. Un essere umano nominato resta responsabile della decisione; l'agente la assiste e la documenta. Costruito per il controllo di processi ad alto rischio. Ruolo dell'essere umano: resta responsabile.

L5 · Autonomo

Agisce in modo indipendente entro guardrail fissi e pre-approvati. Riservato al massimo livello di classificazione, e oggi non utilizzato da alcun agente di questo catalogo. Ruolo dell'essere umano: definisce i guardrail.

Il catalogo attuale viene fornito ai livelli L2-L4. Gli agenti L4 richiedono l'approvazione della dirigenza prima del go-live. Le classificazioni sono assegnate da Colleague AI nell'ambito di questo framework; non è ancora coinvolto alcun valutatore esterno e non rivendichiamo attestazioni di terze parti che non possediamo.

Architettura: dove girano gli agenti e dove restano i dati

Gli agenti vengono eseguiti nel tuo ambiente Microsoft Copilot Studio, Power Automate e Azure, il tuo tenant, il tuo modello di identità, il tuo confine dei dati. Colleague AI ospita solo il piano di controllo della governance: punteggi, policy e metadati di audit. Dalla nostra parte non vengono trattati dati aziendali del cliente. Ogni azione dell'agente nel tuo tenant è registrata, marcata temporalmente e attribuibile, progettata per supportare la governance e la revisione legale rispetto a framework come l'EU AI Act, DORA e ISO/IEC 42001.

Punti di prova della distribuzione enterprise

ColleagueAI è posizionato come un livello di pacchetti di agenti governati, non come uno spazio di lavoro SaaS condiviso per i contenuti aziendali del cliente. In una distribuzione enterprise standard, il cliente controlla il tenant, il perimetro di identità, le fonti dati, l'endpoint del modello, la configurazione del runtime e le evidenze di audit.

Cosa elabora questo sito web stesso

Subresponsabili

FornitoreFinalitàDati coinvolti
VercelHosting del sito, rete edge, analisi webLog delle richieste standard, metriche di utilizzo anonime
StripeElaborazione dei pagamentiDati di pagamento (detenuti da Stripe), email dell'acquirente
UpstashArchivio chiave-valore per diritti e record dei partnerEmail dell'acquirente, slug degli agenti in licenza, codici partner
Cloudflare R2Archiviazione e consegna dei pacchetti agente acquistatiFile del pacchetto (nessun dato personale)
SentryMonitoraggio degli erroriContesto tecnico dell'errore; il testo è mascherato nella diagnostica di sessione
PlausibleAnalisi orientata alla privacyStatistiche di utilizzo anonime e senza cookie
Google FontsWeb fontRichieste di font standard

Pratiche di sicurezza

Programma pilota

Stiamo acquisendo i primi clienti. Il percorso di valutazione è guidato dal prodotto: esaminate il factsheet dell’agente e la demo dal vivo, valutate il pacchetto rispetto al vostro caso d’uso, utilizzate gli strumenti ROI con le vostre ipotesi e verificate le evidenze di governance prima dell’acquisto. I clienti che successivamente scelgono di partecipare possono approvare separatamente un caso di studio anonimizzato dopo il deployment; la pubblicazione non è mai una condizione di acquisto.

Prenotare una conversazione pilota

Metadati dei token, non contenuti aziendali

CAI Token Economy Monitor: controlla i costi dell'IA prima che aumentino.

I pacchetti agente ColleagueAI possono includere un monitoraggio dell'economia dei token di proprietà del cliente che viene eseguito nell'ambiente del cliente. Lo scopo è aiutare i clienti a comprendere il consumo di token, il costo stimato di modello/API, i nuovi tentativi, il contesto sovradimensionato, le scelte di modello costose e le opportunità di ottimizzazione, mantenendo prompt, output, documenti e contenuti aziendali fuori dai sistemi ColleagueAI.

Progettato per acquisire

  • ID dell'agente, workflow, livello CAI, modello usato e timestamp di esecuzione
  • Token di input, token di output, costo stimato e indicatori di budget
  • Stato di successo, fallimento, nuovo tentativo, eccezione e approvazione
  • Workflow ad alto consumo di token, sprechi ripetuti e segnali di contesto sovradimensionato
  • Raccomandazioni di ottimizzazione per pattern di prompt, livello del modello e dimensione del contesto

Progettato per non acquisire

  • Contenuto dei prompt del cliente
  • Contenuto degli output dell'agente
  • Documenti aziendali o record di transazioni
  • Dati personali o dati sensibili del cliente
  • Logica aziendale riservata del cliente

Il risultato è una governance pratica dei costi dell'IA: gli utenti comprendono il proprio consumo, la funzione finance vede i costi prima che diventino incontrollati e la leadership può scalare gli agenti che offrono valore misurabile.

Approfondimenti sull’AI enterprise

Esplora risorse pratiche sulla governance degli agenti AI, la supervisione umana e gli agenti AI enterprise negli ambienti Microsoft.