AIGOR ex Machina: Generative Open Resilient AI

AIGOR ex Machina vs. Shadow AI

L’adozione dell’Intelligenza Artificiale nelle imprese contemporanee è una realtà che prolifera in modo incontrollato e sotterraneo.

Ma la domanda che ci si dovrebbe porre non è “in quanti la usano?”, è: come la stanno usando? Dove vive?

Se la risposta è in un tab del browser… c’è un problema.

Ogni dipendente usa il proprio account, i propri prompt, il proprio servizio.
La famosa Shadow AI.

Questo sembra progresso. In realtà, è una frammentazione sistematica del sapere che indebolisce l’intera organizzazione dall’interno.

Chiunque là fuori offre superpoteri al singolo dipendente. Ma un’azienda non è una somma algebrica di individui singoli: è un sistema sinergico.

Undici fuoriclasse che giocano ognuno la propria partita perderanno sistematicamente contro una squadra coesa che invece agisce come un unico corpo.

Il superpotere giusto non va dato alla persona. Va dato all’organismo.

Noi abbiamo tracciato un percorso che trasforma una raccolta di individui potenziati in un organismo unico, intelligente e sovrano.

Se il problema è la frammentazione silenziosa, L’AI come “esoscheletro cognitivo individuale”, noi abbiamo deciso di mutarla in un esoscheletro cognitivo collettivo, aziendale, per trasformare l’organizzazione in un organismo unico potenziato.

La forza è nelle connessioni

La natura stessa ci insegna che la forza è nelle connessioni.

Un cervello è geniale nonostante i singoli neuroni siano entità limitate.

Un alveare costruisce geometrie matematicamente perfette senza che la singola ape conosca la matematica.

Non conta quanto è bravo il singolo, conta come i singoli sono collegati tra loro.

“Small World” networks

Il modello alpha di Duncan Watts racconta che, in una rete con alto livello di aggregazione, per quanto complessa ed estesa possa essere, qualsiasi nodo può raggiungerne un altro in pochissimi passi; ma per fare questo, devono esserci delle connessioni comuni (hub) che mediano i cammini tra gli altri nodi. Come gli scali degli aeroporti.

Una rete small-world, che è esattamente il meccanismo su cui si basa la soluzione che abbiamo creato per noi internamente (e abbiamo affinato per tutti!) fidandoci di ciò che la scienza sostiene da decenni, deve avere dunque due proprietà fondamentali:

1) Alto Clustering Locale ↓ e	2) Basso Grado di Separazione. ↓

Tradotto in italiano: gruppi locali fortemente coesi (1) collegati da pochi hub che permettono a qualsiasi organo di raggiungerne un altro in 2-3 passaggi al massimo (2).

Questo significa che, con questo sistema, i team, i reparti, i singoli dipendenti, collegati da pochi hub strategici, possono raggiungere un altro organo in pochissimi passaggi.

Vediamo in quale modo.

La gestione della knowledge base aziendale: la conoscenza prima di tutto

Tutti si concentrano sulle piattaforme agentiche, dimenticandosi della parte più importante: senza una knowledge base adeguata (la parte che tutti dànno per scontata → quello che gli agenti “devono sapere” per risponderti appropriatamente), l’IA inventa, l’IA allucina… l’IA è inutile!

Il lavoro di Ex Machina Italia, invece, si focalizza sui problemi di organizzazione, comunicazione, coordinamento, condivisione della conoscenza delle organizzazioni. Le Fondamenta di tutto.

Per questo proponiamo un modello e un approccio che parte da alcuni principi fondamentali:

la Custodia
la Protezione
l’Autonomia
la Resilienza
e la potenza generativa degli Agenti messi in condizione di “non nuocere”:

→ immersi nella Comunità come “agenti di Benessere” che aiutano a migliorare la qualità del lavoro e delle relazioni.

Questo, affinché l’AI non sia il superpotere del singolo ma diventi la memoria viva di una Comunità.

AIGOR ex Machina come Local Community AI

1) Una conoscenza custodita, citabile, versionata, protetta.
2) Con un modello LLM locale che lavora ai margini su cloud privato.
3) E una macchina sotto che è il mezzo, e lascia alla persona essere il fine.

3 layer:

KBM (Knowledge Base Manager) → la conoscenza della tua organizzazione, costruita e custodita come si costruisce il codice.

LLM Managed → il motore che la rende interrogabile in linguaggio umano, open weight (installabile in casa) e gestito.

AGENTS → chi la mette al lavoro: un assistente per persona + uno per processo. Tutti collegati tra loro con la stessa memoria e le stesse protezioni.

Tre pezzi integrati, che si possono avere anche separatamente. → Un’unica infrastruttura privata, nazionale, certificata e modulare.

STUCK AI o STACK AI?

stuck = incollato, bloccato, incastrato.
→ Il lock-in tecnologico (o vendor lock-in) è una condizione di forte dipendenza in cui un’azienda, un ente o un utente rimane vincolato ad una specifica tecnologia, piattaforma software o fornitore, rendendo estremamente difficile, costoso o complesso passare ad un’alternativa.

stack = pila, catasta, stack tecnologico.
→ O “tech stack” = l’insieme coordinato di linguaggi di programmazione, framework, database, librerie e infrastrutture software che vengono utilizzati per sviluppare e far funzionare un’applicazione, un sito web o un sistema digitale.

Il termine “pila” si riferisce al fatto che queste tecnologie sono organizzate in livelli (layer) sovrapposti, che comunicano tra loro per trasformare i comandi dell’utente in operazioni concrete.

I vantaggi di uno STACK AI (locale e privato)

1) sovranità del Dato (che resta in casa): l’impresa resta l’unica proprietaria della propria intelligenza.

2) Knowledge Base gestita, automatizzata e versionata come codice di programmazione: niente più creazioni di fogli di calcolo raffazzonati con link dentro copiati e incollati a mano (sappiamo che l’hai fatto anche tu!), niente più versioni disallineate dei doc, niente più documenti sparsi, roba online, ecc.

3) Open Weight LLM: zero lock-in tecnologico (nessun vincolo verso singoli fornitori, nessuna dipendenza strutturale).

4) Validazione Sul Campo: Ex Machina Approach (quando capisci che funziona per te, perché non condividerlo con gli altri…).

Ma vediamo di approfondire ciascun layer.

1° layer: il KBM

È il layer che nessuno ha voglia di costruire. Ed è quello che decide tutto il resto.

Il KBM prende quello che la tua organizzazione sa (documenti, procedure, delibere, verbali, decisioni prese in riunione, prassi che nessuno ha mai scritto) e lo tratta esattamente come si tratta il codice di sviluppo: ogni contenuto ha un autore, una data, una versione, uno stato dichiarato (valido, scaduto, sostituito) e un posto preciso. Prima di diventare ufficiale passa un controllo automatico, e poi l’occhio di una persona (il custodian) che di quel tema è responsabile.

Il risultato lo vedi solo quando fai una domanda: la risposta arriva con scritto da quale documento è uscita, e se quel documento non c’è, il sistema te lo dice invece di inventare.

Non è un archivio. È una conoscenza viva, che cresce con l’uso reale della Comunità.

2° layer: open-weight LLM, managed

Ok: ti sei appena dotato di un sistema di gestione privato della Knowledge Base. Diciamo il nostro KB Manager: la conoscenza della tua organizzazione costruita, governata, recuperabile senza impazzire.

«Tutti i miei dati li metto qui, privati, da me, in Italia.»

Poi decidi di metterci uno dei “soliti tre” sotto, come motore LLM. Per rendere la KB interrogabile in linguaggio umano.

Ogni chiamata che fai in là (oltremare)… significa bucare il perimetro. Nessuno ci pensa, eppure: tracci il perimetro, e poi lo buchi?

Ecco cosa dovresti fare, invece.

1. Ti devi rendere sovrano anche con l’inferenza (il cervello elettronico).

Puoi avere un motore di inferenza locale. Perché senza questo pezzo cade tutto il tema della privacy e della protezione dei dati.

Finché macinano dati pubblici i problemi sono anche relativi. Ma quando i sistemi AI iniziano a macinare dati di bilancio, brevetti, documenti sensibili, interni… tutto questo comincia a introdurre gravi criticità.

«Dove va a finire ‘sta roba? Per quanto tempo? La usano per addestrare i modelli? Ci fidiamo?»

2. Non sottovalutare il tema dei costi. Chiamare i modelli fuori ti svuota la carta di credito.

Open Weight LLM

Da non confondersi con gli Open Source, che riguardano il software: hai il codice, lo leggi, lo modifichi, lo ridistribuisci.

La formula degli Open Weight riguarda il modello: ti dànno i pesi, cioè il risultato dell’addestramento → il file che puoi scaricare e far girare dove vuoi.

Non ti dànno quasi mai i dati di addestramento né la ricetta completa, quindi non lo potresti ricostruire da zero. Ma, in sintesi:

open source = hai il progetto,
open weight = hai il motore e lo installi dove vuoi tu.

Oltre ai costi risparmiati rispetto ai modelli a pagamento:

Senza pesi aperti la Sovranità è impossibile.
Un modello chiuso vive solo dietro un’API: non lo puoi installare da nessuna parte. Quindi ogni domanda e ogni documento escono dal tuo perimetro. Coi pesi aperti il modello sta dentro il perimetro, insieme ai tuoi dati.
Continuità.
Il modello che hai scaricato resta tuo. Nessuno può dismettere la versione, cambiarne il comportamento sotto di te o alzare il prezzo a metà contratto. Per un ente che deve garantire un servizio per anni questa è la ragione più forte di tutte, più della privacy.
Tracciabilità, che tocca la conformità.
Con i pesi in casa puoi dire «questa risposta l’ha prodotta questo modello, in questa versione», e rifare la prova. Con un’API che si aggiorna in silenzio non puoi dimostrarlo. È esattamente quello che ti chiederebbe un auditor in caso di controlli.
È nel DNA di “alcune aziende”…
Uno dei motivi per cui è nata Ex Machina era quello di sviluppare progetti innovativi basati sull’open source, di non usare codice chiuso, di partecipare alle community.

Attenzione: pesi aperti non significa licenza libera per qualsiasi uso. Alcune famiglie hanno condizioni d’uso. Il punto importante è l’altro:

→ li installi dove vuoi tu, e restano tuoi.

3° layer: gli AGENTS

È il layer che tutti vogliono comprare per primo. Ma dovrebbe arrivare per ultimo: un agente senza una conoscenza governata sotto è automazione vuota.

I nostri agenti girano su Hermes, il motore agentico che abbiamo costruito e che usiamo ogni giorno per noi stessi. A loro volta, stanno su due strati.

I Desk personali: un assistente per persona. Sa che ruolo hai, su quali progetti stai, come scrivi e cosa ti serve, e lavora sulla conoscenza della tua organizzazione, non su quella di internet. È il tuo esoscheletro cognitivo: la differenza è che questo è collegato a quello di tutti gli altri dell’azienda.

Gli Specialist di processo: un agente per mestiere. Commerciale, HR, didattica, legale, navigazione web, e così via. Non servono una persona: servono un processo in maniera super verticalizzata e specializzata, e lo servono allo stesso modo per chiunque lo attraversi. Anche contemporaneamente.

E qui torna la rete dei “piccoli mondi” di cui parlavamo all’inizio. I Desk sono i gruppi locali fortemente coesi (1), gli Specialist sono gli hub (2): sono loro che fanno arrivare quello che sa il commerciale a chi si occupa di didattica in due passaggi invece che in due settimane:

Una regola sola, uguale per tutti e due gli strati: ogni risposta porta con sé la fonte da cui è uscita + quando la fonte non c’è l’agente dice che non ce l’ha. Perché un agente che non sa dire di no è un agente di cui non ti puoi fidare. E invece lo sanno tutti che “AIgor” è l’aiutante fedele dello scienziato pazzo… 😉

L’impresa come organismo unico

I principi portanti di Ex Machina Italia

Prima dell’infrastruttura, prima del modello LLM, quello che decide la qualità di un sistema AI è trovare il documento giusto, aggiornato, al momento giusto.

Altrimenti lei inventa.

Non esiste tecnologia che compensi una base di conoscenza mal costruita.

Ecco perché il KBM, il nostro Knowledge Base Manager, è il primo – e il più importante – dei tre layer dello STACK AIGOR ex Machina.

Ma non l’unico.

Tutti si concentrano sul modello LLM. Ma questo è solo un pezzo della soluzione, e forse neanche il più importante.

Mentre le “big tech” competono per sviluppare modelli sempre più potenti e sempre meno controllabili, noi di Ex Machina Italia puntiamo sul giusto equilibrio tra:

gestione raffinata della conoscenza,
al servizio della giusta potenza cognitiva,
e tutto in una infrastruttura locale e privata.

Non serve “più potenza”. Serve una visione organica di sistema. E una precisa intenzione: quella di servire le Comunità e restituire loro il controllo.

Gli altri seguono la torre di Babele, noi seguiamo la via di Neemia.

AIGOR sta per: (AI) Generative, Open, Resilient.

Perché resiliente?

Perché il valore non risiede nel motore LLM che genera il testo. Risiede nel sistema proprietario che gestisce i dati, le connessioni e la memoria.

In questo modo, esso sopravvive a qualsiasi cambio di mercato AI.

In altre parole, la resilienza di cui parliamo noi riguarda il passaggio da Shadow AI ad AI governata, affinché un’organizzazione possa reggere ai cambi di mercato, di fornitore, di modelli, e anche ai cambi di persone… In entrata e in uscita.

Oltre alla resilienza del software stesso, locale e privato.

Se ti interessano questi argomenti, puoi:

contattarci a info(at)exmitalia.it per una demo di 30 minuti;
seguirci sui social e scoprire ogni giorno quello che facciamo;
iscriverti al webinar che terremo giovedì 26 novembre 2026 dalle 11:00 alle 13:00, dove ti mostreremo live come AIGOR ex Machina risolve i problemi che ti abbiamo raccontato.

È gratuito e senza impegno: vai al link di iscrizione → https://www.eventbrite.com/e/2003603002516

Tutto il mondo sta andando verso l’adozione dell’AI privata.
Meglio organizzarsi per tempo, no?