Cos'è il Tracciamento delle Decisioni dell'IA?
Il tracciamento delle decisioni è la pratica di catturare il ragionamento completo dietro ogni decisione dell'agente IA come artefatti strutturati e auditabili. A differenza dei log di esecuzione che registrano cosa è successo, i tracciamenti delle decisioni registrano perché è successo — le opzioni considerate, le prove consultate, gli argomenti valutati e la razionalità selezionata. AIAgentree implementa il tracciamento delle decisioni attraverso i pacchetti decisionali: registri sigillati contenenti la proposizione, l'albero degli argomenti, istantanee delle prove, la razionalità selezionata e il monitoraggio dei risultati. Il tracciamento delle decisioni consente la conformità con gli articoli 12-14 del Regolamento dell'IA dell'UE, supporta le Tre Modalità di Fiducia (Umano nel Loop, Umano sul Loop, Autonomia Completa) e crea memoria istituzionale attraverso il precedente come infrastruttura. L'architettura distingue le relazioni normative (supporta/oppone) dalle relazioni descrittive (menziona/relativo a), rendendo il ragionamento dell'IA interrogabile, comparabile e citabile.
La maggior parte delle organizzazioni confonde il logging (cosa ha fatto l'agente) con il tracciamento delle decisioni (cosa è stato deciso e perché). La distinzione è importante perché la regolamentazione, la governance e la memoria istituzionale dipendono tutte da quest'ultima.
- •I registri registrano eventi di esecuzione — chiamate API, latenza, errori
- •Le tracce decisionali catturano il ragionamento strutturato — opzioni, prove, motivazioni, risultati
- •Decision Packets sono artefatti sigillati che gli auditor possono interrogare e riprodurre.
- •Il precedente emerge automaticamente da decisioni strutturate — memoria istituzionale come infrastruttura
Un regolatore ha appena richiesto le ultime 100 decisioni che la tua IA ha preso.
Hai 30 giorni per rispondere. Cosa hai realmente?
La Tesi Originale, Riformulata
Le decisioni dell'IA meritano ricevute. La registrazione non è responsabilità. La catena di pensiero non è verità fondamentale.
Queste affermazioni rimangono vere. Ma sono incomplete.
La domanda "Perché dovremmo catturare le decisioni?" ha una risposta ovvia: conformità, responsabilità, debug. La domanda più difficile è: "Cosa succede quando lo facciamo?"
La risposta è inaspettata: la memoria istituzionale diventa automatica. Non come una funzionalità che costruisci sopra. Non come un modulo che aggiungi in seguito. Come una conseguenza naturale del modello di dati.
Cosa significa realmente "Decisione"
Una decisione non è l'output del modello. Non è la risposta dell'API. Non è il valore di ritorno della funzione.
Una decisione è un artefatto strutturato che contiene:
- •Proposta — cosa si stava decidendo (approvare il prestito #1234)
- •Prove valutate — fatti consultati, congelati al momento della decisione
- •Alternative considerate — opzioni valutate e rifiutate
- •Ragione selezionata — quali argomenti hanno influenzato la decisione
- •Risultato registrato — cosa è successo dopo (immediato, 6 mesi, 1 anno)
Questo è ciò che AIAgentree chiama un Pacchetto di Decisione — un record sigillato e immutabile che gli auditor possono interrogare, riprodurre e citare.
Cosa non dicono i log
| Registro di esecuzione | Traccia della decisione |
|---|---|
approva_prestito(id_domanda=1234, punteggio=0.87) | Proposta: Approvare il prestito #1234 PRO: Verifica del reddito superata (peso: 0.92) PRO: 3 anni di storia lavorativa (peso: 0.85) CON: Punteggio di credito sotto la soglia (peso: 0.78) OVERRIDE: Eccezione manuale approvata da Sr. Analyst Motivazione: La stabilità lavorativa supera la preoccupazione per il credito Risultato (6 mesi): 0 pagamenti mancati |
| Cosa è successo. Quando è successo. Quanto tempo ci è voluto. | Perché è stata presa la decisione. Cosa è stato considerato. Cosa è successo dopo. |
Il registro ti informa che il prestito è stato approvato. La traccia ti dice perché è stato approvato nonostante la preoccupazione per il punteggio di credito, chi ha autorizzato l'eccezione e se quella decisione si è rivelata positiva.
I Due Primitivi
L'intero sistema di tracciamento delle decisioni si basa su due primitive:
Primitivo 1: Registro Duraturo del Ragionamento
Non "quello che ha detto il modello." Un grafico di argomentazione strutturato con affermazioni, relazioni (supporta/oppone), riferimenti alle prove e gerarchia.
Primario 2: Registro Duraturo dei Risultati
Non "il modello ha restituito 200 OK." Un registro di decisione sigillato con esito, argomenti di razionale, decisore e monitoraggio a tre orizzonti.
Una volta che hai entrambi, il precedente non è più qualcosa che "ricordi." Diventa qualcosa che puoi interrogare, confrontare e citare.
Perché il Normativo Batte il Descrittivo
I grafici di contesto memorizzano relazioni descrittive: "relativo a," "menziona," "possiede." I grafici degli argomenti decisionali memorizzano relazioni normative: "supporta," "oppone."
La distinzione è fondamentale:
- •Descrittivo: "Questo biglietto menziona questo cliente"
- •Normative: "Questa prova sostiene l'approvazione perché dimostra una storia di pagamenti coerente"
La struttura normativa consente l'interpretabilità, la governance e il precedente. La struttura descrittiva consente la ricerca e la scoperta. Entrambe sono preziose. Solo una consente il giudizio istituzionale.
Come emerge il precedente (meccanicamente)
Il volano
L'agente genera un albero di argomenti pro/contro
Gli esseri umani approvano/rifiutano + selezionano argomenti razionali
La decisione è sigillata → il fascicolo del caso è congelato
Prossima decisione: l'agente cerca e cita quel caso
Il precedente diventa un nodo argomentativo nel nuovo caso.
L'organizzazione costruisce una biblioteca di modelli di "come decidiamo".
I modelli consentono un'automazione sicura (autonomia guidata da precedenti)
Ottieni la memoria istituzionale come un sottoprodotto dell'uso normale, non come un'iniziativa separata.
Da Memorizzato a Recuperabile: Decisioni come un Grafo
Catturare le decisioni è solo metà del valore. L'altra metà è recuperarle — ed è qui che il modello di dati dimostra il suo valore. Poiché ogni decisione è memorizzata come un grafo di argomenti normativi (affermazioni collegate da archi sostiene/oppone), diventa un substrato di recupero di prima classe, non solo un archivio.
Punta una ricerca vettoriale ai log grezzi e ottieni "zuppa di frammenti" — frammenti disconnessi che citano una conclusione ma tralasciano il controargomento, l'approvatore e il precedente. Recupera invece dal grafo decisionale e ottieni un Pacchetto Decisionale limitato: la proposizione, il ragionamento a favore e contro, le prove e il risultato, intatti. Questo è GraphRAG per le decisioni AI — il motivo per cui il precedente è qualcosa che puoi interrogare e citare, non solo qualcosa che speri di ricordare. (Ulteriori informazioni sul substrato di recupero: che cos'è il recupero decisionale.)
I Tre Modi di Fiducia
Le imprese non delegano le decisioni all'IA da un giorno all'altro. Progrediscono attraverso modalità:
Umano nel ciclo
L'agente assiste, l'umano decide. L'agente genera ragionamenti; un umano prende la decisione finale.
Umano nel ciclo
L'agente decide, l'umano supervisiona. L'agente prende decisioni; un umano può rivedere e annullare.
Autonomia Completa
L'agente decide, l'uomo controlla periodicamente. Esiste un sufficiente precedente per giustificare un'operazione autonoma.
La progressione della modalità è basata su prove: fiducia ≥ 95%, precedenti simili ≥ 5 con risultati coerenti, modello stabilito e convalidato. Questo non è "fidati ma verifica." Questo è "verifica, poi fidati, poi continua a verificare."
Cosa significa questo per lo stack AI aziendale
STACK DEL CONTEXTE D'IMPRESA
- •LIVELLO C: DELIBERAZIONE — PERCHÉ è stata presa questa decisione? Alberi pro/contro, citazioni di precedenti, provenienza delle prove
- •LIVELLO B: LINEA DECISIONALE — COSA è stato deciso? Risultato, fiducia, politiche valutate, approvazioni
- •STRATO A: CONTESTO OPERATIVO — CHI/COSA è coinvolto? Entità, relazioni, stato temporale (CRM, ERP)
La maggior parte dei team costruisce A. Alcuni costruiscono B. Quasi nessuno costruisce bene C. AIAgentree fornisce C.
Tre modi per connettersi — l'SDK è solo uno
Il tracciamento delle decisioni non è un impegno di consulenza di 6 mesi — e non richiede il nostro SDK. Ci sono tre modi per connettersi:
- •MCP (agente-nativo) — l'intero ciclo di vita come strumenti, end to end: crea una traccia, registra il ragionamento, sigilla la decisione (
create_trace,append_events,seal_decision) e recupera immediatamente il Pacchetto Decisionale (get_packet,search_precedents) — nessuna libreria da installare - •REST API — qualsiasi linguaggio, qualsiasi runtime, zero dipendenze (l'SDK è un sottile wrapper su questi endpoint)
- •SDK (Python / TypeScript) — l'opzione ergonomica, con estrazione automatica del ragionamento dall'output del tuo agente
Il percorso SDK è il più breve da scrivere — una traccia di decisione in circa dieci righe:
from aiagentree import AgentreeClient
client = AgentreeClient(api_key="ask_...", base_url="https://api.aiagentree.com", tenant_id="acme")
# Trace your agent's decision point
trace = client.start_trace(
agent_id="discount-agent",
workflow_id="discount_approval",
entity_type="request",
entity_id="4521",
)
trace.add_input("discount", 0.18, source="crm")
trace.add_step("s1", title="SEV-1 incident yesterday", category="evidence", confidence=0.9)
trace.add_step("s2", title="Customer flagged as churn risk", category="evidence", confidence=0.85)
trace.add_step("s3", title="Exceeds standard 15% threshold", category="risk", confidence=0.7)
trace.seal("d1", action="approved", confidence=0.9)La traccia è sigillata, timbrata e interrogabile. Quando arriva la prossima richiesta simile, quel precedente è recuperabile e citabile.
L'Angolo della Conformità
Il Regolamento sull'IA dell'UE impone requisiti specifici per i sistemi di IA ad alto rischio:
- •Articolo 12 — Registrazione automatica che consente la tracciabilità delle decisioni e l'identificazione dei rischi
- •Articolo 13 — Trasparenza e fornitura di informazioni ai distributori e agli utenti
- •Articolo 14 — Misure di supervisione umana che consentono intervento e comprensione
Le tracce decisionali soddisfano questi requisiti catturando il ragionamento strutturato, la provenienza delle prove, le azioni di supervisione umana e i registri dei risultati — in un formato che i regolatori possono effettivamente interrogare e comprendere.
Scadenza di dicembre 2027: I sistemi di intelligenza artificiale ad alto rischio ai sensi dell'Allegato III devono conformarsi ai requisiti di registrazione e tracciabilità. Se i tuoi agenti AI prendono decisioni riguardo a credito, occupazione, istruzione o assistenza sanitaria, il tempo sta scadendo.
Cosa non risolve il tracciamento delle decisioni
La tracciabilità delle decisioni si trova su un contesto operativo. Non sostituisce:
- •Sistemi CRM/ERP — hai ancora bisogno dei tuoi sistemi di registrazione
- •Strumenti di osservabilità — LangSmith, W&B, Arize monitorano ancora la salute del modello
- •Risoluzione dell'identità — hai ancora bisogno di collegare le entità tra i sistemi
Questi strumenti risolvono problemi diversi a livelli diversi. AIAgentree cattura l'unico artefatto di cui hanno tutti bisogno ma che nessuno ha mai memorizzato: la decisione stessa.
Come Iniziare
Identifica i tuoi punti decisionali ad alto rischio
Quali decisioni degli agenti influenzano i clienti, la conformità o i ricavi? Inizia da lì.
Integra il SDK di 10 righe
Avvolgi la tua logica dell'agente esistente con la cattura delle tracce. Nessuna riscrittura necessaria.
Rispondi alla domanda del regolatore
Scegli un agente e chiedi: "Se un regolatore chiedesse le ultime 100 decisioni, potrei rispondere?"
Domande Frequenti
Che cos'è il tracciamento delle decisioni per gli agenti AI?
Il tracciamento delle decisioni cattura il ragionamento completo dietro ogni decisione dell'IA — le opzioni considerate, le prove consultate, gli argomenti valutati e la logica selezionata — come artefatti strutturati e verificabili chiamati Pacchetti di Decisione. A differenza dei registri che registrano cosa è successo, i tracciati delle decisioni registrano perché è successo.
In che modo il tracciamento delle decisioni è diverso dal logging o dall'osservabilità?
I registri registrano eventi di esecuzione (chiamate API, latenza, errori). Gli strumenti di osservabilità monitorano la salute del sistema. Il tracciamento delle decisioni cattura la struttura normativa del ragionamento: quali argomenti hanno sostenuto o opposto a una decisione, quali prove sono state citate e quale razionale ha portato all'esito. È la differenza tra sapere 'prestito approvato' e sapere 'perché questo prestito è stato approvato nonostante la preoccupazione per il punteggio di credito.'
Che cos'è un Pacchetto Decisionale?
Un Pacchetto di Decisione è l'artefatto principale di AIAgentree: un record sigillato e immutabile contenente la proposta (ciò che è stato deciso), l'albero degli argomenti (ragionamento pro/contro), istantanee delle prove (congelate al momento della decisione), la razionalità selezionata (quali argomenti hanno influenzato la decisione) e il monitoraggio dei risultati (cosa è successo dopo). È tutto ciò di cui un regolatore o un revisore ha bisogno per comprendere e riprodurre una decisione.
In che modo il tracciamento delle decisioni aiuta a conformarsi al Regolamento sull'IA dell'UE?
Gli articoli 12-14 del Regolamento sull'IA dell'UE richiedono ai sistemi di intelligenza artificiale ad alto rischio di mantenere registri che consentano la tracciabilità delle decisioni. Le tracce decisionali soddisfano questi requisiti catturando il ragionamento strutturato, la provenienza delle prove, le azioni di supervisione umana e i registri dei risultati — in un formato che i regolatori possono effettivamente interrogare e comprendere.
Quali sono le Tre Modalità di Fiducia nella governance dell'IA?
I Tre Modi rappresentano una progressione: Modalità 1 (Umano nel Ciclo) in cui gli agenti assistono ma gli esseri umani decidono; Modalità 2 (Umano sul Ciclo) in cui gli agenti decidono con supervisione umana; Modalità 3 (Autonomia Completa) in cui gli agenti decidono con audit periodici. La progressione tra le modalità è basata su evidenze, guidata da punteggi di fiducia, coerenza dei precedenti e monitoraggio dei risultati.
Come funzionano i precedenti nel tracciamento delle decisioni?
Quando le decisioni vengono catturate come artefatti strutturati, il precedente emerge automaticamente. Decisioni passate simili possono essere recuperate per categoria, riferimenti a entità, tag di argomento o vincoli di politica. Questi precedenti diventano nodi argomentativi di prima classe nelle nuove decisioni: possono essere citati, contestati o superati come qualsiasi altra ragione. La memoria istituzionale si accumula con ogni decisione.
Quanto tempo ci vuole per integrare AIAgentree?
Puoi connetterti in tre modi: tramite MCP come strumenti nativi per agenti (nessun SDK, nessuna libreria), l'API REST (qualsiasi linguaggio, zero dipendenze) o il SDK Python/TypeScript (circa dieci righe, con auto-estrazione del ragionamento). L'intero ciclo di vita — creare una traccia, registrare il ragionamento, sigillare la decisione e richiamare immediatamente il Pacchetto Decisionale — funziona solo su MCP, end to end, senza alcuna libreria. Non c'è un impegno di consulenza di 6 mesi; è uno strato di infrastruttura che aggiungi al tuo stack di agenti esistente.
Argomenti Correlati
Articoli Correlati
GraphRAG per le decisioni AI: Perché i grafi superano la ricerca vettoriale per la memoria degli agenti
Il vettore RAG sui log restituisce "zuppa di frammenti" — frammenti di testo disconnessi che mancano dei controargomenti, delle approvazioni e dei precedenti che rendono una decisione difendibile. Quando le decisioni sono memorizzate come un grafo di argomenti normativi, il recupero restituisce invece un Pacchetto Decisionale limitato e verificabile.
Regolamento UE sull'IA Articolo 6: Cosa significa la classificazione ad alto rischio per i tuoi agenti IA
L'articolo 6 del Regolamento UE sull'IA determina se il tuo sistema di intelligenza artificiale è "ad alto rischio" — e attiva i requisiti obbligatori per la tracciabilità. Se i tuoi agenti prendono decisioni riguardo a credito, occupazione, istruzione o assistenza sanitaria, devi comprendere la classificazione dell'Allegato III prima di dicembre 2027.
Che cos'è un audit trail delle decisioni?
Il corrispondente umano delle ricevute AI: un registro completo e revisionabile di chi ha deciso cosa e perché.
Team AIAgentree
Governance dell'IA
Il team di AIAgentree sta costruendo un'infrastruttura di tracciamento delle decisioni per agenti IA. La nostra missione è rendere il ragionamento dell'IA visibile, auditabile e migliorabile.
Pronto a tracciare le tue decisioni IA?
Inizia a catturare i percorsi decisionali oggi. Tier gratuito disponibile — nessuna carta di credito richiesta.
Inizia Prova Gratuita