Elastic e OpenAI collaborano per portare intelligenza avanzata ai dati aziendali non strutturati

L'utilità degli agenti AI è direttamente proporzionale al contesto aziendale su cui possono ragionare. Molte delle informazioni critiche che le organizzazioni possiedono e di cui gli agenti AI hanno bisogno sono disperse in dati non strutturati, come documenti, ticket, log, metriche, tracce e allarmi di sicurezza. Questi dati cambiano continuamente e sono governati da diverse autorizzazioni.

Oggi, Elastic e OpenAI hanno annunciato un'espansione della loro collaborazione per colmare questa lacuna, aiutando le organizzazioni a costruire applicazioni AI pronte per la produzione utilizzando i modelli OpenAI con Elasticsearch. OpenAI fornisce capacità di ragionamento avanzate, mentre Elastic è progettato specificamente per i dati non strutturati, offrendo un livello di recupero, governance e operatività che aiuta i modelli a trovare contesti rilevanti e in tempo reale.

Tre obiettivi principali della collaborazione

La collaborazione si concentrerà su tre risultati principali per i clienti:

  • Agenti AI consapevoli del contesto: che recuperano conoscenze aziendali accurate e consapevoli delle autorizzazioni su larga scala, con meno token.
  • Osservabilità agentica: che correlano le telemetrie e accelerano l'indagine sulle cause radice per i team di SRE (Site Reliability Engineering).
  • Operazioni di sicurezza agentiche: che accelerano le rilevazioni, aiutano a smistare gli allarmi, consentono risposte più rapide e raccomandano proattivamente regole di rilevazione per chiudere le lacune di sicurezza.

Elasticsearch: il livello di contesto per l'AI agentica

Nell'era dell'AI agentica, il valore di un'azienda risiede nel suo contesto: dati, storia, decisioni e conoscenze istituzionali sparse in dati non strutturati. L'agente dati interno di OpenAI dimostra che risultati affidabili dipendono dall'unione di più livelli di contesto. Elasticsearch, come livello di contesto, fornisce agli agenti una memoria persistente e governata per recuperare ciò che è rilevante e mantenere conoscenze utili tra le interazioni, radicando ogni risposta e azione nel contesto aziendale.

La sfida pratica del contesto è un problema di recupero: selezionare le informazioni giuste al momento giusto con le autorizzazioni corrette. Elasticsearch combina ricerca lessicale e vettoriale, riorganizzazione semantica, filtri e controlli di accesso in una piattaforma unica. Nei test interni di Elastic, utilizzando Elasticsearch per la memoria organizzativa, è stato raggiunto un richiamo (recall) dello 0,89 con protezione completa dei dati tra gli utenti.

L'economia è importante tanto quanto l'accuratezza. In un esperimento controllato utilizzando il dataset BrowseComp-Plus, i Knowledge Indicators precalcolati di Elastic hanno ridotto l'uso di token di input fino al 75% rispetto al baseline standard di retrieval augmented generation (RAG), mentre l'accuratezza delle risposte è aumentata dal 60% al 92%. I risultati variano in base al carico di lavoro, ma la direzione è chiara: un miglior recupero può migliorare sia l'affidabilità che i costi.

Elastic Agent Builder e l'integrazione con OpenAI

Elastic Agent Builder può essere utilizzato con i modelli e gli agenti OpenAI per migliorare il contesto e fornire maggiore rilevanza ed efficienza. Gli strumenti di Agent Builder possono essere esposti agli agenti OpenAI tramite MCP, le Skills sono disponibili per Codex, e Agent Builder supporta i modelli GPT per il ragionamento e gli strumenti.

Man mano che i modelli avanzano, il contesto è ciò che consente alle aziende di ottenere un ROI reale e mantenere un vantaggio unico nel mondo dell'AI agentica. Insieme, OpenAI ed Elasticsearch forniscono agli sviluppatori una base pratica per agenti che possono creare, gestire e recuperare contesto su dati aziendali governati.

Elastic Observability: indagini agentiche alimentate da telemetrie non strutturate

Il contesto operativo risiede nei dati di telemetria non strutturati. Le applicazioni agentiche introducono ulteriori dati come prompt, chiamate di strumenti, risposte del modello, utilizzo di token, tracce e passaggi di recupero. Elastic Observability unisce questi segnali di applicazione AI con log, metriche, tracce e dati di esperienza digitale in una singola piattaforma di osservabilità. Con Elastic Workflows, Agent Builder e Skills, i team automatizzano indagini e rimedi utilizzando dati di telemetria, incidenti passati, documenti di progettazione, runbook e linee guida, applicando pratiche ripetibili.

Le esperienze di indagine agentica di Elastic iniziano quando scatta un allarme, correlando le prove tra i segnali, identificando una probabile causa radice e presentando i passaggi successivi consigliati all'inizio dell'indagine SRE. Il risultato è meno tempo impiegato a raccogliere prove, meno passaggio tra strumenti e risoluzioni più rapide.

La stessa piattaforma può aiutare i team che operano con applicazioni alimentate da OpenAI. L'[integrazione OpenAI di Elastic](https://www.elastic.co/docs/reference/integrations/openai) raccoglie metriche di utilizzo dell'API e log di audit dell'organizzazione. I team possono correlare il consumo di token, l'attività del modello, le chiamate API e le modifiche amministrative con latenza dell'applicazione, errori, distribuzioni e salute dell'infrastruttura, utilizzando una singola piattaforma dati e un unico linguaggio di query dal livello dell'applicazione al livello del modello.

Elastic Security: piattaforma di operazioni di sicurezza agentica

I team di sicurezza affrontano un problema di contesto simile con troppi allarmi sparsi tra un numero crescente di endpoint, reti, fornitori di cloud, identità e dati applicativi. Elastic Security è una piattaforma di operazioni di sicurezza agentica che unifica SIEM, XDR e automazione nativa intorno a un modello operativo agentico. La piattaforma indaga, correlazione le prove e prepara un piano di risposta, mentre gli analisti mantengono giudizio, verifica e approvazione. Queste capacità sono disponibili in Elastic Security oggi e questo nuovo modello operativo sta già aiutando i nostri clienti a semplificare le indagini e migliorare i risultati.

Attack Discovery funziona con i modelli frontier più recenti di OpenAI per correlare allarmi disparati in catene di attacco coerenti, mappando l'attività a MITRE ATT&CK, identificando utenti e host interessati e allegando i risultati a casi e flussi di lavoro di risposta, in modo che gli analisti smistino una manciata di attacchi supportati da prove invece di migliaia di allarmi grezzi.

Agent Builder viene fornito con un agente nativo pronto per l'uso con skills come threat hunting e analisi degli allarmi, accesso controllato agli strumenti e tracce di ragionamento complete per l'auditabilità. I team hanno la possibilità di costruire agenti e flussi di lavoro personalizzati basati su Agent Builder. Nel frattempo, Automatic Import costruisce integrazioni di dati personalizzate in pochi minuti, Automatic Migration traduce le regole di rilevazione di Splunk e QRadar in Elastic Security, e l'app Elastic Security MCP porta lo smistamento degli allarmi, il threat hunting e la gestione dei casi negli strumenti AI che gli analisti utilizzano già.

Con queste capacità, i nostri clienti stanno già riscontrando un valore misurabile. [Visa](https://www.elastic.co/customers/visa), nel corso della sua migrazione da un SIEM legacy a Elastic Security, ha costruito il suo primo flusso di lavoro SOC agentico con un passaggio di validazione AI umano sul loop. Questo ha ridotto lo smistamento di una rilevazione ad alto rischio su un mainframe da 10–20 minuti a secondi, mantenendo ogni decisione AI auditabile. Il team di sicurezza gestita di [Airtel](https://www.elastic.co/blog/ai-driven-analytics) riferisce fino al 40% di smistamento e analisi più veloci e il 30% di indagini più veloci utilizzando Attack Discovery, Agent Builder e Automatic Import.

Elastic aiuta anche i team di sicurezza e conformità a monitorare le attività OpenAI. L'integrazione OpenAI di Elastic raccoglie metriche di utilizzo dell'API e log di audit dell'organizzazione. I team possono correlare il consumo di token, l'attività del modello, le chiamate API e le modifiche amministrative con latenza dell'applicazione, errori, distribuzioni e salute dell'infrastruttura, utilizzando una singola piattaforma dati e un unico linguaggio di query dal livello dell'applicazione al livello del modello.

Il futuro della collaborazione

Questa collaborazione rappresenta un passo significativo verso l'integrazione di capacità AI avanzate nei flussi di lavoro aziendali, migliorando l'efficienza, la sicurezza e la capacità decisionale in vari settori.

Il futuro della collaborazione

La collaborazione tra Elastic e OpenAI rappresenta un passo fondamentale verso l'integrazione di capacità AI avanzate nei flussi di lavoro aziendali. Questa sinergia non solo migliora l'efficienza operativa, ma apre nuove possibilità per settori come la sicurezza informatica, l'analisi dei dati e la gestione delle infrastrutture IT. Man mano che le tecnologie evolvono, l'alleanza tra queste due aziende potrebbe ridefinire gli standard di come le organizzazioni utilizzano l'intelligenza artificiale per risolvere problemi complessi.

Impatto settoriale

L'adozione di queste tecnologie sta già mostrando risultati significativi in vari settori. Ad esempio, nel settore finanziario, l'integrazione di agenti AI con Elasticsearch permette di analizzare enormi quantità di dati transazionali in tempo reale, migliorando la rilevazione di frodi e ottimizzando i processi decisionali. Nelle telecomunicazioni, le capacità di osservabilità avanzate aiutano a monitorare e risolvere problemi di rete con una rapidità senza precedenti.

Nel campo della sanità, l'analisi di dati non strutturati come cartelle cliniche e risultati di laboratorio può portare a diagnosi più precise e personalizzate. Inoltre, la sicurezza informatica beneficia enormemente di queste innovazioni, con la possibilità di identificare e rispondere a minacce in modo proattivo, riducendo i tempi di risposta e migliorando la resilienza delle infrastrutture critiche.

Sfide e opportunità

Nonostante i vantaggi, l'adozione su larga scala di queste tecnologie presenta alcune sfide. La gestione di dati non strutturati richiede infrastrutture robuste e competenze specializzate. Inoltre, la sicurezza e la privacy dei dati rimangono una priorità assoluta, soprattutto in settori altamente regolamentati come la finanza e la sanità.

Tuttavia, le opportunità sono immense. La capacità di integrare modelli AI avanzati con dati aziendali non strutturati può portare a un'innovazione senza precedenti, trasformando non solo i processi interni, ma anche l'esperienza dei clienti. Le aziende che adottano queste tecnologie saranno in grado di ottenere un vantaggio competitivo significativo, posizionandosi come leader nei rispettivi settori.

Conclusioni

La collaborazione tra Elastic e OpenAI è un esempio di come l'innovazione tecnologica possa rivoluzionare i flussi di lavoro aziendali. Con l'integrazione di capacità AI avanzate, le organizzazioni possono affrontare sfide complesse con maggiore efficienza e precisione. Mentre questa partnership continua a evolversi, è chiaro che il futuro dell'intelligenza artificiale nell'ambito aziendale è brillante e pieno di potenzialità.

Nota Editoriale e Disclaimer

Le guide e i contenuti pubblicati su GoYou sono frutto di attività di ricerca e analisi indipendente, a scopo informativo, educativo e di approfondimento.

GoYou non costituisce una testata giornalistica né un prodotto editoriale ai sensi della Legge n. 62/2001 e non svolge attività di informazione in tempo reale.

Il progetto GoYou non fornisce consulenza professionale, tecnica, legale o finanziaria e declina ogni responsabilità per l’uso improprio delle informazioni pubblicate.

Nel settore Crypto, ogni investimento comporta rischi: si invita il lettore a informarsi sempre in modo autonomo prima di assumere qualsiasi decisione.