Un agente AI è affidabile quanto i dati su cui lavora. Per questo, insieme a Denodo, abbiamo realizzato uno showcase che mostra l’integrazione tra le due soluzioni su un caso concreto: una utility del settore energy con dati su clienti, fatture e impianti, distribuiti tra database, API, cloud, documenti PDF e immagini.
Le 11 clip, di pochi minuti ciascuna, seguono il percorso del dato dall’inizio alla fine. Nelle prime sette Denodo lo rende accessibile, comprensibile e sicuro. Nelle ultime quattro Irion PDQG ne controlla e ne governa la qualità, fino a restituire a Denodo un dato certificato.
Prima parte: accesso, semantica e sicurezza con Denodo
1. L’AI Data Layer, DQ Governance, l’integrazione Denodo-Irion. Lo scenario e i ruoli in gioco: data team, team di data quality, team AI e utenti business. È la clip da cui partire per avere la mappa dell’intero percorso.
2. L’AI data layer, accesso a qualunque tipologia di dati. Un database SQL Server, un’API, Databricks e un database vettoriale vengono interrogati da un unico punto. I dati restano dove sono, senza copie.
3. La semantica e il data product aggregato. L’assistente AI di Denodo suggerisce nomi e descrizioni dei campi. I dati strutturati vengono poi uniti a quelli estratti dalle fatture PDF in un unico data product.
4. La sicurezza. Un tag identifica i dati personali, e una regola di masking si applica a tutti i data product che li contengono. La regola viene definita una sola volta e vale per ogni utilizzo successivo, compresi i controlli di qualità.
5. Il Data Marketplace, tutti i dati ricercabili, comprensibili, utilizzabili. Un utente business cerca il data product che gli serve, ne verifica la provenienza e lo interroga con una richiesta in linguaggio naturale. La query generata viene mostrata e spiegata.
6. Dati non strutturati di tipi diversi? Nessun problema. La ricerca semantica arriva fino alle immagini degli impianti. Dalla fotografia di un parco eolico colpito da una tempesta si ottiene la descrizione dell’incidente.
7. Sicurezza, query semantica, talk to data. Tre verifiche in sequenza: il masking applicato alle risposte del chatbot, una query che incrocia tabelle, PDF e immagini, e il dialogo in linguaggio naturale. La clip si chiude sullo score di qualità del data product, ancora basso.
Seconda parte: controllo e governo della qualità con Irion Premium Data Quality & Governance
8. Configurazione della pipeline e accesso ai data product Denodo. Dal wizard di Irion ci si collega alla vista preparata in Denodo, ereditandone metadati e policy di sicurezza. I controlli vengono eseguiti in pushdown, cioè dove il dato si trova.
9. Il wizard Copilot AI per la creazione di regole. Il data analyst descrive il controllo in linguaggio naturale e il Copilot lo traduce in una condizione SQL. Le regole verificano la coerenza tra i dati del sistema sorgente e quelli letti dalle fatture.
10. Monitor degli esiti e validazione. Gli esiti confluiscono nell’hub, dove ogni regola è associata a owner, ambito e scadenze. Da qui si validano e, in caso di anomalia, si gestiscono con una remediation o una justification.
11. Dashboard e calcolo dei KQI. Gli indicatori di qualità si analizzano per dimensione, owner e regola, e sono interrogabili anche da un LLM tramite MCP server. Lo score aggiornato torna in Denodo, e il data product si presenta agli utenti con un livello di affidabilità dichiarato.
Dal video all’incontro dal vivo
Lo showcase mostra un esempio. Per discutere come applicarlo al proprio contesto, il 22 ottobre a Milano, alla Terrazza Palestro, Irion e Denodo organizzano l’evento “Trusted Data for AI”.
