AI Process OS
Un sistema operativo AI-native per i processi aziendali – BPMN, linguaggio naturale e una workflow runtime validata.
Un sistema operativo AI-native per i processi aziendali, in cui processi, capability, ruoli, eventi e tenant sono elementi di sistema centrali. Dal linguaggio naturale e dal BPMN nascono workflow validati ed eseguibili.
- Sfida tecnica
- I processi aziendali dovevano poter essere descritti a livello funzionale – in linguaggio naturale e BPMN – e da questi doveva nascere automaticamente una logica di processo affidabile, validata ed eseguibile, senza che l'AI generasse codice incontrollato.
- Architettura
- Una piattaforma composta da editor BPMN, AI semantic layer, capability registry, compilatore di workflow e runtime su AWS: l'LLM traduce il linguaggio in una rappresentazione intermedia strutturata, un compilatore genera BPMN 2.0, la runtime esegue task, timer ed eventi tramite le capability registrate.
- Sfide ingegneristiche
- Rendere i risultati dell'AI deterministici e sicuri: eseguire solo capability registrate, nessun accesso diretto al database, isolamento dei tenant, verificabilità e versionamento dei processi tramite una validazione a più livelli.
- Competenze dimostrate
- Automazione dei processi AI-native, AI workflow engineering, modellazione dei processi basata su BPMN, analisi semantica, architettura multi-tenant e backend AWS serverless.
AI Process OS è un caso studio di ingegneria Riegel Systems nell’ambito dell’AI-native Business Process Engineering. La piattaforma si intende come sistema operativo per i processi aziendali: processi, capability, ruoli, eventi e tenant sono elementi di sistema di prima classe – analogamente a programmi, API di sistema, autorizzazioni e ambienti utente isolati di un sistema operativo classico.
Il messaggio chiave:
L’AI genera logica di business strutturata e validata invece di codice runtime incontrollato.
Pipeline
- Natural Language / BPMN
- Semantic Parsing
- Intermediate Representation
- Validation
- Workflow Compiler
- Workflow Runtime
- Domain Services
- Persistence / Events / Audit
Architettura
Semantic Layer
La logica di business viene descritta a livello funzionale, non programmata:
- Linguaggio naturale come input: Un LLM (
claude-haiku-4-5) traduce le istruzioni funzionali in una rappresentazione intermedia (IR) strutturata – come JSON rigoroso con trigger, condizioni, azioni, approvazione, timer ed eventi. - Modellazione basata su BPMN: L’editor BPMN (bpmn.io) è l’interfaccia visiva principale; le descrizioni possono essere generate in aggiunta come XML BPMN 2.0 valido (incluso l’auto-layout).
- Capability Registry: Tutte le funzioni di sistema sono registrate e validate – ad es.
book_goods_receipt,determine_tax,calculate_deposite le operazioni di magazzino/contabilità.
La validazione come principio di sicurezza
L’AI non dispone consapevolmente di alcun ambiente di esecuzione:
- L’LLM genera esclusivamente rappresentazioni strutturate e validate dallo schema – nessun codice libero, nessuna SQL, nessuna operazione diretta sul database.
- Solo le capability registrate possono essere usate dai workflow; durante la fase di parsing il semantic layer riceve esclusivamente l’elenco delle capability disponibili.
- Le funzionalità mancanti possono essere proposte dall’AI come bozza (draft), ma richiedono revisione e attivazione prima di poter essere eseguite nei workflow.
- La workflow runtime esegue task (utente/servizio), timer, eventi e approvazioni tramite il capability dispatcher – con ruoli e autorizzazioni per tenant.
- LLM → solo IR strutturata
- Validazione → solo capability registrate
- Proposta di capability → bozza
- Revisione e attivazione
- Esecuzione runtime
Runtime ed esercizio
- Compilatore di workflow: Dalla IR validata nascono definizioni di processo versionate (BPMN 2.0, auto-layout).
- Workflow runtime: Istanze di processo con token, human task, timer ed eventi – incluso l’human-in-the-loop per le approvazioni.
- Eventi e audit: Gli eventi vengono registrati; la persistenza usa l’event sourcing in DynamoDB (single-table design).
- Isolamento dei tenant: Runtime multi-tenant con middleware per tenant e incapsulamento dei dati.
- Infrastruttura: Completamente come codice (AWS CDK): Lambda, API Gateway, DynamoDB, Cognito, EventBridge, S3/CloudFront, GitHub Actions.
Capability demonstrated
AI Process OS dimostra l’ingegneria dei processi AI-native, in cui un LLM è integrato in un percorso di esecuzione deterministico e validato – incluso un e-commerce multi-tenant come modulo integrato (catalogo, carrello, checkout, pagamenti, gestione ordini).
Tecnologie & concetti
Un progetto di ingegneria simile?
Se il tuo progetto richiede una profondità tecnica comparabile, discutiamo fattibilità, architettura e impegno – concretamente, non in formato pitch.