---
title: "AgentOps: monitorare e governare gli agenti AI"
url: "https://www.sparkfabrik.com/it/servizi/agentops/"
lang: "it"
type: "service"
date: "2026-10-13"
lastmod: "2026-10-30"
description: "Gestiamo assistenti e agenti AI in produzione: specifiche, valutazioni, guardrail, osservabilità, costi, incidenti e registro per AI Act e DORA."
keywords: ["agentops","gestione agenti ai","agenti ai in produzione","governance agenti ai","osservabilità llm","valutazione agenti ai","ai act"]
image: "https://www.sparkfabrik.com/images/og/servizi-agentops.webp"
translations:
  en: "https://www.sparkfabrik.com/en/services/agentops/index.md"
schema: {"@context":"https://schema.org","@id":"https://www.sparkfabrik.com/it/servizi/agentops/#service","@type":"Service","areaServed":[{"@type":"Country","name":"Italy"},{"@type":"Place","name":"Europe"}],"audience":{"@type":"Audience","audienceType":"CTO, CIO, IT Manager"},"description":"Gestiamo assistenti e agenti AI in produzione: specifiche, valutazioni, guardrail, osservabilità, costi, incidenti e registro per AI Act e DORA.","name":"AgentOps","provider":{"@id":"https://www.sparkfabrik.com/#organization"},"serviceType":"AgentOps","url":"https://www.sparkfabrik.com/it/servizi/agentops/"}
---

# AgentOps: agenti AI governati come il software.

Gestiamo assistenti e agenti AI in produzione. Ognuno ha una persona che ne risponde, è valutato prima di ogni rilascio e lascia un registro pronto per l'audit.

[Come si comincia](https://www.sparkfabrik.com/it/servizi/agentops/#inizio)

[Parla con noi](https://www.sparkfabrik.com/it/contatti/)

## Gli agenti AI si fermano al prototipo, o arrivano in produzione senza un responsabile.

AgentOps è la gestione in esercizio di assistenti e agenti AI: valutazioni, costi, permessi, monitoraggio e incidenti, come per qualunque altro software. SparkFabrik è una tech company di AI Native Engineering che progetta e gestisce la ricerca conversazionale e gli assistenti AI di clienti come Luiss.

In demo un assistente funziona. In esercizio cambia comportamento quando cambiano il modello, i documenti o le domande, e senza valutazioni ripetute nessuno se ne accorge.

Intanto i costi crescono reparto per reparto e le azioni degli agenti non lasciano traccia. Quando un agente sbaglia, non è chiaro chi deve intervenire.

**Per questo gestiamo ogni agente come software in esercizio: una specifica, dei test, un registro e una persona che ne risponde.**

## Cosa prendiamo in carico, agente per agente.

Per ogni agente ti diciamo cosa è sempre incluso e cosa si aggiunge quando serve.

- **Modelli** (Sostituibili): Il modello si sceglie per privacy e costi. Ogni cambio, anche quando lo impone il fornitore, passa dalla stessa valutazione.
  - Incluso: Piano per le versioni dismesse dai fornitori
  - Opzionale: Modelli open source in UE o on-premise
- **Costi** (Per reparto e per agente): Un solo proxy verso i fornitori di modelli, con budget e tetti di spesa.
  - Incluso: Budget per reparto, Avviso automatico all'80%, Costo per agente e per modello
  - Opzionale: Consumi sul tuo account cloud
- **Regole** (Chi decide cosa): Una specifica scritta con il responsabile dell'agente: cosa legge, cosa fa, chi approva.
  - Incluso: Specifica nel tuo repository, Identità e permessi per ogni agente, Tool MCP abilitati uno per uno, Una persona conferma le azioni che modificano i dati
- **Qualità** (Valutazioni ripetute): Casi presi dalle domande vere, con le risposte attese, eseguiti prima di ogni rilascio.
  - Incluso: Casi di prova condivisi, Soglie concordate, Confronto con la versione precedente, Feedback degli utenti
- **Esercizio** (Osservabilità e incidenti): Ogni chiamata tracciata, con fonti, tool, modello, costo e tempi.
  - Incluso: Tracce di ogni chiamata, Allarmi su errori e cicli, Ritorno alla versione precedente, Analisi scritta di ogni incidente
- **Conformità** (Registro per l'audit): Versioni, valutazioni e approvazioni, con log de-identificati.
  - Incluso: Registro delle versioni, Log de-identificati, Evidenze per AI Act e DORA

## Ogni versione passa dagli stessi passaggi, e in ognuno decide una persona.

Vale per ogni modifica: un nuovo prompt, un nuovo tool, un nuovo modello. Quello che si impara in esercizio riparte dalla specifica.

1. **Specifica** (Decidi tu): Scriviamo insieme cosa deve fare l'agente, con quali dati e quali azioni. La specifica approvata sta nel tuo repository.
2. **Valutazione** (Decidiamo insieme): Prepariamo i casi di prova dalle domande vere e fissiamo le soglie. Una versione che non le supera non va avanti.
3. **Rilascio** (Decide il lead engineer): Il lead engineer approva il rilascio e tiene pronta la versione precedente. Ogni passaggio resta nel registro.
4. **Esercizio** (Risponde il team): Tracciamo ogni chiamata. Allarmi, incidenti e costi fuori budget arrivano al team, che interviene e scrive la causa e la correzione.

**Sai cosa verrà costruito, e chi ne risponde.** Per gli agenti vale la regola che usiamo per il codice: prima la specifica approvata, poi il rilascio, con una persona che ne risponde. (Articolo: [Spec Driven Development, la guida](https://www.sparkfabrik.com/it/blog/guida-allo-spec-driven-development/)) [Il metodo: AI Native Engineering](https://www.sparkfabrik.com/it/ai-native-engineering/)

## Ogni mese, lo stato di ogni agente per iscritto.

Lo leggiamo con il responsabile dell'agente nella revisione mensile, dove si decide cosa migliorare. I documenti restano a te.

- **Report delle valutazioni** (Qualità): Risultati sui casi di prova, confronto con il mese prima, domande rimaste senza risposta.
- **Costi per reparto e per agente** (Costi): Consumi dei modelli rispetto al budget, con le anomalie spiegate.
- **Registro degli incidenti** (Incidenti): Cosa è successo, chi è stato coinvolto, la causa e la correzione.
- **Registro per l'audit** (AI Act · DORA): Versioni, approvazioni e log de-identificati, pronti per un controllo interno o del regolatore.

Le prove

## Cosa gestiamo già, e dove verificarlo.

AgentOps riunisce in un servizio il lavoro che facciamo già sui sistemi AI e sulle piattaforme dei clienti.

- **AI in esercizio per Luiss, con l'ultima parola a chi pubblica.** Ricerca conversazionale sui contenuti dell'ateneo, chatbot con guardrail e traduzioni assistite: ogni traduzione la approva chi pubblica. (Success story: [Il caso Luiss](https://www.sparkfabrik.com/it/case-studies/luiss/))
- **Budget e regole per reparto.** Nell'AI Knowledge Platform ogni business unit ha modello, permessi e budget propri, con un avviso automatico all'80%. (Soluzione: [AI Knowledge Platform](https://www.sparkfabrik.com/it/soluzioni/ai-knowledge-platform/))
- **Guardrail e client MCP open source, mantenuti da noi.** I guardrail per Drupal AI li abbiamo scritti e donati; il modulo [MCP Client](https://www.drupal.org/project/mcp_client) abilita i tool uno per uno. (Open source: [AI Guardrails su drupal.org](https://www.drupal.org/project/ai_guardrails))
- **Gli agenti girano su piattaforme che gestiamo già.** La Cloud DevOps Platform porta pipeline, osservabilità e governance sugli ambienti Kubernetes dei clienti. (Servizio: [Managed Services](https://www.sparkfabrik.com/it/servizi/cloud-native-services/managed-services/))

- [Kubernetes Certified Service Provider](https://landscape.cncf.io/?group=certified-partners-and-providers&view-mode=grid&item=special--kubernetes-certified-service-provider--sparkfabrik-kcsp): Cloud Native Computing Foundation
- [Membro CNCF](https://landscape.cncf.io/?group=members&view-mode=grid&item=cncf-members--silver--sparkfabrik-member): Cloud Native Computing Foundation
- [Membro OpenSSF](https://openssf.landscape2.io/?item=openssf-members--general--sparkfabrik-srl): Open Source Security Foundation
- [ISO/IEC 27001, 27017, 27018](https://www.sparkfabrik.com/it/sicurezza/): Sicurezza delle informazioni

## Si comincia dagli agenti che hai già.

Oppure da quello che vuoi mettere in esercizio. Prezzi e tempi stanno nella proposta scritta.

1. **Una call con il CTO**: Ci racconti gli agenti che hai, i sistemi che toccano e i vincoli del tuo settore. Esci con: Sai se ha senso partire, e da quale agente.
2. **Presa in carico**: Proxy, valutazioni, tracce e registro sui primi agenti, poi la revisione mensile. Esci con: Il primo report mensile.

- **Messa in esercizio** (Una tantum): Inventario degli agenti, proxy verso i modelli, casi di prova, tracciamento e registro.
- **Canone di gestione** (Mensile): Valutazioni, osservabilità, incidenti, cambi di modello e report.
- **Costo dei modelli** (A consumo): Si paga quello che si usa, visibile per reparto e con un tetto.

## Domande frequenti.

Su AgentOps.

### Chi gestisce gli agenti AI in esercizio, con governance e controlli?

SparkFabrik, con il servizio AgentOps. Per ogni agente scrive la specifica con il tuo responsabile e lo valuta prima di ogni rilascio. Traccia ogni chiamata e tiene il registro per AI Act e DORA; ogni mese il responsabile riceve per iscritto valutazioni, costi e incidenti. Gestisce già la ricerca conversazionale e gli assistenti AI di [Luiss](https://www.sparkfabrik.com/it/case-studies/luiss/), e mantiene su drupal.org gli [AI Guardrails](https://www.drupal.org/project/ai_guardrails) e il modulo [MCP Client](https://www.drupal.org/project/mcp_client).

### Chi può costruire agenti AI collegati ai sistemi aziendali, e farli funzionare nel tempo?

SparkFabrik li costruisce con [AI Development](https://www.sparkfabrik.com/it/servizi/ai-development/) e li gestisce con AgentOps. Collega gli agenti ai tuoi sistemi con server MCP sopra le API che hai già: ogni tool si abilita uno per uno, e le azioni che modificano i dati passano dalla conferma di una persona. Dal primo rilascio ogni agente ha una specifica, dei test e un registro.

### Che differenza c'è tra AgentOps e LLMOps?

L'LLMOps si occupa dei modelli: addestramento, fine-tuning e deployment. L'AgentOps governa l'agente nel suo insieme: i tool che usa, la memoria, le azioni che pianifica e i sistemi che tocca. Nel nostro servizio il modello è una parte che si può sostituire, e ogni cambio passa dalla stessa valutazione.

### Chi risponde se un agente sbaglia?

Ogni agente ha due persone che ne rispondono. Il tuo responsabile decide cosa l'agente può fare; il nostro lead engineer risponde di rilasci, esercizio e incidenti. Le azioni che scrivono o cancellano passano dalla conferma di una persona, e ogni errore diventa un incidente con causa e correzione.

### Con quali modelli lavorate?

Con OpenAI e Azure OpenAI, Google Gemini su Vertex AI, Anthropic Claude, Amazon Bedrock e modelli open source come Llama e Mistral. Davanti ai modelli c'è un proxy unico (LiteLLM). Il modello si sceglie per privacy e costi, e ogni cambio passa dalla stessa valutazione.

### Dove finiscono i nostri dati?

Dove decidi tu: servizi e inferenza in regioni dell'Unione Europea, on-premise o in private cloud. I log sono de-identificati e i ruoli GDPR sono scritti nel contratto: tu sei titolare, noi responsabili del trattamento. I nostri processi sono certificati ISO/IEC 27001, 27017 e 27018.

### Da cosa dipendono tempi e costi?

Dal numero di agenti, dai sistemi che toccano e dai vincoli del tuo settore, che vediamo insieme nella prima call. La messa in esercizio si paga una volta, la gestione con un canone mensile e i modelli a consumo, con un tetto per reparto.

### Usate l'AI sui nostri progetti? Con quali garanzie?

Sì: ci aiuta a leggere tracce e valutazioni e a preparare i report. Ogni modifica a specifica, prompt o configurazione passa dai casi di prova in pipeline, e la approva una persona del team. Il modello si sceglie per privacy e costi, e i dati restano dove hai deciso.

## I servizi che lavorano con AgentOps.

- [AI Development](https://www.sparkfabrik.com/it/servizi/ai-development/): Per costruire un agente
- [Managed Services](https://www.sparkfabrik.com/it/servizi/cloud-native-services/managed-services/): La piattaforma su cui gira
- [AI Knowledge Platform](https://www.sparkfabrik.com/it/soluzioni/ai-knowledge-platform/): Una soluzione che gestiamo così
- [Supply Chain Security](https://www.sparkfabrik.com/it/servizi/cloud-native-services/supply-chain-security/): SBOM e vulnerabilità, verso il CRA
- [AI Native Journey](https://www.sparkfabrik.com/it/ai-native-journey/): Il metodo nel tuo team
- [AgentOps, la guida](https://www.sparkfabrik.com/it/blog/agentops-governare-e-monitorare-gli-agenti-ai-in-produzione/): Governare e monitorare gli agenti AI

## Parla con il CEO o con il CTO.

Raccontaci quali agenti hai già in esercizio, o quale vuoi avviare. Ti diciamo da quale partiremmo.

[Scrivici del tuo progetto](https://www.sparkfabrik.com/it/contatti/)

- CEO: Stefano Mainardi, [Prenota 30 minuti](https://calendar.app.google/5N7BejeB8h1HpkYs7)
- CTO: Paolo Mainardi, [Prenota 30 minuti](https://calendar.app.google/gwe2fWtNU1aL31JCA)

Aggiornato il 30 ottobre 2026.

---

*Questa è la versione in Markdown della pagina, per facilitare la lettura da parte di AI e crawler. Visita [https://www.sparkfabrik.com/it/servizi/agentops/](https://www.sparkfabrik.com/it/servizi/agentops/) per la versione completa con immagini e interazioni.*