Sessioni

Agent‑to‑Agent AI: orchestrare i Fabric Data Agent con Copilot Studio

L’evoluzione dei copilot passa dall’AI conversazionale agli ecosistemi di agenti specializzati. In questa sessione approfondiremo il ruolo dei Fabric Data Agent come agenti esperti di dati strutturati e il loro utilizzo all’interno di Copilot Studio per costruire soluzioni di agent‑to‑agent collaboration. Analizzeremo come i Data Agent di Fabric trasformano domande in linguaggio naturale in query governate su lakehouse, warehouse e modelli semantici, e come Copilot Studio permetta di estenderli, arricchirli di contesto e coordinarli con altri agenti e azioni di business. Il risultato è un’architettura AI modulare, sicura e scalabile, capace di portare insight affidabili direttamente nei flussi operativi aziendali.

Agentic AI senza catene: entra nel Microsoft Agent Framework

Nel mondo post-AutoGen e Semantic Kernel, Microsoft ha unito l’innovazione dei primi con la solidità enterprise dei secondi per dare vita al Microsoft Agent Framework: un SDK open-source multi-LLM e multi-cloud per creare agenti AI e workflow complessi con facilità. In questo talk scoprirai come il framework combina flessibilità, orchestrazione e produzione in un’unica base e come puoi usarlo per creare sistemi agentici scalabili, interoperabili e pronti per il mondo reale!

Gestione AI delle fatture: dal documento al modello predittivo

Come trasformare semplici fatture in insight strategici? In questo webinar presenteremo un caso che mostra come l’AI possa automatizzare l’intero ciclo del dato: dalla lettura dei documenti alla generazione di report, fino alla costruzione di modelli predittivi. Un viaggio completo nel potenziale dell’AI applicata ai processi amministrativi e decisionali.

Il Vibecoding è morto: viva lo Spec-Driven Development

Hai chiesto ad un'AI di scrivere codice e hai ottenuto qualcosa di magico, per poi ritrovarti a riscrivere tutto da zero tre settimane dopo? Il Vibecoding ci ha sedotti. Ma su sistemi reali, legacy, enterprise, si schianta. Più la tua chat cresce, più l'AI dimentica, allucinazione, inventa. E tu paghi il conto. Forse c'è una via d'uscita: lo Spec-Driven Development, un metodo per governare l'AI con specifiche strutturate. Markdown Git e AI sono gli ingredienti. Scopri come passare da "scrittore di codice" ad "Architetto di Specifiche". Se hai buttato codice AI nel cestino, questo talk è la risposta al perché

AI Agents for Everyone: Creating No-Code Assistants in Microsoft 365 Copilot

Microsoft 365 Copilot is evolving from a personal assistant into a platform where organizations can create AI agents tailored to their business processes — without writing code. In this session we will explore how no-code agents can be built directly within the Microsoft 365 ecosystem and integrated into everyday workflows such as Teams, Outlook, SharePoint and internal knowledge bases. Through a series of realistic business scenarios, we will demonstrate how organizations can create agents that automate knowledge retrieval, support internal teams, streamline decision-making, and assist employees in daily tasks. We will walk through the design process of these agents, the tools available in Microsoft 365 Copilot, and practical examples including internal helpdesk agents, project assistants, and knowledge management copilots. The session will conclude with a live walkthrough of how a no-code agent can be designed and deployed in minutes.

Implementare Retrieval-Augmented Generation con Azure SQL e Microsoft Foundry

Dalla ricerca vettoriale con Azure SQL ai modelli LLM e di embedding con Microsoft Foundry, Azure mette a disposizione tutti gli ingredienti necessari per implementare Retrieval-Augmented Generation: a fare la differenza, però, è la ricetta, a partire dall'arricchimento dei metadati. In questo talk, vedremo l'implementazione di uno scenario reale.

Building Agentic Automation with Copilot Studio using Agent Flows and Computer Use.

The rise of agentic automation marks a transformative shift in how organizations streamline processes and enhance productivity. In this session, we'll explore how Copilot Studio empowers you to design intelligent, autonomous solutions using Agent Flows and Computer Use Agents (CUA). These capabilities enable end-to-end automation across diverse environments—spanning web applications, enterprise systems, and desktop interfaces—without sacrificing control or compliance. You'll gain practical insights into orchestrating complex workflows that integrate multiple systems and data sources, leveraging natural language interactions to simplify user experiences. We'll learn how to scale these solutions confidently, whether you’re modernizing legacy flows or piloting innovative agentic architectures. Join us to unlock the full potential of Copilot Studio and lead your organization into the next era of intelligent automation.

Belli gli agenti… finché non li metti in produzione

Abbiamo fatto la nostra PoC agentica e funziona tutto bene. Il problema inizia quando devono operare in produzione: con permessi, tool esterni, dati sensibili e vincoli. Vedremo con un mix di teoria e live coding come affrontare questi passaggi su Microsoft Foundry e Microsoft Agent Framework. Partiremo dai rischi tipici dei sistemi multi-agent e analizzeremo diversi pattern: guardrails a strati, orchestration come punto di controllo, validazioni prima delle tool call, policy-as-code, human-in-the-loop. Non esiste una soluzione unica. Framework, modelli e superfici di rischio cambiano rapidamente: l’obiettivo è capire gli approcci possibili e i relativi trade-off, per scegliere di volta in volta quello più adatto.

Hybrid AI Orchestration per Travel Booking Complessi

La creazione automatizzata di booking multi-step richiede molto più di un semplice LLM. In questa sessione esploreremo un’architettura AI distribuita che combina modelli Azure AI Foundry con modelli locali eseguiti su VM dedicate, progettata per gestire processi complessi in contesti enterprise. Vedremo come diversi livelli di memoria, RAG con knowledge base custom, database a grafi per la gestione delle relazioni semantiche e MCP server per il controllo del contesto, collaborano per generare, validare e ottimizzare piani di viaggio articolati. Il tutto è orchestrato tramite una piattaforma per la gestione di workflow AI sviluppata su stack .NET, capace di coordinare modelli eterogenei, garantire coerenza dei dati e abilitare personalizzazioni profonde in ambienti aziendali reali. Un caso concreto di AI ibrida, governata e scalabile su infrastruttura Azure.

Umani & AI: la fabbrica del software del futuro

E se il codice non fosse più il centro del nostro lavoro? Con l’avvento dell’AI generativa, la scrittura del codice sta diventando una commodity. Il vero valore si sposta altrove: nella direzione, nel controllo, nella qualità e nella capacità di dialogare con gli stakeholder. In questa sessione vedremo come progettare una software factory ibrida in cui l’AI scrive, mentre l’umano orchestra: definisce il contesto, governa il processo, certifica il risultato e guida l’evoluzione del prodotto.

Potenziare gli agenti AI con ricerca semantica locale in .NET

Sessione dedicata allo sviluppo di un server locale in .NET 10 con Blazor Server UI per la gestione e la ricerca di documenti tramite embedding semantici. Verranno spiegati i concetti chiave degli embedding e mostrato come esporre funzionalità di ricerca attraverso Model Context Protocol (MCP), permettendo di estendere le capacità del proprio agente AI in modo locale, sicuro e integrabile.

Agents Talking to Agents: Inside the A2A Protocol

Real-world problems need specialists working together. The same is true for AI agents: it’s better to have a set of niche experts than a single mind that’s mediocre at everything. But that raises a new question: how do those agents communicate effectively? In this session, we introduce the Agent-to-Agent (A2A) protocol, an open protocol designed to let autonomous agents discover each other, exchange tasks, stream progress, and collaborate across frameworks and languages. We’ll explain why A2A exists, what problems it solves compared to framework-specific agent integrations, and then go inside the protocol, covering concepts like agent cards, tasks, sessions, and event-driven execution. Finally, we’ll demonstrate a practical .NET implementation, showing how to build and expose an A2A-compatible agent and make it collaborate with others in a cloud-native way.

Da GitHub Spark a .NET Aspire con un Copilot Agent: script deterministici + skills

GitHub Spark abbatte il tempo di prototipazione a zero: in pochi minuti si ha un'app React con storage KV, autenticazione e deploy su cloud, senza una riga di infrastruttura. Ma ogni POC di successo incontra prima o poi la stessa ripida parete: "ora la portiamo in produzione". Osservabilità, autenticazione enterprise, CI/CD, database relazionale, multi-tenancy, SLA. Tutto quello che Spark non dà, e che un sistema di produzione giustamente richiede. In questa sessione mostrerò come abbiamo costruito "spark-to-aspire": un Copilot Agent con 5 skill che guida lo sviluppatore attraverso lo switch completo da un progetto Spark verso un'architettura .NET 10 + Aspire 13 + React/Vite. Non una riscrittura manuale: un processo semi-automatizzato dove l'AI conosce la differenza tra cosa può fare deterministicamente (uno script shell è più affidabile di un LLM per npm uninstall) e cosa richiede ragionamento semantico (riscrivere useKV in hook React Query che parlano con la nuova API REST). La sessione esplora il pattern architetturale alla base dell'agent: Fase 1 – Audit: grep deterministico dei pattern Spark, stima del lavoro Fase 2 – Scaffold: CLI dotnet/aspire + template con placeholder; zero "allucinazioni" sulla struttura del progetto Fase 3 – Strip: rimozione dipendenze via npm, riscrittura semantica useKV → React Query Fase 4 – Restructure: file system + aggiornamento riferimenti cross-progetto Fase 5 – Validate: build .NET, build Vite, grep residui Spark — exit code come contratto. C'è un beneficio di Aspire, inoltre, che raramente viene citato nei talk tecnici, ma che chi usa Copilot ogni giorno percepisce immediatamente. In un progetto .NET Aspire, tutta l'architettura di sistema è dichiarata in un singolo file: l'AppHost. Servizi, database, frontend, variabili di ambiente, dipendenze tra componenti — tutto è lì, leggibile, tipizzato, senza ambiguità. Questo non è solo ergonomia per lo sviluppatore. È contesto esplicito, strutturato e compatto che un LLM può consumare in pochi token per capire come funziona l'intera applicazione. Niente più "ma il frontend parla direttamente con il DB o passa dall'API?" — la risposta è nel file.

Evoluzione di un sistema AI: da RAG a piattaforma ad agenti

L’adozione degli agenti AI nelle architetture enterprise rappresenta oggi il modo più efficace per estendere le capacità dei sistemi esistenti senza imporre refactoring radicali. Questo talk presenta un caso d’uso reale nel settore della produzione industriale, analizzando l'introduzione di agenti AI capaci di interrogare documentazione tecnica complessa, apprendere nuova conoscenza dalle interazioni e integrarsi con API e applicazioni già in produzione. Il tutto orchestrato attraverso un layer intelligente che gestisce la comunicazione tra i modelli linguistici e le applicazioni esistenti, all’interno di un’architettura cloud su Microsoft Azure basata su servizi come Static Web Apps e Azure Functions. L'intervento illustrerà il percorso evolutivo del sistema: dal primo uso di RAG per l'assistenza tecnica, fino alla transizione verso un’architettura ad agenti complessa con function calling. Vedremo come questa evoluzione abbia permesso al sistema di interagire attivamente con le API aziendali, arrivando a integrare i dati del Digital Twin delle macchine per abilitare scenari di manutenzione predittiva. L'obiettivo è dimostrare come trasformare l'AI da semplice interfaccia di consultazione a strumento operativo capace di agire direttamente sul campo.