Le definizioni canoniche.

Questa pagina e il riferimento per ogni termine utilizzato su tutto il sito. Le definizioni sono brevi e precise. Quando lo stesso termine viene utilizzato nel manifesto, nella mappa delle categorie, nella pagina della piattaforma o nelle pagine sulla fiducia, il significato qui e il significato ovunque.

01 · LA CATEGORIA

Knowledge as a Service: La categoria che converte la conoscenza tacita di una forza lavoro qualificata e distribuita in un livello di intelligence continuamente aggiornato distribuito verso tre endpoint: un dashboard interno, un'API delimitata per partner di brand e un feed di recupero per agenti IA. L'unita di ingresso e un colloquio strutturato guidato dall'IA. L'unita di uscita e infrastruttura piuttosto che un report.
KAAS: L'acronimo di Knowledge as a Service. Si pronuncia kahss. Si affianca a SaaS, IaaS e PaaS nello stesso modo: il suffisso segnala distribuzione continua e consegna nativa via API.
Corpus vivente: L'insieme completo delle conversazioni arricchite di una forza lavoro, indicizzate sulle dieci dimensioni, marcate temporalmente con validita bi-temporale e delimitate tramite un vettore di segmento. Il corpus si aggiorna settimanalmente e decade per dimensione secondo emivite calibrate.

02 · LE TRE FASI

Gather: La prima fase. Il nostro agente di conversazione IA conduce un colloquio strutturato da quindici a quarantacinque minuti con ogni lavoratore che detiene una conoscenza che vale la pena catturare. Costo: tre centesimi per conversazione arricchita. Output: una trascrizione, un insieme di campi strutturati e da venti a quaranta frammenti pronti all'arricchimento per colloquio.
Codify: La seconda fase. Ogni conversazione viene scomposta in dieci dimensioni strutturate parallele e persistita in un archivio di fatti con validita bi-temporale e delimitazione per segmento. L'output e un livello interrogabile con uno schema stabile. Stesso fatto, tre modalita di consumo (dashboard, API, feed di agenti).
Monetize: La terza fase. Il livello codificato viene distribuito simultaneamente verso il dashboard interno, l'API delimitata per partner di brand e il feed di recupero per agenti IA. Il prezzo e di livello infrastruttura, con una logica di percentuale sui ricavi a valle e un minimo enterprise.

03 · PERSONE E RUOLI

Agente di conversazione IA: L'agente che conduce i colloqui. Costruito con un albero di comportamento, regole di applicazione del protocollo, domini di conoscenza e guardrail per agente definiti in una specifica versionata. L'agente conduce ogni colloquio secondo lo stesso protocollo alla conversazione numero uno e alla conversazione numero diecimila.
Intelligence Layer: La superficie prodotto composta dal dashboard, dall'API per partner di brand e dal feed di agenti IA. Il deliverable unico che un cliente KAAS acquista. L'Intelligence Layer e cio che rende il contratto una business unit piuttosto che un progetto di ricerca.
Matrice di intelligence: Il nome interno dell'insieme di strumenti e prompt MCP che leggono nel corpus codificato per conto di agenti, dashboard e consumatori dell'API. Ogni operazione nella matrice viene eseguita sotto una Zero Data Policy. La matrice e il runtime; il corpus e il dato.

04 · METODOLOGIA

Colloquio strutturato guidato dall'IA: Una conversazione da quindici a quarantacinque minuti tra il nostro agente di conversazione IA e un lavoratore, condotta secondo un protocollo versionato. Probing ancorato, applicazione della neutralita, profondita con limiti di tempo, chiusura strutturata. Lo strumento che mantiene sia il basso costo sia la fedelta protocolale, cosa che ne gli intervistatori umani ne i sondaggi riescono a fare su scala.
Probing ancorato: La prima mossa in ogni tema e un'ancora di apertura su un evento recente e concreto nel dominio del lavoratore (ad esempio, l'ultima volta che un cliente ha chiesto un prodotto che il lavoratore non aveva in stock). L'agente non avanza al tema successivo finche l'ancora non e bloccata. Le domande astratte producono risposte astratte; l'ancora fa emergere elementi concreti.
Protocollo di neutralita: L'agente verifica la sua prossima enunciazione contro un classificatore di neutralita prima di pronunciarla. Nessuna formulazione orientata, nessun carico di valori, nessuna sollecitazione di desiderabilita sociale, nessuna pressione all'acquiescenza. Il protocollo impedisce all'agente di orientare la risposta in una direzione che l'analisi dovrebbe poi correggere.
Protocollo di chiusura: Le conversazioni terminano su una chiusura strutturata, mai con un esaurimento graduale. Gli ultimi due minuti di un colloquio producono il contenuto di maggiore fedelta perche il rispondente si e riscaldato e si fida dello strumento. La chiusura cattura quel segnale.
Dieci dimensioni: I dieci campi strutturati paralleli in cui ogni conversazione grezza viene scomposta durante la fase Codify: punti di dolore, punteggio di opportunita, mappa di percezione del brand, punteggio di prontezza all'IA, fattori di retention, segnale di mercato, rischio regolatorio e di conformita, lacuna formativa, comportamento per segmento cliente, mappa delle menzioni dei concorrenti. Lo schema e specifico al verticale nella forma superficiale e stabile nella struttura.
Gate di pre-arricchimento: Il passaggio di verifica che viene eseguito prima che un record arricchito venga persistito. Un filtro deterministico conferma che ogni citazione che lascia il sistema e una sottostringa letterale di un turno USER reale di un colloquio reale. Quando il filtro rileva una citazione inventata, la citazione viene eliminata, mai riscritta.
Provenienza verbatim: Il contratto secondo cui ogni affermazione in ogni report e collegata alla trascrizione che l'ha prodotta tramite un identificatore di frammento della forma transcript_id / turn_id / sentence_id. Il collegamento e sempre presente, per ogni conversazione, senza campionamento. I livelli di visualizzazione puliti, accorciati e tradotti derivano tutti dal verbatim originale, che non viene mai tradotto e rimane nella sua lingua originale come record di provenienza.

05 · PRIMITIVE TECNICHE

Modello bi-temporale: Il modello di dati in cui ogni fatto porta tre timestamp indipendenti: learned_at, valid_at e invalid_at. Il modello consente a un partner di brand di riprodurre lo stato del corpus del maggio scorso rispetto a oggi e ottenere la risposta corretta per ciascuno. Quella proprieta e cio che rende il livello sottoscrivibile in un contratto.
learned_at: Il timestamp in cui il sistema ha osservato un determinato fatto (la data del colloquio o la data dell'arricchimento). Distinto dal momento in cui il fatto e diventato vero nel mondo.
valid_at: Il timestamp in cui un fatto e diventato vero nel mondo. Spesso inferito dalla conversazione stessa (un lavoratore dice 'ho iniziato a notarlo lo scorso autunno', quindi valid_at e approssimativamente l'ottobre di quell'anno). Distinto dal momento in cui il sistema lo ha appreso.
invalid_at: Il timestamp in cui un fatto cessa di essere vero. Impostato esplicitamente quando arriva una conversazione contraddittoria, oppure per decadimento dell'emivita quando nessun aggiornamento conferma il fatto entro la finestra calibrata.
Vettore di segmento: Una proiezione sparsa sugli assi di segmentazione rilevanti per il verticale (livello, geografia, formato del punto vendita, segmento cliente, partner di brand, demografia). Ogni fatto ne porta uno. Il linguaggio di query diventa WHERE valid_at ⊃ today AND segment_vector ⊃ {region, format, partner}. La validita per segmento e cio che consente a un singolo corpus di servire ogni partner di brand sullo scaffale senza perdite.
Validita per segmento: La proprieta per cui la stessa affermazione di superficie puo essere vera per una fetta di segmento oggi e falsa per un'altra. 'La tinta X viene rifiutata piu spesso' puo essere vera per i negozi mass-market in America Latina e falsa per le boutique EMEA. La validita per segmento e memoria istituzionale in una forma strutturalmente diversa dalla memoria dell'agente per utente.
Emivita: Il tasso di decadimento per dimensione calibrato per ogni verticale. I fatti di percezione del brand decadono in settimane. I fatti sulle lacune formative decadono solo quando il catalogo di formazione cambia. Calibrare le emivite per dimensione e per verticale e metodologia, e distingue una cadenza di aggiornamento credibile dal semplice rifacimento di un sondaggio.
Cadenza di aggiornamento: Il calendario in base al quale una fetta del corpus viene riesaminata per confermare o invalidare i fatti. La cadenza e integrata nel ciclo di vita dei fatti. Il dashboard mostra un trigger di aggiornamento quando una frazione significativa dei fatti ha superato la propria validita. Il tier Refresh si vende contro quel trigger.
Server MCP: La superficie contrattuale orientata agli agenti. Un server conforme al MCP (consumato da Claude, Copilot e altri client conformi al MCP) che espone una piccola superficie di strumenti: query_facts, traverse_relations, pivot_dimension, replay_as_of, cite. Il ticket di sessione porta lo scope di sicurezza. Lo scope si propaga negli strumenti che l'LLM puo vedere, nei nodi del grafo che puo attraversare, nelle righe di fatti che puo leggere e nei frammenti verbatim che si risolvono quando cita.
Brand-Partner API: Il secondo endpoint di monetizzazione. I terzi a valle (ad esempio, i partner di brand che pagano un retailer per lo spazio sugli scaffali) pagano il cliente per un accesso delimitato al corpus. La chiave di ogni partner si proietta su un valore brand_partner specifico e fa emergere solo i fatti il cui vettore di segmento interseca quella proiezione. Il percorso dei dati e il controllo degli accessi.
AI-Agent Feed: Il terzo endpoint di monetizzazione. La superficie di recupero che i client LLM consumano. Pronto per il RAG, con schema stabile e citazione della fonte. Utilizzato dagli assistenti IA interni del cliente (il copilota del consulente, l'agente di pianificazione dell'acquirente) e dagli agenti dei partner di brand che interrogano tramite l'API. Una volta che un agente e collegato per consumare il livello, il costo di migrazione si accumula con ogni nuova attivita dell'agente.
Dashboard interno: Il primo endpoint di monetizzazione. Il team di strategia, merchandising o operazioni del cliente consuma il livello per prendere decisioni. L'endpoint meno controverso e il segmento di ingresso per ogni contratto.
Cloud Harness: La configurazione di deployment che esegue l'intero stack KAAS all'interno del substrate del cliente (account Cloudflare, AWS, Azure o on-premise). Il pipeline di cattura, le trascrizioni pulite, il livello bi-temporale, l'archivio di fatti, i dashboard e gli agenti IA risiedono tutti su infrastruttura controllata dal cliente.

BackLibrary

NextTrust and Security