Universal Cognitive Architecture: la memoria aziendale che vuole rendere intercambiabili i modelli IA

L’idea: il modello ragiona, l’organizzazione ricorda

Starling Memory Works propone di spostare la memoria aziendale fuori dal modello linguistico. La sua Universal Cognitive Architecture (UCA) è presentata come uno standard aperto e gratuito, disponibile con licenza Creative Commons; Starling MX è invece l’implementazione beta sviluppata dall’azienda. Il prezzo parte da 99 dollari al mese per il primo utente, mentre l’utilizzo aggiuntivo viene fatturato separatamente.

La premessa è semplice: un modello linguistico dovrebbe essere un motore di ragionamento sostituibile, non il luogo in cui l’organizzazione conserva la propria conoscenza autorevole. Quella conoscenza dovrebbe restare strutturata, verificabile, governata e trasferibile.

Che cos’è la Universal Cognitive Architecture

UCA è uno standard di classificazione in linguaggio naturale pensato per organizzare la conoscenza aziendale attorno a 11 “Organizational Cognates”, cioè aree concettuali ricorrenti dell’intelligenza organizzativa. Secondo Starling, il sistema assegna ai concetti indirizzi semantici permanenti: persone e sistemi IA compatibili possono quindi richiedere una specifica informazione usando il suo indirizzo, senza affidarsi soltanto a una ricerca probabilistica.

L’analogia più immediata è quella con una biblioteca. Il modello linguistico può cambiare, ma il catalogo e i documenti dell’organizzazione restano al loro posto. Nei materiali di Starling, per esempio, un codice come MA20 identifica la posizione competitiva dell’azienda: l’indirizzo dovrebbe rimanere stabile, mentre sotto di esso possono cambiare le versioni del contenuto.

UCA non è quindi un nuovo modello linguistico. È il livello organizzativo proposto per un Domain Language Model (DLM): un LLM generalista e privo di memoria persistente viene alimentato, al momento della richiesta, con la memoria strutturata dell’organizzazione.

Come funziona l’architettura di Starling MX

Starling descrive il proprio archivio organizzativo come diviso in due aree principali:

• Org Library: l’archivio dei documenti ufficiali, sottoposti a governance e versionamento, che dovrebbero contenere la conoscenza canonica dell’organizzazione;
• Resources: le fonti di supporto, i documenti generati e i materiali di lavoro utilizzati per fornire contesto o produrre nuovi risultati.

La distinzione è importante. Un rapporto di ricerca o una bozza possono aiutare l’IA a completare un’attività, ma non diventano automaticamente la verità ufficiale dell’azienda. La Org Library dovrebbe conservare la versione approvata; le Resources servono invece come contesto, riferimento e materiale operativo.

L’architettura è inoltre text-first. Starling afferma che la memoria organizzativa viene conservata in Markdown leggibile e senza perdita di informazione, anziché come stato opaco del modello. I vantaggi dichiarati sono la possibilità di ispezionare i contenuti, controllarne le versioni, trasferirli tra sistemi e renderli accessibili sia alle persone sia al software.

Sul lato tecnico, un manifest assemblerebbe il contesto pertinente a partire dall’archivio controllato dagli esseri umani. Il modello riceve quel contesto, esegue il lavoro e non conserva come propria la memoria durevole dell’organizzazione.

Il ruolo del Model Context Protocol

Starling presenta il Model Context Protocol (MCP) di Anthropic come il livello di collegamento che consente ai modelli IA di accedere a contesti organizzativi esterni. UCA fornisce la logica comune di classificazione e gli indirizzi semantici; l’archivio contiene i record governati; MCP aiuta a rendere disponibili tali contenuti al modello.

In linea di principio, questa separazione dovrebbe rendere possibile cambiare modello senza ricostruire da zero la memoria aziendale. Le informazioni dell’organizzazione non sarebbero intrappolate nella memoria proprietaria di un fornitore o nella cronologia delle conversazioni: un altro modello compatibile potrebbe collegarsi allo stesso archivio e ricevere il contesto necessario per il compito.

È però una tesi progettuale, non una dimostrazione di interoperabilità universale. Le fonti disponibili descrivono l’architettura e gli obiettivi di Starling, ma non provano che ogni modello o ambiente di deployment funzioni allo stesso modo con lo standard.

Perché Starling parla di sovranità dell’IA

Per il CEO Chris Kincade, la sovranità nel campo dell’IA non riguarda soltanto l’infrastruttura. Possedere GPU, ospitare i sistemi localmente o scegliere un fornitore nazionale di modelli non garantisce da solo il controllo sulle decisioni, sulle policy, sulle autorizzazioni, sulla provenienza dei dati e sulla conoscenza operativa dell’organizzazione.

Secondo l’impostazione UCA, questi asset di lungo periodo restano in un archivio controllato dall’organizzazione. Se un modello viene aggiornato, sostituito, reso indisponibile o rifiutato per ragioni di governance, l’azienda dovrebbe conservare la propria memoria e collegare un modello diverso allo stesso patrimonio di conoscenza.

Il possibile vantaggio è una minore dipendenza da un singolo fornitore: l’asset più prezioso, cioè la conoscenza classificata e governata dell’organizzazione, si trova al di fuori del modello. La separazione potrebbe inoltre aumentare la resilienza, perché il modello rimane senza memoria rispetto alle informazioni istituzionali di lungo periodo.

È questo il significato dello slogan di Starling: «il modello dimentica; l’organizzazione ricorda». Il modello svolge il ragionamento durante una sessione; l’istituzione conserva documenti, indirizzi e regole che garantiscono continuità al lavoro.

Cosa cambia con lo standard aperto

L’azienda afferma che UCA sarà permanentemente gratuito e utilizzabile con licenza Creative Commons, senza richiedere alle organizzazioni una licenza o un’autorizzazione da parte di Starling per costruire sullo standard.

Questa impostazione distingue UCA da una funzione di memoria disponibile esclusivamente all’interno di una piattaforma. In teoria, uno standard aperto di classificazione può sopravvivere al prodotto che lo implementa per primo. Un’organizzazione potrebbe strutturare la propria conoscenza secondo UCA e poi valutare strumenti diversi per archiviazione, recupero e accesso ai modelli.

Il valore concreto dipenderà però dall’adozione, dalla qualità delle implementazioni e dalla governance. Un indirizzo permanente è utile solo se i team concordano sul suo significato, mantengono aggiornato il record canonico e controllano con attenzione le modifiche. Classificare la conoscenza può renderla più facile da trovare, ma non la rende automaticamente corretta o aggiornata.

Casi d’uso e limiti delle prove disponibili

I materiali di Starling collegano l’architettura a scenari di coaching personale, marketing, gestione delle costruzioni e servizi legali. Includono inoltre una testimonianza di Brady Patterson, di SelfOS, secondo cui dare alla conoscenza “un punto di ancoraggio chiaro” avrebbe ridotto la perdita di contesto e la deriva dei dati.

Questi esempi vanno interpretati con cautela. Le fonti fornite non verificano in modo indipendente il rapporto con QuillOS di Wrks Online, la dimensione di eventuali implementazioni o i risultati misurati sul campo. La dichiarazione di SelfOS è una testimonianza di un professionista, non una validazione indipendente dell’efficacia di UCA.

Più in generale, le prove disponibili provengono soprattutto dai materiali della stessa Starling e dalla copertura del lancio. Sono sufficienti a descrivere ciò che l’azienda ha pubblicato e il modo in cui presenta l’architettura, ma non dimostrano che UCA garantisca, in implementazioni reali, maggiore accuratezza, costi inferiori, sicurezza superiore o indipendenza dai fornitori.

Il punto essenziale

La proposta centrale di UCA è che le organizzazioni debbano costruire prima una memoria durevole, leggibile dagli esseri umani e sottoposta a governance; solo dopo dovrebbero chiedere ai modelli IA di ragionare sulla conoscenza aziendale. Gli indirizzi semantici fissi forniscono il sistema di organizzazione; la Org Library conserva i contenuti canonici; le Resources raccolgono fonti e materiali di lavoro; MCP collega il contesto esterno alle sessioni del modello.

Starling MX è la prima piattaforma beta costruita su questo modello e parte da 99 dollari al mese per il primo utente. L’architettura offre una risposta coerente al problema del lock-in e della memoria istituzionale: mantenere la conoscenza dell’organizzazione separata dal modello, così che i modelli possano cambiare senza portarla via con sé.

Resta da verificare se questa promessa reggerà su larga scala. Per stabilirlo serviranno implementazioni indipendenti e dati concreti su interoperabilità, sicurezza, costi e qualità dei risultati.