FlowSharp adotta un approccio AI con governance nativamente: l'AI non è un layer aggiunto sopra il processo, ma opera dentro il processo con regole, permessi e controlli dichiarati.
I meccanismi di governance AI:
Data Shield — protegge i dati sensibili a livello di campo. I dati marcati come sensibili non vengono mai esposti a modelli AI, anche quando il task AI opera sullo stesso item. La sensibilità segue il dato ovunque venga copiato o trasferito.
Data Gate — checkpoint espliciti nel flow che bloccano l'avanzamento fino a quando determinati dati o condizioni non sono soddisfatte. Evita che la pratica proceda su basi incomplete o non verificate.
Human-in-the-loop nativo — i task AI possono richiedere conferma umana prima di produrre effetti. L'operatore vede l'output AI, lo valuta e decide se procedere, correggere o escalare.
Ruoli e permessi — ogni azione AI è configurata con il ruolo che la autorizza. Un modello non può accedere a dati o eseguire azioni fuori dal perimetro dichiarato.
Audit completo — ogni output AI, ogni conferma e ogni deviazione è registrata nella timeline dell'item con timestamp, responsabile e dettaglio dell'azione.
Questo approccio permette di usare l'AI per analizzare, classificare, suggerire e assistere senza perdere controllo operativo o tracciabilità.