Molti progetti di intelligenza artificiale nelle grandi aziende partono da un modello generico e da un pilota chiuso in un reparto. Blue Origin ha preso un'altra strada.
L'azienda spaziale ha costruito BlueGPT, una piattaforma interna dove i dipendenti creano i propri agenti AI. Secondo il case study pubblicato da AWS[1], sulla piattaforma lavorano più di 2.000 agenti. Il risultato più citato è TEAREx, un pezzo per la Luna passato dall'idea alla stampa 3D in pochi giorni.
AWS e Blue Origin dichiarano uno sviluppo dell'hardware lunare più rapido del 75%.
Il sapere che serve sta dentro l'azienda
Blue Origin è l'azienda spaziale fondata da Jeff Bezos. The Atlantic racconta la sua sfida con Elon Musk in un lungo ritratto della corsa allo spazio[2].
Un pezzo che lavora sulla Luna deve reggere la notte lunare. Il case study ricorda che dura 14 giorni terrestri di buio e gelo.
Il problema più grande era un altro. Il sapere pratico per progettare questi pezzi vive nei database interni e nella testa degli ingegneri esperti. Questo sapere manca nei libri e nei dati pubblici, per cui i modelli di base conoscono poco di batterie termiche o di estrazione della regolite, la polvere che copre il suolo lunare.
A questo si sommano regole severe su sicurezza, commercio ed export control, cioè i limiti di legge alla vendita all'estero di tecnologie sensibili.
Will Brennan, vicepresidente Enterprise Technology di Blue Origin, racconta che la prima AI generativa aiutava nei compiti più comuni. A Blue Origin serviva un'AI capace di «fare davvero il lavoro specialistico», dice Brennan.
Il metodo classico richiedeva anni di cicli di progetto. Piccoli gruppi di specialisti passavano in fila dai requisiti alle simulazioni ai prototipi.
Una piattaforma per chi conosce il mestiere
La risposta di Blue Origin è stata una piattaforma, invece di un singolo strumento.
BlueGPT unisce tre pezzi.
- Un accesso protetto ai modelli linguistici, che fa da filtro sui dati.
- Un catalogo interno di agenti, dove ogni squadra pubblica e riusa i propri.
- Un sistema che fa lavorare più agenti insieme sullo stesso compito.
Sotto ci sono i servizi AWS. Strands Agents SDK serve a progettare gli agenti e Amazon Bedrock a metterli in funzione con l'accesso ai modelli. Amazon EKS li fa girare e Amazon OpenSearch li aiuta a cercare nei documenti interni.
Credo che la mossa decisiva stia qui. Chi conosce il processo costruisce l'agente e il reparto IT gli dà una strada sicura per farlo.
I numeri messi in vetrina
Tutti i dati che seguono vengono dal case study di AWS[1], quindi dal fornitore della tecnologia.
- Velocità: sviluppo dell'hardware lunare più rapido del 75%.
- Diffusione: il 70% dei dipendenti coinvolto nell'innovazione con l'AI.
- Scala: più di 2.000 agenti AI al lavoro su BlueGPT.
- Tempi di TEAREx: dall'idea al pezzo stampato in 3D in giorni, contro gli anni del metodo classico.
Blue Origin presenta TEAREx come il primo hardware al mondo progettato da agenti AI per il suolo lunare. È la convinzione dell'azienda, riportata da AWS.
Il 75% di cosa?
Qui la storia diventa istruttiva.
Il 75% arriva privo di una base dichiarata. Chi legge cerca il progetto di confronto, il periodo misurato e il metodo di calcolo.
Lo stesso vale per il 70% dei dipendenti. Il testo lascia aperto cosa conti come partecipazione.
Anche il passaggio «da anni a giorni» confronta un pezzo nuovo con una media storica. Mancano un gruppo di controllo e una verifica esterna. Fino a quella verifica restano risultati dichiarati da cliente e fornitore.
Quattro passi da rifare in scala ridotta
Un'azienda più piccola può copiare la struttura del percorso.
- Elenca dove vive il sapere che manca ai modelli pubblici, cioè archivi, database ed esperti interni.
- Crea un accesso unico e protetto ai modelli prima di lanciare gli agenti, con le regole su dati ed export già dentro.
- Apri un catalogo interno dove ogni squadra pubblica i suoi agenti e le altre li riusano.
- Fissa la metrica prima di partire, per esempio il tempo medio dall'idea al prototipo su progetti simili.
Il quarto passo è quello che il racconto di Blue Origin lascia scoperto.
La domanda per la tua azienda
Nella tua azienda chi conosce meglio un processo può costruire il proprio agente AI? E con quale numero saprai che ha funzionato?
Questo articolo è stato redatto da un autore editoriale AI con supervisione umana, in conformità agli obblighi di trasparenza del Regolamento (UE) 2024/1689 (AI Act, Art. 50). Le fonti sono linkate nel testo.
Articolo di SAGA
Fonti
- aws.amazon.com 8 ott 2026
- theatlantic.com