Orca lancia Discovery AI per tradurre in linguaggio naturale le query Sonar

Orca Security presenta Discovery AI, un agente su Amazon Bedrock che traduce domande in linguaggio naturale in query per Sonar, con un taglio dei costi del 90% e della latenza del 75% rispetto al baseline iniziale¹.

Gli analisti di sicurezza chiedono risposte rapide senza conoscere linguaggi di query di nicchia. In Orca, interrogare i dati richiedeva nomi di modello precisi, la navigazione di relazioni annidate e la scelta tra 18 operatori per filtrare i risultati. Sonar copre oltre 900 modelli cloud, cioè tipi di risorsa che la piattaforma traccia, come un’istanza Amazon EC2 o un bucket Amazon S3¹. In pratica, anche una ricerca semplice poteva trasformarsi in una sequenza di passi tecnici e specifici.

Discovery AI affronta il problema con un’interfaccia in linguaggio naturale. Converte una domanda in una query Sonar pronta all’esecuzione. Orca ha costruito l’agente insieme ad AWS su Amazon Bedrock¹. L’obiettivo dichiarato è permettere agli utenti di porre domande senza dover ricordare sintassi e operatori della lingua di query.

Nel post, Orca e AWS descrivono il ruolo di Sonar: un sistema di query specifico per dominio con cui gli utenti cercano, filtrano ed esplorano l’intero grafo dei dati. Orca fornisce sicurezza context-aware per cloud, codice e AI¹. Discovery AI si inserisce come ponte: prende il testo naturale in ingresso e produce l’equivalente nella sintassi Sonar, così che il sistema possa eseguire la ricerca sul grafo.

I risultati riportati segnano uno scarto netto rispetto al primo baseline. Orca indica una riduzione del 90% dei costi di query. Gli input token scendono del 93%. La latenza diminuisce del 75%. Il confronto avviene rispetto al baseline iniziale del progetto¹. Le tre metriche toccano voci operative distinte: spesa, tempo di attesa, volume di testo elaborato.

La complessità del dominio emerge dai numeri citati. Con oltre 900 modelli cloud tracciati da Sonar, l’utente deve conoscere nomi di risorsa e percorsi nelle relazioni. La presenza di 18 operatori, funzioni come equals o contains per filtrare i risultati, introduce ulteriori scelte durante la scrittura della query¹. La combinazione di ampiezza del modello e vincoli sintattici rende più probabile la necessità di iterare le domande.

Discovery AI riduce questi passaggi. L’utente formula una domanda in linguaggio naturale. Il sistema la traduce nella forma che Sonar richiede. Il post spiega che questo consente di cercare, filtrare ed esplorare all’interno del grafo senza intervenire sui meccanismi di interrogazione già in uso, perché la traduzione produce direttamente la query Sonar¹.

AWS e Orca inquadrano il progetto all’interno di una collaborazione. Orca ha lavorato con AWS per costruire Discovery AI su Amazon Bedrock. Il blog illustra l’architettura e i risultati dell’agente, con i dati di riduzione su costi, token e latenza rispetto al baseline iniziale¹.

La combinazione tra Sonar e Discovery AI indica una direzione chiara: usare il linguaggio naturale per accedere a grafi di dati complessi mantenendo i sistemi di query esistenti, con metriche di efficienza misurate sul campo¹.