SWOT Analysis — Cardiac Traceability Agent Framework

Punti di Forza (Strengths)

#	Forza	Descrizione
S1	Architettura innovativa	Integrazione di agenti BDI con LLM per explaining agency è un approccio poco esplorato in letteratura
S2	Traceability by design	Ogni decisione è tracciata simbolicamente fin dalla progettazione, non come ripensamento
S3	Dominio circoscritto	L’ambito cardiologico (linee guida ESC) fornisce un contesto clinicamente significativo ma gestibile
S4	Riuso di concetti preesistenti	Il progetto si basa su concetti già esplorati in tesi precedenti e letteratura consolidata sui BDI
S5	Open-source	La pubblicazione su GitHub favorisce revisione tra pari e potenziali contributi esterni

Punti di Debolezza (Weaknesses)

#	Debolezza	Descrizione
W1	Team studentesco	Competenze in formazione; assenza di esperti di dominio clinico o di Jason/AgentSpeak senior
W2	Dipendenza da API LLM	L’intero pipeline LLM dipende da API di terze parti con garanzie di servizio limitate (free tier)
W3	Runtime di nicchia	Jason/AgentSpeak ha una comunità ristretta, documentazione limitata e tooling datato
W4	Bassa maturità prototipale	Il risultato sarà un prototipo accademico, non un sistema pronto per produzione clinica
W5	Documentazione sparuta	Le fonti su integrazione Jason-Python (es. JADE-Jason bridge) sono frammentate e obsolete

Opportunità (Opportunities)

#	Opportunità	Descrizione
O1	Pubblicazione accademica	L’architettura è potenzialmente pubblicabile in conferenze su agenti (AAMAS, EMAS, PAAMS)
O2	Progetti futuri	Il framework può essere esteso ad altri domini clinici o a contesti di AI responsabile
O3	Interesse industriale	La tracciabilità delle decisioni AI è un tema caldo in ambito regolatorio (AI Act europeo)
O4	Riferimento per Trustworthy AI	CTAF può servire come case study per linee guida su AI spiegabile e affidabile

Minacce (Threats)

#	Minaccia	Descrizione
T1	Variazioni API LLM	Modifiche improvvise alle API (deprecation, rate limit, costi) possono bloccare il pipeline
T2	Complessità di integrazione	L’integrazione tra Jason (Java), Python (LLM) e React (web app) presenta rischi tecnici
T3	Scope creep	La tentazione di aggiungere funzionalità cliniche o analitiche può allontanare dalla deadline
T4	Timeline semestrale	14 settimane nette per un progetto multi-componente con tecnologie eterogenee