Intelligenza Artificiale, passi concreti

Intelligenza Artificiale, passi concreti

Quando gli hype decollano il buon senso bussa alla porta.

Oggi l'intelligenza artificiale è l'hype per eccellenza, e ci sono ottime ragioni per questo entusiasmo. Ma quali obiettivi ci stiamo ponendo utilizzandola?

Non perdere una occasione

A livello personale stiamo tutti provando tools AI di ogni genere, e diciamocelo, alle volte senza neanche un obiettivo in mente, anche solo per provare quel senso di magia che i risultati della AI generativa ci danno.

I dati dell'Osservatorio del Politecnico di Milano ci dicono che fra le grandi aziende 6 su 10 stanno lavorando su almeno un progetto AI. "Ci sviluppate qualcosa con l'AI? è una grande opportunità, non possiamo perderla".

Vero, non perdiamo l'occasione, ma per cosa?

"Il requisito più importante per cui un oggetto sia considerato bello è che soddisfi il fine per il quale è stato concepito" diceva Antoni Gaudi.

Per questo la prima domanda da porsi quando si inizia un progetto non è "quale tecnologia uso?" oppure "che esperienza utente offrirò?", ma "quale scopo mi prefiggo con questo progetto?".

Certo, è lecito rispondere: "far vedere che usiamo l'AI", ma è anche una occasione persa.

Sfruttare la AI, concretamente

Quali processi critici voglio migliorare in azienda? in quali attività vedo il mio gruppo di lavoro affaticato? quali dati delle vendite voglio interpretare al meglio? di cosa hanno più bisogno i miei consumatori? cosa devo accelerare? 

Non perdiamoci gli obiettivi, torniamo a porci queste domande, e verifichiamo in cosa l'intelligenza artificiale può essere una risorsa concreta e reale.

In questi giorni i nostri Wippers stanno sperimentando database vettoriali, valutando LLM come Gemini, OpenAi, Mistral, Falcon, Stable Diffusion, sempre partendo dalla nostra cultura aziendale: costruire una prospettiva concreta per esigenze reali.

Qualche esempio concreto

EIDEN, la nostra piattaforma omnicanale per il customer training e la formazione aziendale è un ottimo strumento, ma non sempre le aziende hanno il tempo per aggiornare frequentemente i contenuti o sfruttare i contenuti che hanno già in casa.
Ecco un obiettivo: accelerare la generazione di corsi dal materiale esistente.
Con l'intelligenza artificiale stiamo quindi prototipando la generazione di corsi e test strutturati direttamente dai video, dai webinar e dalle presentazioni già create.

Un secondo esempio ci viene da una azienda attiva in un settore specifico e molto organizzato (che per ragioni di riservatezza al momento non approfondiremo). Trattandosi di un settore particolare spesso i loro clienti hanno bisogno di informazioni tecniche e precise che difficilmente possono reperire in autonomia, impegnando molte energie dell'azienda nel rispondere e fornire queste indicazioni.

Ecco un altro obiettivo: creare una knowledge base che si racconti da sola, in modalità conversazionale per uno specifico ambito.

Con l'intelligenza artificiale abbiamo prototipato un Chatbot di Ricerca Conversazionale che parli la lingua del settore, ed eviti loro di sfogliare documentazioni e regolamenti.
Ci siamo stupiti noi stessi quando il risultato è andato oltre: parlando con il chatbot l'azienda si è accorta di incongruenze della documentazione e ha potuto rivederle e correggerle.

E l'AI non ha limiti?

Ci piace la pragmatica, spero si sia colto ;)

Se le risposte generative degli LLM sembrano avere sempre meno limitazioni e sempre più potenzialità, è vero anche che nel contesto in cui operano i temi da risolvere sono diversi.

Spoiler alert: sì, abbiamo le soluzioni.

La sostenibilità economica

Utilizzare le API di un servizio come ChatGPT è semplice, ma quando si arriva ad interrogazioni di massa i costi lievitano.

La mia amica Michela, esperta ricercatrice di Intelligenza Artificiale all'università di Dublino mi aveva avvisato: "i casi sono due: o paghi i servizi dei colossi, o paghi la potenza computazionale necessaria a usare modelli open source".

Dai test della nostra ricerca conversazionale ce ne siamo accorti.

Ma ogni gradino è spunto per salire più in alto, ecco perché con i database vettoriali stiamo costruendo logiche evolute di Cache, interpretando la similitudine semantica fra le domande degli utenti.

Così possiamo ridurre consistentemente i costi di servizio delle API, in modalità incrementale.

E la sostenibilità ambientale?

In merito al nostro prototipo di ricerca conversazionale ho chiesto a ChatGPT di farmi qualche esempio pratico di consumo considerando:

•  il training di un chatbot che risponda alle domande degli utenti partendo da una knowledge base di una documentazione di circa 100 pagine e un sito web informativo di circa 20 pagine.
•  2000 domande e risposte fornite al mese per un anno

Le risposte:

• un televisore LED da 100W per circa 2 anni
• un forno elettrico da 2000W per circa 35 giorni
• un caricatore per cellulare da 5W per circa 38.2 anni

E questo ci ha dato ancora più energia per lavorare al caching (e non solo).
Ci piacciono le prospettive a lungo termine, evitiamo lo spreco.

La distopia: ragionare sull'esperienza utente

Adoro questa cosa: è il nostro CTO che si è preoccupato per l'esperienza utente.

"Che usi la Cache di similitudine o l'intelligenza artificiale il chatbot deve rispondere con lo stesso tono di voce, deve dare la sensazione di una conversazione diretta in ogni caso, altrimenti è una esperienza distopica"

Me ne sono accorto l'altro giorno interrogando il chatbot ai-driven dell'assistenza di Midjourney (noto LLM per la generazione di immagini). L'effetto distopico è stato notevole, se pur il chatbot sia fornito da una delle più conosciute piattaforme CRM internazionali (si dice il peccato ma non il peccatore).

Alla mia prima domanda ha risposto perfettamente, l'effetto "magia" dell'AI ha avuto certamente la sua presa, efficace e deliziosamente personalizzante. Ma la risposta mi ha aperto un'altra domanda che ho prontamente posto.

La AI del chatbot aveva un contesto preciso, la mia prima domanda, e ha frainteso ripetutamente le mie domande seguenti come pura precisazione del contesto della prima.

Ho desiderato un umano. La funzionalità e l'esperienza utente sono spesso due trame dello stesso tessuto, vanno filate insieme.

Per questo andiamo avanti sui nostri progetti, proseguendo le iterazioni progettuali e di sviluppo, sicuri che se perseguiamo un obiettivo, non solo un hype, costruiremo qualcosa di concreto, anzi, lo stiamo già facendo.