1. OLTRE  L'AUMENTO DELL'EFFICIENZA OPERATIVA: QUALI SONO LE INNOVAZIONI PIÙ INTERESSANTI CHE L’AI STA PORTANDO IN AZIENDE E ORGANIZZAZIONI?

Attualmente riscontriamo nei nostri clienti una grande attenzione all’efficienza operativa che questa tecnologia è in grado di introdurre come primo beneficio nel breve periodo. Tuttavia, non è che la punta dell’iceberg di un cambiamento che a tendere sarà più trasformativo e disruptive piuttosto che incrementale o semplicemente migliorativo. Uno dei filoni principali in termini di innovazioni interessanti è la produzione di contenuti AI-based di alta qualità per la quale si sono drasticamente abbassate le barriere di ingresso: penso ai nuovi strumenti di generazione e editing di immagini rilasciati recentemente, che permettono di creare campagne pubblicitarie in una chat utilizzando stili artistici che erano appannaggio di pochissime grandi produzioni. Un ulteriore caso è costituito dallo sviluppo di codice altamente specializzato, magari utilizzando linguaggi e tecnologie di nicchia che pochi sviluppatori manovrano in termini di sintassi, ma che in molti sono perfettamente in grado di produrre con il supporto dell'AI. Un’altra competenza innovativa è la capacità di questi strumenti di interagire in modo quasi umano attraverso voci che non solo rispondono più velocemente di quanto potrebbe fare una persona vera, ma comunicano anche empatia e si adeguano a modalità e stato d'animo dell'utente replicando in maniera importante quella che è l'interazione umana. Ad oggi, infatti, i cosiddetti grandi modelli di linguaggio (LLM) non devono più forzatamente passare dal testo scritto e poi trasformarlo staticamente in audio, ma sono in grado direttamente di ascoltare e produrre suoni cogliendo in maniera diretta tutte le sfumature emotive, riproducendo respiri, intercalari o addirittura risate. Nasce così, ad esempio, una soluzione di call center dotata non solo di infinita pazienza ma, per costruzione, sempre pronta ad ascoltare e supportare l’utente nell'ambito del business di riferimento.

3. L'AGENTIC AI È ATTUALMENTE UNO DEI FRAMEWORK DELL’AI TRA I PIÙ INTERESSANTI: QUALI SCENARI APRE PER IL BUSINESS?

Sul mercato tecnologico italiano e mondiale l'intelligenza artificiale è una tecnologia sempre più pervasiva, soprattutto in riferimento all'interoperabilità del sistema AI con sistemi terzi attraverso agenti specializzati. Per quanto riguarda gli AI Agent, stiamo assistendo ad un’evoluzione di paradigma, passando da una tecnologia inizialmente concepita come supporto passivo che si attiva per task ben definiti a valle di un'iniziativa umana, ad un'AI che comprende il contesto, può anche avviare in autonomia determinate azioni e, soprattutto, ha a disposizione una serie di strumenti da utilizzare.

Per esempio, esistono sistemi AI ormai piuttosto diffusi che sono in grado di effettuare ricerche di carattere scientifico ricalcando il processo deduttivo basato sull'evidenza tipico della ricerca partendo da un obiettivo pre-definito, esplorando articoli di letteratura, costruendo tesi e provando a confutarle, tornando sui propri passi in caso il filone non riesca a fornire risultati utili e, in ultimo, fornendo risposte ragionate e corroborate da dati e fonti certe. Altri sistemi AI possono, invece, essere progettati per farsi carico non solo tradurre uno script di codice da una tecnologia ad un'altra, ma di tradurre un intero sistema, considerando le relazioni tra gli oggetti, gli impatti di una scelta di traduzione di una parte di applicativo su tutto il resto del sistema, della pianificazione, scrittura ed esecuzione dei test. Resta però sempre essenziale l’approccio Human-in-the-loop, per il quale l'AI non opera in completa autonomia e l’essere umano viene coinvolto in alcune fasi del processo per supervisionare le decisioni più critiche.

In entrambi i casi citati abbandoniamo quindi un'AI che fornisce una risposta istantanea basata su ragionamenti non comunicati all’utente, muovendoci verso una che a valle di un task ragiona, colleziona elementi tracciabili e dimostrabili ed esprime una risposta articolata. Si tratta chiaramente di sistemi ancora in evoluzione, ma che, già in prima istanza, forniscono un significativo valore aggiunto in termini di incremento di efficienza e riduzione di tempistiche. 

5. AI E BIAS: COME GARANTIRE UNO SVILUPPO DELL'AI EQUO E TRASPARENTE?

Le modalità di progettazione e implementazione di un sistema di AI responsabile impattano tutto il ciclo di vita di un progetto che riguarda l’intelligenza artificiale. Il primo step consiste spesso nell’analisi e valutazione dei dati che verranno utilizzati per addestrare i modelli; questi potrebbero offrire una rappresentazione parziale o falsata della realtà. Alcune modalità per riequilibrare i modelli possono, ad esempio, consistere nella generazione di dati sintetici che riducano i bias o selezionare, sempre attraverso meccanismi intelligenti, un nuovo sottoinsieme dei dati disponibili in modo da rappresentare gli altri diversi sottoinsiemi in modo equo. Esistono poi delle azioni che possono invece essere intraprese direttamente durante la fase di costruzione del modello: una di queste consiste nel fare in modo che questo commetta un errore paragonabile qualunque sottoinsieme della popolazione dei dati venga considerato oppure calibrare l’obiettivo imponendo di porre maggiore attenzione ad una determinata quota parte di dati che sappiamo essere sotto-rappresentata. Si cerca dunque di intervenire in diverse fasi con tecniche specifiche per fare in modo che il modello rispetti i criteri della Responsible AI.

Anche questo aspetto è stato particolarmente approfondito nella creazione della nostra soluzione di AI Generativa Privata, EngGPT, e nelle sue nuove versioni. Trattandosi di un sistema basato su tecnologia generativa è stato fondamentale costruire un ampio set di dati di training che si basa sui valori della Responsible AI e altrettanti dati di test con queste caratteristiche, volti proprio a valutare e migliorare il modello. In ultimo abbiamo messo in piedi una serie di strati di safety esterni al Large Language Model, costituiti da modelli AI addestrati unicamente con l’obiettivo di impedire e prevenire comportamenti dannosi o non appropriati per il caso di utilizzo specifico.