«L’Intelligenza Artificiale cambierà tutto, anzi lo sta già facendo». A sostenerlo è Antonio Matera, RVP Sales Content Services di OpenText.
Who's Who
Antonio Matera
Parole che confermano quanto affermato a Las Vegas in occasione dell’ultimo OpenText World da Mark Barrenechea, CEO e CTO della società canadese specializzata in software per la gestione dell’informazione aziendale: «Penso che l’AI sia molto più di una tecnologia: è un’ontologia».
Who's Who
Mark Barrenechea
E anche se è evidente che al momento non si possa delegare qualunque cosa all’AI, è altrettanto evidente che il suo impiego sarà sempre più presente sia nella vita delle persone sia nel mondo delle aziende, chiamate a dover gestire processi di complessità incrementale e, per giunta, in maniera veloce. Ecco perché entra in campo la gestione dei dati strutturati e destrutturati come base su cui costruire un’Intelligenza Artificiale che si fondi su informazioni attendibili e poco soggette ad “allucinazioni”, che è il nome degli errori che talvolta l’AI generativa produce ammantandoli di verosimiglianza.
«Le informazioni – continua Matera – diventeranno in futuro una moneta corrente, mentre ancora oggi, soprattutto nel mercato italiano, spesso vengono considerate come un mero costo. Basti pensare a quelle sottoposte alla normativa, come la fatturazione elettronica. In realtà, se opportunamente utilizzate, possono trasformarsi in una fonte per condurre determinate analisi e generare nuovo business».
Le 3 metodologie abilitate dalla Generative AI con un “purpose”
Il discrimine affinché l’AI in generale, e la Generative AI in particolare, faccia da traino a questo cambiamento è il concetto di “purpose” che oggi ha sostituito quello tradizionale di “mission”. Lo spiega bene Giovanni Micozzi, Sr. Manager, Solutions Consultant Content Services Italy di OpenText: «L’AI generativa e l’AI stessa devono avere un “purpose”, uno scopo. Per le aziende, lo scopo è quello di massimizzare i risultati di un investimento. Come si può ottenere questo scopo sfruttando le tecnologie e soprattutto le conoscenze, le informazioni che sono a disposizione delle aziende? Esistono metodologie che, limitandoci a quelle abilitate dalla AI generativa, si possono suddividere in 3 tipologie».
Who's Who
Giovanni Micozzi
La prima è relativa all’identificazione e all’organizzazione dei contenuti. Grazie alla Generative AI è possibile classificare, categorizzare e conservare contenuti che magari sono nascosti, non sono espliciti, come nel caso delle informazioni sensibili contenute all’interno dei documenti sottoposti alla normativa in materia di privacy.
La seconda metodologia riguarda la capacità di effettuare ricerche tramite l’interazione con il linguaggio naturale che ottimizza il reperimento delle informazioni insieme alla celerità nell’ottenerle.
La terza, come sa bene chiunque abbia utilizzato almeno una volta ChatGPT, si riferisce al supporto avanzato nella generazione dei contenuti che può essere applicato ad esempio nella comunicazione con la propria clientela.
Si parlerà di questo e di tanti casi d’uso il prossimo 23 novembre al museo Alfa Romeo di Arese, in provincia di Milano, in occasione dell’OpenText Italy Forum. La rivoluzione dell’Intelligenza Artificiale
L’importanza della qualità dei dati per l’Intelligenza Artificiale
Il presupposto su cui si fondano queste 3 metodologie, come anche le altre in cui viene implementata l’AI generativa, è la qualità dei dati. «Se i dati sono migliori, migliore sarà l’Intelligenza Artificiale» dice infatti Antonio Matera, aggiungendo che «avere una strategia nella gestione del dato strutturato e destrutturato è fondamentale. Come OpenText, il nostro obiettivo è innanzitutto quello di ottimizzare l’acquisizione e la produzione del dato in maniera automatica e quindi qualitativamente superiore. In questo modo l’inserimento dell’AI generativa o dell’Intelligenza Artificiale di altro tipo potrà contare su una fonte “pulita”. Se posso dare un consiglio alle aziende che desiderano incorporare l’AI nei loro processi di business è quello di affidarsi a partner che, come noi, da 30 anni si occupano della gestione del dato in maniera automatica».
La proposta di OpenText nel mondo dell’Artificial Intelligence si basa su un offering estremamente articolato che copre la stragrande maggioranza dei casi d’uso aziendali. La sintesi di questo offering si chiama Aviator e si declina in un due macro-ambiti: Aviator for Business e Aviator for Technologies. «Il primo è l’insieme di soluzioni che arricchisce l’offerta nelle nostre aree di business, il secondo è la piattaforma sulla quale sono sviluppate queste stesse soluzioni » spiega Giovanni Micozzi. Quindi, in questo secondo caso, si tratta di una suite di strumenti e di connettori per differenti warehouse, repository, data lake ecc. su cui costruire gli use case abilitati dalla AI generativa.
Alcuni esempi di casi d’uso sviluppati da OpenText
L’unico limite all’implementazione di possibili casi d’uso è la fantasia, sostiene Matera, che esemplifica in che modo già oggi OpenText stia traducendo le potenzialità dell’AI generativa nel mondo delle vendite, del marketing, della supply chain o del risk and compliance management. In quest’ultimo contesto, ad esempio, aiuta gli studi legali di grandi dimensioni con funzioni di contract analytics che permettono di analizzare contratti da migliaia di pagine andando a “scovare” ciò che serve semplicemente con il classico modello di prompting conversazionale. O, ancora, per qualsiasi settore merceologico, introduce la possibilità dell’email triage che consente, grazie alla sentiment analysis, di smistare automaticamente la posta elettronica indirizzandola automaticamente verso il canale o il dipartimento di pertinenza.
Tra gli use case già disponibili c’è anche quello della face detection con cui le forze dell’ordine possono abbinare il riconoscimento facciale con tutte le informazioni relative al soggetto ripreso. Non mancano poi le applicazioni per identificare velocemente una risorsa interna che possegga determinate caratteristiche quando un’organizzazione deve reperirla all’interno di una vasta platea. L’esempio classico è quello di una compagnia petrolifera che deve appurare chi tra i suoi collaboratori abbia i documenti in regola, tra cui passaporto e vaccinazioni effettuate, per trasferte all’estero.
In questo elenco per difetto dei casi d’uso in cui l’AI generativa potenzia i processi aziendali c’è spazio per il controllo della qualità tra disegni tecnici dei committenti e disegni realizzativi dei subfornitori che devono consegnare il prodotto, poiché l’AI velocizza l’individuazione di eventuali errori o difformità rispetto al disegno originale. Senza dimenticare le varie frontiere della cybersecurity, del coding e della verifica dei requisiti di compliance a cui tutte le organizzazioni oggi sono tenute ad attenersi.
