L’abbondanza di dati generati dalle attività quotidiane offre un’opportunità senza precedenti per ottenere insight significativi e prendere decisioni informate. Con l’avvento dell’Intelligenza Artificiale (IA) generativa, si aprono nuove frontiere per l’analisi dei dati e la generazione di conoscenza, ma anche per inquadrare le dinamiche di Business Intelligence in un nuovo contesto, per certi versi inedito.
L’IA generativa è un ramo dell’IA che si concentra sulla creazione di nuovi dati, immagini, testi o altri contenuti che non esistevano precedentemente partendo da una richiesta testuale (un prompt) di una persona. Ma non è solo questo. L’adozione di strumenti basati sull’IA generativa, infatti, apre a scenari di raccolta e di elaborazione dei dati semi-strutturati e non strutturati che fino a poco tempo fa non erano pensabili. Attraverso lo stesso linguaggio naturale che viene usato per generare nuovi contenuti, è possibile innestare l’IA generativa per dinamiche di Business Intelligence per recuperare rapidamente specifici documenti o per ottenere dati utili da fonti destrutturate.
Molteplici ed eterogenei i casi d’uso
“L’accezione di IA generativa viene considerata soprattutto nell’ambito di creazione di contenuti: immagini, video, documenti. In realtà, questa tipologia di IA lavora in entrambe le direzioni”, spiega Mauro Zampieri, Responsabile AI, Data Science & Innovation di The Information Lab. “Proprio per come vengono “allenati” questi modelli, c’è una componente in cui viene definita la funzione obiettivo (testo, immagine, video) e una in cui ne viene verificata la qualità con un procedimento inverso. Ad esempio, si insegna al modello come generare un’immagine e contemporaneamente, attraverso la comprensione di ciò che viene generato, si riesce ad innescare un processo di miglioramento e auto apprendimento. È questa capacità di comprensione, applicata all’elaborazione dei dati non strutturati, che permette di reinventare la Business Intelligence” conclude Zampieri.
Pensiamo ad esempio ad uno studio legale, con un enorme base documentale composta da pratiche e fotocopie cartacee. Oppure, allo stesso modo, in campo medico, pensiamo alle radiografie ed altri esami costituiti da immagini che restituiscono dati non strutturati. In una situazione tradizionale, l’archiviazione e la reperibilità delle informazioni contenute in questo tipo di dati era estremamente onerosa.
“Gli attuali modelli di IA generativa, non solo sono in grado di capire di cosa si tratta, ma anche di fare un’analisi” sottolinea Zampieri. “Oggi è possibile, in automatico, catalogare i documenti associando loro una descrizione o una diagnosi per archiviarli come dati strutturati o semistrutturati, più facili da richiamare. Da lì – prosegue – diventa gestibile con i metodi classici”.
Oppure, pensiamo a un sistema di help desk, che deve fronteggiare regolarmente molteplici ticket o email, che contengono l’oggetto, la risposta dell’utente e magari anche la citazione dei messaggi precedenti.
Un sistema di AI generativa consente di estrarre le informazioni davvero utili. Partendo dal dato non strutturato dalle email originali, è in grado di individuare se è stata trovata una soluzione per la richiesta del cliente e proporla per casistiche analoghe.
In pratica, è possibile creare dei veri e propri “Virtual Agents” super specializzati, in grado di supportare risorse (anche junior) nell’operatività quotidiana.
E ciò avviene con tantissime forme di dati: geospaziali, telemetrici, contabili, finanziari. Proprio nelle situazioni in cui in azienda è presente una maggiore eterogeneità di informazioni l’IA generativa applicata alla Business Intelligence rappresenta uno strumento dall’enorme potenziale.
Le sfide dell’IA generativa nella Business Intelligence
Anche se i vantaggi dell’adozione dell’IA generativa per finalità di Business Intelligence sono molti, è importante considerare anche il rovescio della medaglia.
Proprio per il principio su cui funziona, potrebbe capitare che l’IA inventi fatti o numeri non reali.
“Quando vado a fare una domanda, devo tenere conto delle allucinazioni a cui sono soggetti questi modelli… il dato a volte è inventato” ricorda Zampieri. “La validazione del dato è estremamente importante in tutti gli ambiti. Non è solo la possibilità che vengano generate delle ipotesi false, ma capita anche che i dati non siano coerenti e che siano inventati dalla macchina. Serve testare e conoscere appieno tale modello (di IA generativa – ndr) per capire se funziona bene e quante volte sbaglia, se è in un range accettabile oppure no”.
Da questo punto di vista, alle organizzazioni e alle imprese è richiesto un supplemento di validazione dei dati e delle informazioni ottenute, fintanto che il margine di errore resti all’interno di un perimetro coerente con le aspettative.
Una nuova frontiera
L’Intelligenza Artificiale generativa, secondo Zampieri, offre quindi l’opportunità di trasformare l’implementazione della Business Intelligence, consentendo un’analisi più approfondita dei dati e una stimolazione dell’innovazione. Tuttavia, è essenziale che vengano affrontate con attenzione le sfide intrinseche nell’utilizzo di questi strumenti emergenti, garantendo una governance e una validazione dei dati e dei risultati ottenuti.
