Generative AI: perché le aziende dovrebbero conoscerla e implementarla

La Generative AI è senza dubbio la tecnologia più chiacchierata del momento e a riguardo, sulla base delle argomentazioni che presenteremo in questo servizio, ci sentiamo di affermare che l’intelligenza artificiale generativa non rappresenti una moda del momento, ma un fenomeno complesso ed estremamente eterogeneo sul fronte applicativo, in grado di lasciare un impatto con pochi precedenti nella storia della tecnologia.

Pur essendo in una fase emergente, con applicazioni che non vanno oltre la cosiddetta early adoption, la generative AI ha già dimostrato di avere un potenziale in grado di rivoluzionare la portata di molti business, ridefinendo totalmente il modo con cui si è stati abituati ad operare finora nel contesto di vari settori di attività. E siamo appena all’inizio.

La varietà applicativa della generative AI è infatti per certi versi tutta da scoprire e la sua portata innovativa potrà consentire di progettare nuovi modelli di business, basati su attività che finora non andavano oltre il semplice concetto, non essendo ancora disponibili le tecnologie per realizzarle. Altre ancora, sarà la stessa AI a suggerirle agli imprenditori sulla base della conoscenza acquisita da un data set immenso come internet, a sua volta verticalizzato grazie ai data set delle singole organizzazioni.

Per tali ragioni, l’intelligenza artificiale generativa dovrebbe essere implementata almeno in alcuni processi, o per lo meno valutata con estrema attenzione, da tutte le organizzazioni, che si tratti di una grande azienda, di una PMI o di una start-up.

La generative AI va approcciata con una notevole consapevolezza su cosa sia o meno possibile fare in questo momento, e necessariamente accompagnata da un cambiamento di mentalità, che deve spingere a modernizzare radicalmente le procedure tradizionali a favore di un approccio realmente data driven.

Generative AI in azienda: la cultura del dato prende forma

L’intelligenza artificiale generativa è un subset della AI finalizzata, come il termine stesso suggerisce, a generare dati che prima non esistevano: testo, immagini, audio e altri contenuti multimediali, oltre alla capacità di sintetizzarli e organizzarli per renderli fruibili a varie applicazioni. L’esempio più noto a livello mainstream è costituito da ChatGPT, il chatbot di OpenAI che utilizza varie tecniche basate sul linguaggio naturale per ricercare e generare contenuti testuali e, nella sua più recente evoluzione, anche multimodali.

Un decisore aziendale dotato di sufficiente spirito imprenditoriale, la prima domanda che si pone, quando legge certe notizie è qualcosa del tipo: “Come potrei sfruttare questa tecnologia? Come potrei renderla utile al mio business?”. In questo frangente, il primo consiglio che qualsiasi buon consulente darebbe è sempre quello di investire sui dati.

Soltanto un’azienda i cui dipendenti hanno formato un mindset aperto al cambiamento e alla cultura del dato può disporre dello scenario fertile per implementare con successo una serie di tecniche basate sull’intelligenza artificiale. La generative AI non fa eccezione in tal senso, nonostante la sua implementazione consenta di raggiungere obiettivi molto differenti rispetto alla business intelligence, alla business analytics e, più in generale, a tutto il contesto delle analisi descrittive e predittive che fa riferimento ai big data & analytics, un altro dei grandi pilastri tecnologici della trasformazione digitale.

LEGGI ANCHE: ChatGPT: in arrivo conversazione vocale e ricerca sul web

Generative AI: a cosa serve? I possibili casi d’uso

La generative AI può essere utilizzata in produzione sia per automatizzare che per ottenere spunti creativi, con il generale obiettivo di accelerare e migliorare la qualità dei processi. Il discorso sarebbe molto ampio, qualora considerassimo le capacità dell’intelligenza artificiale generativa in senso ampio, ossia in tutti quei frangenti in cui potrebbe, presto o tardi, sostituire l’uomo nello svolgimento di varie mansioni. Ci limiteremo a citare alcune capacità ricorrenti nel contesto produttivo.

A catturare con grande decisione l’attenzione mediatica è stata la capacità dei chatbot come ChatGPT di generare testi di qualsiasi natura, con una qualità ed una rapidità sorprendente, che supera indubbiamente le capacità produttive di qualsiasi essere umano, non fosse che gli stessi contenuti generati necessitano di una costante supervisione da parte di un esperto, onde evitare allucinazioni della AI, informazioni obsolete o evidenti plagi.

In realtà, la AI generativa è molto più di tutto questo e già ora è in grado di offrire un contributo importante nella creazione di molti altri contenuti, come immagini, video, audio e scrittura di codice informatico. Oltre questi aspetti, la AI generativa consente di automatizzare e risolvere molti altri processi, in primo luogo quelli legati alla gestione documentale.

Per offrire una percezione sommaria del valore aggiunto che una corretta e consapevole implementazione della AI generativa può creare in azienda, possiamo citare i seguenti aspetti, riferendoci a cinque ambiti fondamentali: creazione, classificazione, modifica, ricerca e sintesi.

Creazione

La citata capacità di creare contenuti multimodali può assistere i creativi in varie circostanze, che spaziano dalla bozza di copy per una campagna di marketing fino alla capacità di generare del codice informatico per lo sviluppo delle applicazioni. La AI generativa è infatti in grado di elaborare varie tipologie di linguaggio, non soltanto quello conversazionale. Attraverso il prompt di un’applicazione come ChatGPT, uno sviluppatore può ad esempio suggerire parti di codice esistente quale spunto per generare una scrittura completa.

Nel caso della generazione delle immagini appare ancora complesso gestire in maniera puntuale le modifiche che intervengono lungo l’intero processo creativo, ed è la ragione per cui applicazioni come DALL-E vengono utilizzate prevalentemente a supporto della fase di concept. I risultati, tuttavia, sono assolutamente sorprendenti sia a livello di comprensione della richiesta, per il mood, la resa grafica e per quanto concerne la rapidità di esecuzione.

Nell’ambito della progettazione esiste inoltre un intero filone, denominato generative design, che ha la finalità di assistere i creativi suggerendo soluzioni in grado di soddisfare una richiesta basata su requisiti funzionali, ancor prima che su requisiti di forma.

Classificazione

L’intelligenza artificiale generativa è in grado di classificare i dati interpretandoli in maniera molto efficace sulla base della comprensione del linguaggio o delle immagini. I marketer possono utilizzarla per individuare il “sentiment” dei clienti sulla base degli audio delle conversazioni con il customer care ed altri canali di comunicazione aziendali. Allo stesso modo, la AI generativa viene utilizzata nel contesto dei sistemi antifrode, grazie alla sua capacità di classificare le anomalie nelle transazioni, analizzando sia i testi che le immagini.

Modifica

La Generative AI viene utilizzata per lo sviluppo di applicazioni capaci di gestire in maniera anche molto complessa la modifica dei contenuti multimodali. Per quanto riguarda il testo, la AI è infatti in grado di effettuare una revisione di un documento, adeguando i refusi e suggerendo miglioramenti a livello grammaticale, mentre assistiamo a sorprendenti progressi sul piano cognitivo, che consentono di riscrivere i contenuti sulla base di un tono differente rispetto a quello originale, per soddisfare in maniera più coerente gli obiettivi di comunicazione richiesti.

A livello grafico, la AI generativa viene integrata nei software di image editing per automatizzare alcune operazioni ricorrenti, come la sostituzione degli sfondi. Oltre a selezionare con grande precisione il contenuto da rimuovere, operazione che ormai questa tipologia di applicazioni completa in maniera molto efficace da tempo, appare sorprendente la capacità di suggerire nuovi contenuti in sostituzione di quelli originali.

Ricerca

Le applicazioni basate sulla AI generativa possono effettuare ricerche complesse per rispondere ad un’ampia tipologia di domande da parte degli utenti. Un esempio è costituito da Bing Chat, una specifica funzione del browser Microsoft Edge, basata sulla tecnologia di GPT-4, che consente di effettuare o ottenere risposte a domande in testi fino a 2000 parole, ottenendo queste informazioni da internet, con la citazione delle fonti da cui sono tratte.

Esistono inoltre applicazioni verticali che consentono di ottenere risposte a quesiti di natura tecnica, oppure di formulare soluzioni alternative rispetto a quelle inizialmente ipotizzate. Un esempio pratico è costituito dalla possibilità di chiedere come montare un determinato dispositivo o elemento di arredo.

Sintesi

La capacità di sintesi costituisce una delle qualità più apprezzate della AI generativa, soprattutto grazie alla sua capacità di intervenire a livello multimodale. Oltre ai sommari di contenuti testuali anche molto complessi ed articolati, è infatti possibile ottenere un video di sintesi dalla durata prefissata, effettuata a partire da una serie di video dalla durata complessiva molto più estesa.

Allo stesso modo, i data scientist possono usare la capacità di sintesi dell’intelligenza artificiale generativa per ottenere grafici e diagrammi interpretativi dell’analisi descrittiva e predittiva di un insieme di dati. E molto altro ancora.

Come implementare la Generative AI in azienda oggi

Una volta percepita la varietà applicativa e i possibili vantaggi che l’intelligenza artificiale generativa è in grado di apportare nei processi aziendali, è fondamentale iniziare a porsi il problema della sua effettiva implementazione.

Fermo restando che ogni situazione aziendale merita un’analisi puntuale dei requisiti e degli obiettivi di business da soddisfare, che deve essere svolta da personale esperto sul campo e dotato di specifiche competenze, a livello generale è possibile assumere un approccio graduale, a cominciare dal cambiamento culturale in funzione dell’importanza dei dati, procedendo con la definizione di un progetto pilota, sulla base dei cui successi identificare i processi più strategici per la progressiva implementazione dell’intelligenza artificiale generativa all’interno dell’organizzazione.

Una condizione favorevole è in genere costituita da un problema concreto da risolvere. Anziché rimanere eccessivamente sul teorico, è preferibile cercare processi in cui le risapute capacità della AI generativa potrebbero offrire un contributo essenziale, rendendoli molto più efficienti o abilitando funzioni che precedentemente mancavano dell’adeguato supporto tecnologico.

La già citata esigenze di un progetto pilota consente di non generalizzare eccessivamente gli intenti, concentrandosi preferibilmente su iniziative di breve o media durata, in grado di offrire risultati tangibili per incoraggiare la progressiva implementazione.

Lo svolgimento di un progetto pilota consente infatti a tutti gli stakeholder di toccare con mano le novità, rendendosi concretamente conto anche delle possibili criticità da superare, ad esempio in maniera di trattamento dei dati sensibili, una delle sfide più ricorrenti quando si tratta di definire dei prompt per interrogare a vario titolo un chatbot di terze parti. In altri termini, non tutto è demandabile ad applicazioni che prevedono l’interazione remota con servizi in cloud pubblico.

A livello di risorse umane occorre orientarsi almeno secondo due filoni di attività. In primo luogo è indispensabile coinvolgere tutti gli stakeholder, individuando almeno una figura per reparto in grado di interfacciarsi con le progettualità basate sull’intelligenza artificiale generativa, evitando che questa rimanga un corpo estraneo ad esclusivo uso e consumo dei data scientist e dei data engineer.

A tal proposito, oltre a coinvolgere i decisori aziendali, è assolutamente indispensabile acquisire, internamente o esternamente, le competenze tecniche e metodologiche necessarie per implementare con successo l’intelligenza artificiale generativa nei processi aziendali, a qualsiasi livello.

Contestualmente alle attività che abbiamo citato, è necessario assumere un atteggiamento responsabile nei confronti della AI, non soltanto in relazione agli aspetti generativi che comporta. Gli aspetti etici della AI costituiscono una valore centrale, non accessorio, nella definizione delle strategie di business, così come l’attenzione agli aspetti riguardanti le normative sulla privacy e il trattamento dei dati sensibili, anche in conformità ad eventuali aspetti di natura contrattuale.

La grande opportunità offerta dalle applicazioni di intelligenza artificiale generativa non deve far dimenticare in alcun modo il concetto di co-responsabilità che interviene quando si utilizzano applicazioni in cloud.

Se il provider del servizio è chiamato a garantire il rispetto delle normative vigenti in materia di privacy, soltanto l’utilizzatore finale può decidere quali dati effettivamente inserire o meno in un prompt, tenendo conto del fatto che tali informazioni vengono di fatto interessate da una condivisione con un soggetto terzo, con tutto ciò che questo comporta.

LEGGI ANCHE: Intelligenza artificiale, il grido di allarme: spaventano velocità e perdita di controllo