Per molte organizzazioni l’introduzione dell’AI è stata un vero “game-changer”, un punto di svolta che ha rivoluzionato le attività di business. Rapida ed efficace, l’intelligenza artificiale ha portato cambiamenti enormi nella reperibilità delle informazioni, nell’analisi dei dati e nell’esecuzione di lavori ripetitivi e nell’implementazione delle strategie aziendali. Si calcola che in Italia secondo le stime dell’Osservatorio Artificial Intelligence del Politecnico di Milano, il 61% delle grandi imprese abbia all’attivo un progetto di AI, almeno al livello di sperimentazione.
Tuttavia, sempre secondo l’Osservatorio, appena l’11% delle aziende italiane può dire di aver raggiunto la piena maturità a livello tecnologico, organizzativo e gestionale nell’adozione di soluzioni di intelligenza artificiale. L’AI rende le organizzazioni reattive ai cambiamenti del mercato e offre un sicuro vantaggio competitivo, ma gestire l’accesso all’enorme mole di informazioni può essere difficile.
Nei prossimi anni si prevede che i nuovi trend dell’AI rimodelleranno ogni attività e ruolo nell’ambito del cosiddetto “knowledge work” e consentiranno di decuplicare la produttività delle attività. Secondo l’Artificial Intelligence Pulse Survey condotto nel 2023 da Forrester, l’evoluzione del panorama dell’AI aiuterà le aziende a crescere e reinventarsi, costringendo interi settori a ristrutturarsi attorno al valore generato dalle macchine. Ecco, quindi, i trend che il business dovrebbe tenere in considerazione per non perdere le opportunità offerte dall’AI e creare strategie vincenti.
AI trend: come sfruttare NLP e ML con l’AI knowledge base
Creare, aggiornare e organizzare i dati è una delle attività aziendali più dispendiose in termini di tempo. Per recuperare le informazioni necessarie ai decision maker è spesso necessario districarsi tra mille ricerche che appesantiscono i flussi di lavoro e limitano la reattività dell’azienda.
Le tradizionali knowledge base funzionano infatti come archivi centralizzati di informazioni, strutturati per categorie predefinite e parole chiave. Le AI powered knowledge base, invece, sfruttano le capacità del Natural Language Processing (NLP) e del Machine Learning (ML) per automatizzare la gestione dei contenuti e delle conoscenze.
Dialogare con le knowledge base alimentate dall’AI elimina la necessità di dover scorrere lunghi documenti: il sistema impara dalle interazioni, affina la comprensione delle richieste che arrivano dall’utente e si adatta per fornire rapidamente risposte più accurate in futuro.
AI trend: Small Language Model
Se i Large Language Model (LLM) hanno segnato l’avvento dell’AI generativa, il futuro sembra appartenere agli Small Language Model (SML). I modelli di grandi dimensioni modelli richiedono infatti notevoli risorse di calcolo per essere eseguiti e solo le aziende più grandi hanno i fondi e lo spazio per i server necessario per addestrarli.
Secondo Microsoft Research, i modelli linguistici di piccole dimensioni possono rendere l’AI più accessibile grazie alle loro dimensioni contenute e alla maggiore convenienza. Non è un caso, dunque, che oggi gran parte dell’innovazione in atto in materia di LLM si stia concentrando sulla ricerca di risultati migliori con un minor numero di parametri. I modelli più piccoli utilizzano dati di addestramento curati e di alta qualità e promettono di diventare potenti come i modelli più grandi.
Oltre a democratizzare l’uso dell’AI, gli SLM potrebbero ridurre i problemi di privacy e di sicurezza che derivano dall’interazione con dati personali, proprietari o sensibili e rendere più “protetti” i contenuti prodotti dai sistemi di AI, proprio perché derivanti da fonti più contenute e sicure.
AI trend: Multimodal AI
La nuova generazione di AI punta sull’interdisciplinarietà. I modelli multimodali o Multimodal AI sono in grado di comprendere informazioni provenienti da input diversi e da differenti tipologie di dati: non solo testo, ma anche immagini, audio e video. Sebbene non siano del tutto una novità, non è ancora stato esplorato l’intero potenziale di tali modelli, capaci di sfruttare più sensi – vista, parola, udito – per creare esperienze più simili a quelle umane.
I vantaggi più immediati ricavabili dalla Multimodal AI sembra vadano, infatti, ricercati nel maggior grado di intuitività e immediatezza delle applicazioni e degli assistenti virtuali. Gli utenti potrebbero chiedere informazioni anche su immagini e video e ricevere risposte in linguaggio naturale, come anche aiuti visivi, nel caso venissero richieste istruzioni per compiere una data attività.
Mettendo insieme le informazioni tratte da input diversi, le soluzioni di AI multimodale potrebbero raggiungere una maggiore precisione nel riconoscimento vocale e nell’analisi del sentiment degli utenti, migliorando l’interazione. I modelli multimodali promettono, insomma, una migliore comprensione della realtà, grazie alla capacità di elaborare tipologie di dati diversi, arricchendo e ampliando le informazioni disponibili, soprattutto oggigiorno quando un’infinità dei contenuti creati, distribuiti e visualizzati sulle varie piattaforme sono video e vocali.
