5 metodi per adottare un’IA generativa responsabile sul lavoro

Midjourney, ChatGPT, Bing AI Chat e altri strumenti che rendono accessibile l’AI generativa hanno scatenato una marea di idee, sperimentazioni e creatività. Se volete sfruttare tutto ciò all’interno della vostra organizzazione, restano ancora dei dubbi su dove iniziare a mettere in pratica l’IA e su come farlo senza incorrere in dilemmi etici, violazioni di copyright o errori di fatto. Un buon punto di partenza è utilizzarla per aiutare le persone già esperte nel loro settore a risparmiare tempo e a essere più produttive.

Ci sono molti altri modi per iniziare a usare l’IA generativa, che tra l’altro viene incorporata in diversi strumenti e piattaforme che la vostra azienda potrebbe già utilizzare. Per questo motivo dovrete pensare a definire delle linee guida per la sperimentazione e l’adozione di questi strumenti. Ecco cinque aree chiave in cui vale la pena prendere in considerazione l’IA generativa, oltre a una guida per trovare altri scenari appropriati.

Aumentare la produttività degli sviluppatori

Il coding è spesso considerato una via di mezzo tra un’arte e una scienza, ma il lavoro di programmazione è molto spesso di routine e ripetitivo. L’ascesa delle piattaforme cloud e dei repository di moduli significa che scrivere applicazioni moderne significa incollare insieme componenti e API, rifattorizzare il codice esistente, ottimizzare gli ambienti e orchestrare le pipeline tanto quanto ideare algoritmi. Molto di questo lavoro è maturo per l’automazione e l’assistenza dell’intelligenza artificiale, ma, ancora una volta, dovete sapere come e dove state usando questi strumenti per monitorarne l’impatto e l’efficacia. Potreste iniziare con strumenti monouso che velocizzano compiti specifici e comuni prima di passare ad assistenti di codifica su larga scala.

La documentazione è fondamentale e spesso trascurata. Non solo potete far documentare all’intelligenza artificiale generativa una base di codice, ma potete anche inserire nella documentazione un’interfaccia di chat in cui gli sviluppatori possono chiedere come funziona e come si usa, o semplicemente sostituire la solita casella di ricerca. In questo modo la documentazione generica si trasforma in programmazione conversazionale, dove l’IA può prendere i vostri dati e mostrarvi come scrivere una query, ad esempio.

È inoltre fondamentale generare la logica di backend e altri elementi di base dicendo all’IA ciò che volete, in modo che gli sviluppatori possano concentrarsi sulle parti più interessanti e creative dell’applicazione. Dovreste anche usare l’intelligenza artificiale generativa per scrivere i vostri codemod (script che automatizzano le attività ripetitive e che richiedono molto tempo in grandi basi di codice) o chiedere di aiutarvi a correggere la voce e il tono del contributo per adattarlo meglio allo stile dell’azienda.

Gli assistenti di codifica come GitHub Copilot e gli IDE che integrano modelli linguistici di grandi dimensioni (LLM) possono fare tutto questo e molto altro ancora, ma non dovrebbero sostituire uno sviluppatore, che deve comprendere e valutare il codice che non ha scritto (e il contesto in cui viene eseguito) nel caso in cui contenga vulnerabilità di sicurezza o colli di bottiglia nelle prestazioni, omissioni, decisioni sbagliate o semplici errori, dato che sta generando codice basato sull’apprendimento di repository che potrebbero presentare uno o tutti questi problemi.

Pensate inoltre a come tenere traccia del codice generato dall’intelligenza artificiale nella vostra organizzazione, in modo da poterlo controllare e valutarne l’utilità. Gli sviluppatori dichiarano di essere più produttivi e meno frustrati quando utilizzano GitHub Copilot e Microsoft afferma che il 40% del codice che gli utenti di Copilot inseriscono è generato dall’IA e non modificato. Attualmente questa provenienza viene persa una volta che lo sviluppatore lascia la sua sessione IDE, quindi pensa a una guida interna sulla registrazione dell’utilizzo degli strumenti di IA.

Un passo avanti per gli utenti business low-code e no-code

Sebbene gli utenti business non abbiano le competenze necessarie per valutare il codice prodotto da un assistente IA, gli ambienti low-code e no-code sono molto limitati e i punti in cui integrano gli strumenti di IA generativa sono molto meno problematici.

Le applicazioni low-code devono spesso recuperare e filtrare i dati. Le piattaforme low-code aggiungono già funzioni di IA generativa in grado di generare query di ricerca o di igienizzare i dati restituiti, come l’aggiunta programmatica di codici di avviamento postale mancanti, il che consente agli utenti business che non hanno esperienza in materia di database di andare avanti senza dover ricorrere a componenti precostituiti o aspettare che uno sviluppatore professionista costruisca la stringa di query per loro. Strumenti open-source come Census GPT rendono più semplice l’interrogazione di grandi insiemi di dati pubblici.

Gli assistenti al codice non sono solo per gli sviluppatori professionisti. Wix Artificial Design Intelligence (ADI) è in grado ad esempio di costruire un intero sito web al posto vostro, combinando generazione di codice e design generativo; Uizard fa lo stesso per i prototipi di siti web e app, mentre Fronty trasforma le immagini in HTML e CSS ed Express Design in Microsoft Power Apps trasforma uno schizzo disegnato a mano o un file Figma in un’app funzionante, completa di backend.

La maggior parte dei casi d’uso dell’IA generativa a cui le aziende saranno interessate sono moduli che possono essere richiamati in un flusso di lavoro di automazione low-code, in modo che i dipendenti possano adattarli alle loro esigenze specifiche. Le piattaforme stanno già rendendo disponibili ChatGPT e altre API OpenAI come qualsiasi altro componente. Tuttavia, assicuratevi che gli avvisi o le indicazioni che accompagnano il testo o le immagini generate vengano visualizzati correttamente nell’ambiente low-code e che il personale conosca la vostra policy in merito alla possibilità di presentare tutto questo direttamente ai clienti senza che un dipendente lo esamini prima.

Comprendere documenti e dati

La combinazione di una versione personalizzata di ChatGPT con Bing ha portato milioni di nuovi utenti al motore di ricerca di Microsoft. Ma il modo in cui funzionano gli LLM implica che si verifichino errori e “allucinazioni”, in quanto si tratta essenzialmente di un autocompletamento di frasi e paragrafi per generare un testo che corrisponda alle richieste di ricerca. E se l’informazione desiderata non esiste, il modello tenterà comunque di creare qualcosa di plausibile.

Anche quando le informazioni fornite sono corrette e corrispondono a ciò che direbbe la maggior parte degli esperti del settore, le risposte possono essere incomplete, imprecise e, se non siete già degli esperti, potreste non sapere cosa manca. Microsoft 365 Copilot cercherà di ovviare a questo problema basando le query sui dati del Microsoft Graph di documenti ed entità e fornendo riferimenti, ma potrebbero comunque mancare punti importanti che dovrete aggiungere voi stessi.

Iniziate inoltre a sfruttare le opportunità di utilizzare gli LLM per riassumere e analizzare i documenti o generare testo per spiegare i concetti in scenari più ristretti in cui le informazioni vengono riviste internamente da persone esperte, piuttosto che essere mostrate direttamente ai vostri clienti o ad altri utenti finali. Generate un grafo di conoscenza per visualizzare le connessioni e le relazioni tra diverse entità come aiuto per comprendere un progetto, una comunità o un ecosistema. Lo strumento Copilot in arrivo su Excel promette un modo interattivo per ottenere approfondimenti e porre domande sui dati in una sandbox che non modifica i dati sottostanti, per cui eventuali errori potrebbero portarvi sulla strada sbagliata ma non dovrebbero contaminare le informazioni originali per analisi future.

Lo storytelling con i dati è un altro modo efficace per comunicare le tendenze chiave e le analisi basate sull’intelligenza artificiale come le Smart Narratives di Power BI, in grado di trovare anomalie per poi spiegarle con grafici e descrizioni autogenerate. In questo modo si evitano i problemi che gli LLM hanno con la matematica, perché gli approfondimenti vengono ricavati da modelli IA come la regressione lineare e poi descritti dal modello linguistico. È probabile che questo tipo di approcci di tipo ensemble diventi sempre più comune. Allo stesso modo, gli strumenti di sicurezza stanno iniziando a utilizzare la generazione linguistica per spiegare le minacce, le anomalie e le possibili prove di violazioni rilevate dall’IA in un linguaggio chiaro e personalizzato che spiega cosa significa e cosa fare.

Potete anche rendere i chatbot esistenti più intelligenti e flessibili per passare a qualcosa che suoni più naturale e che possa includere automaticamente nuove informazioni man mano che la bvostra base di conoscenze si aggiorna. Anche in questo caso, è allettante utilizzare i chatbot di IA generativa direttamente con i clienti per aumentarne la soddisfazione e ridurre i costi, ma si tratta di uno scenario più rischioso rispetto all’utilizzo all’interno della vostra organizzazione, ad esempio per far emergere informazioni utili sui benefit o questione relative alle risorse umane. Sebbene un chatbot “impertinente” sia adatto ad alcuni brand, non vorrete finire sulle prime pagine dei giornali perché un cliente ha ricevuto consigli pericolosi o è stato insultato dal vostro chatbot. L’uso dell’IA generativa per l’assistenza agli agenti può darvi un aumento di produttività con meno rischi.

Velocizzare il flusso di lavoro degli utenti aziendali

Strumenti di intelligenza artificiale come Microsoft Teams Premium, Dynamics 365 Copilot e l’app ChatGPT per Slack creano riepiloghi e registrano gli elementi di azione assegnati ai partecipanti e alle persone che non erano presenti nella sala e che potrebbero non sapere di cosa sono responsabili. Gli strumenti di intelligenza artificiale che riassumono le chiamate con i clienti possono inoltre aiutare i manager a supervisionare e formare il personale. Questo potrebbe essere utile sia per i consulenti finanziari, sia per i lavoratori dei call center, ma gli strumenti che monitorano la produttività dei dipendenti devono essere usati con empatia per evitare preoccupazioni sulla sorveglianza del posto di lavoro. I feedback degli utenti e le recensioni dei prodotti sono utili, ma la mole può essere schiacciante e le informazioni utili potrebbero essere sepolte molto in profondità.

L’intelligenza artificiale generativa può classificare, riassumere e categorizzare le risposte per fornire un feedback aggregato più facile da assimilare. A lungo termine, è facile immaginare un assistente personale per lo shopping che suggerisca gli articoli che vorreste acquistare e risponda alle domande su di essi, invece di scorrere pagine di recensioni e commenti. Ma anche in questo caso, le aziende dovranno essere caute nell’introdurre strumenti che potrebbero far emergere opinioni offensive o diffamatorie, o essere troppo entusiaste di filtrare le reazioni negative.

Gli strumenti di IA generativa sono in grado di leggere e riassumere lunghi documenti e di utilizzare le informazioni per redigerne di nuovi. Esistono già strumenti come Docugami che promettono di estrarre le date di scadenza e le consegne dai contratti, mentre lo studio legale internazionale Allen & Overy sta sperimentando una piattaforma che aiuta nell’analisi dei contratti e nella conformità normativa. La generazione di documenti semi-strutturati come memorandum d’intesa, contratti o dichiarazioni di lavoro può accelerare i processi aziendali e aiutarvi a standardizzare alcuni termini aziendali in modo programmatico, ma avrete bisogno di molta flessibilità e supervisione.

Superare il blocco dello scrittore e migliorare il design

Non è necessario affidare l’intero processo di scrittura a un’intelligenza artificiale solo per avere un aiuto nel brainstorming, nel copywriting e nella creazione di immagini o design. Office 365 e Google Docs permetteranno presto di chiedere all’IA generativa di creare documenti, e-mail e presentazioni, quindi dovrete stabilire delle regole su come questi vengano esaminati per verificarne l’accuratezza prima di essere condivisi con chiunque. Anche in questo caso, iniziate con compiti più limitati e usi interni che siete in grado di monitorare.

L’IA generativa può suggerire cosa scrivere nelle e-mail di contatto con i clienti, nei messaggi di ringraziamento o negli avvisi relativi a problemi logistici, direttamente all’interno della vostra e-mail o in un CRM come Salesforce, Zoho o Dynamics 365, sia come parte della piattaforma, sia attraverso uno strumento di terze parti. L’utilizzo dell’intelligenza artificiale per il marketing è molto interessante, ma ci sono anche dei rischi per il brand. Considerate quindi queste opzioni solo come un modo per iniziare e non come la versione finale prima di cliccare su invia.

Il testo generato dall’intelligenza artificiale potrebbe non essere perfetto, ma se avete molti spazi vuoti da riempire è probabilmente meglio di niente. Shopify Magic, ad esempio, può prendere i dettagli di base dei prodotti e scrivere descrizioni coerenti e ottimizzate dal punto di vista SEO per un negozio online. Inoltre, Reddit e LinkedIn utilizzano Azure Vision Services per creare didascalie e testi alternativi per le immagini al fine di migliorare l’accessibilità quando i membri non li aggiungono da soli. Se poi avete una vasta libreria di video per la formazione, i riassunti generati automaticamente potrebbero aiutare i dipendenti a sfruttare al meglio il loro tempo.

La generazione di immagini a partire dal testo può essere estremamente potente e strumenti come la nuova applicazione Microsoft Designer mettono i modelli di diffusione delle immagini nelle mani di utenti aziendali, che potrebbero avere difficoltà a utilizzare un server Discord per accedere a Midjourney o non hanno le competenze necessarie per utilizzare un plugin Stable Diffusion in Photoshop. Ma le immagini generate dall’intelligenza artificiale sono anche controverse, con questioni che vanno dai deepfake alla fonte dei dati di addestramento e all’etica dell’uso di opere di artisti noti. Le organizzazioni vorranno quindi avere una policy molto chiara sull’uso delle immagini generate dall’IA per evitare le insidie più ovvie.

Trovate i vostri casi d’uso

Come potete vedere, ci sono opportunità di trarre vantaggio dall’IA generativa in tutti i settori, dall’assistenza clienti alla vendita al dettaglio, dalla logistica ai servizi legali. Per utilizzare l’intelligenza artificiale generativa in modo responsabile, iniziate con i casi d’uso dell’elaborazione del linguaggio naturale, come la classificazione, il riassunto e la generazione di testi per gli scenari non rivolti ai clienti, in cui l’output viene rivisto da esseri umani che hanno l’esperienza necessaria per individuare e correggere errori e false informazioni.

Cercate inoltre un’interfaccia che renda facile e naturale questa operazione, anziché limitarsi ad accettare suggerimenti. La tentazione di risparmiare tempo e denaro evitando il coinvolgimento umano è forte, ma il danno per la vostra azienda potrebbe essere significativo se ciò che viene generato è impreciso, irresponsabile o offensivo.

Molte organizzazioni sono preoccupate di far trapelare nei modelli dati che potrebbero aiutare i concorrenti. Google, Microsoft e OpenAI hanno già pubblicato delle policy sull’utilizzo dei dati secondo cui i dati e i suggerimenti utilizzati da un’azienda saranno usati solo per addestrare il loro modello e non il modello principale fornito a tutti i clienti. Ma è comunque necessario avere una guida su quali informazioni il personale può copiare negli strumenti di IA generativa pubblici.

I fornitori affermano inoltre che gli utenti sono proprietari degli input e degli output dei modelli, il che è una buona idea in teoria, ma potrebbe non rispecchiare la complessità dei problemi di copyright e plagio legati all’IA generativa; inoltre, i modelli come ChatGPT non includono citazioni, quindi non potete sapere se il testo che restituiscono è corretto o copiato da qualcun altro. Parafrasare non è esattamente un plagio, ma appropriarsi di un’idea o di un’intuizione originale di qualcun altro non è una bella cosa per nessuna azienda. È infine importante che le aziende sviluppino un’alfabetizzazione all’IA e che il personale acquisisca familiarità con l’uso e la valutazione dei risultati dell’IA generativa.