Il Machine Learning sta assistendo al decollo dell’Intelligenza Artificiale (IA) generativa e sembra essere passato in secondo piano. Ma non possiamo dimenticarci del Machine Learning, perché è il gigante su cui si regge l’IA generativa. Come? Il Machine Learning è il modo in cui l’IA generativa apprende. L’IA generativa fa compiere al Machine Learning un ulteriore passo avanti, sfruttando quanto appreso per produrre qualcosa di nuovo.
Ecco una spiegazione del rapporto tra IA generativa e Machine Learning, tratta da Everest Group:
"...L’IA generativa è una tecnologia emergente che ha il potenziale per rivoluzionare il modo in cui le aziende operano. Utilizza algoritmi di ML e deep learning per generare output nuovi e unici, come testi, immagini o persino musica, sulla base di una serie di input e di un modello addestrato.”
Per quanto riguarda la relazione tra IA generativa e Machine Learning, si pensi all’IA come a un’espressione generica che racchiude tutti i tipi di IA, compresa l’IA generativa. Il Machine Learning è il modo in cui qualsiasi Intelligenza Artificiale apprende. Così come esistono molti tipi di IA, esistono anche molti modelli di Machine Learning, come i modelli di trasformazione, i modelli di diffusione o le reti generative avversarie (GAN).
n questo articolo, analizzeremo un caso d'uso - l’elaborazione della corrispondenza e-mail - in due parti per vedere dove il Machine Learning entra in gioco a supporto dell’IA generativa. Questo caso d'uso, applicabile praticamente a qualsiasi organizzazione, può aiutare a illustrare come l’IA possa supportare e migliorare le business operations.
Vuoi saperne di più sul futuro dell’Intelligenza artificiale e dell’iperautomazione? Richiedi il report Gartner® Emerging Tech Radar Hyperautomation.
Un esempio di IA generativa e di Machine Learning al lavoro.
Le organizzazioni ricevono un flusso costante di corrispondenza - da clienti, potenziali clienti, partner, fornitori, ecc. Sebbene sia un lavoro minuzioso e infinito, è un aspetto molto importante dell’operazione. Ed è un ottimo candidato per passare all’IA.
Per iniziare a elaborare le e-mail con l’IA, l’organizzazione deve prima classificarle. Successivamente, l'organizzazione potrebbe voler intervenire generando alcune note e/o inviando una risposta che conferma la ricezione dell’e-mail o fornisce informazioni al mittente. Entrambe queste fasi sono ottime opportunità per utilizzare il Machine Learning e l’IA generativa.
Per rendere questo esempio più concreto, vedremo come è possibile rendere operativa l’IA costruendo un’Abilità IA nella Piattaforma Appian.
Prima parte: Classificazione delle e-mail con il Machine Learning.
Per classificare i documenti, lo sviluppatore deve creare un modello di IA. È qui che entra in gioco il Machine Learning. Ecco come funziona. Innanzitutto, utilizzando l’oggetto di Appian AI Skill Designer, lo sviluppatore dell’applicazione seleziona la “classificazione delle e-mail”. Successivamente, lo sviluppatore carica un set di e-mail adatto per addestrare il modello e attende che questo esegua l’addestramento necessario. Questo è il Machine Learning in azione! Il modello viene addestrato dai dati delle e-mail e apprende i diversi modi in cui potrebbe eseguire la classificazione. Ad esempio, apprende quali e-mail devono essere classificate come e-mail di assistenza clienti, quali sono relative alle vendite, quali sono richieste di informazioni alla stampa, ecc. Una volta completato l’apprendimento, lo sviluppatore che progetta l'abilità può testare le capacità di categorizzazione del modello, stabilire se sono sufficientemente precise per essere utilizzate e, in caso affermativo, aggiungere questa nuova abilità alla propria applicazione per iniziare a elaborare i contenuti.
Seconda parte: Scrivere testi di e-mail con l’IA generativa.
Dopo aver classificato le e-mail, i dipendenti devono rispondere a esse. Quindi, lo sviluppatore dell’applicazione collega l’applicazione al plug-in Appian OpenAI per generare contenuti per le e-mail. (Qui entra in gioco l’IA generativa!) Questo plug-in inserisce la copia dell’e-mail del mittente nello strumento di IA generativa, fornisce alcuni suggerimenti su come rispondere a un messaggio e consente di generare la risposta iniziale. Il dipendente può modificare l’e-mail generata secondo le proprie esigenze.
Ecco come un’applicazione potrebbe utilizzare il Machine Learning e l’IA generativa in modi diversi. Nella prima parte, il Machine Learning ha aiutato il modello a capire come classificare le e-mail, mentre nella seconda parte, l’IA generativa ha aiutato il dipendente a rispondere al mittente.
IA generativa e Machine Learning: partner per la trasformazione.
Come si può vedere, l’IA generativa non servirebbe a molto senza l’aiuto del Machine Learning. Ma il Machine Learning ha fatto molta strada per consentire oggi l’utilizzo efficiente dell’IA generativa. In realtà non sono affatto in contrapposizione tra loro, ma piuttosto partner che la tua organizzazione può utilizzare per diventare più efficiente. Nel nostro esempio di elaborazione delle e-mail, chiunque debba rispondere alle e-mail nella tua organizzazione potrebbe beneficiare dell’assistenza del Machine Learning e dell’IA generativa per rendere questo compito più semplice e veloce.
Inoltre, non ci siamo soffermati su tutti i modi in cui è possibile ottimizzare l’elaborazione dei contenuti con l’IA, ma c’è sicuramente dell’altro. Qui di seguito puoi vedere un esperto che approfondisce questo caso d'uso.
