È indubbio che il tema dell’intelligenza artificiale generativa abbia ricevuto tanta attenzione e generato tanto hype negli ultimi mesi, nonché molta attenzione a riguardo del possibile utilizzo di ChatGPT e concorrenza varia all’interno delle aziende. Eppure, quando spostiamo il focus sul knowledge management e in particolare sulla sua applicazione nel Customer Care, si scopre che a essere importante – e prioritaria – rimane la knowledge base. L’opportunità di implementare con profitto l’intelligenza artificiale generativa in azienda, e in special modo nel Customer Care, dipende dalla qualità complessiva della knowledge base e ora spiegheremo perché.
Il ruolo dei grandi modelli linguistici
L’intelligenza artificiale generativa è l’evoluzione di ciò che pochi mesi fa veniva chiamato Big Data, la gestione e il trattamento di moli immense di dati allo scopo di analizzarle algoritmicamente ed estrarne insight altrimenti impossibile da osservare. I nuovi oggetti di interesse si chiamano LLM, Large Language Model: massicci volumi di testo preso da ogni parte di Internet, che forma un corpus di dimensioni inusitate.
Un LLM viene addestrato; ossia, al testo in esso presente vengono applicati parametri che consentono al modello di eseguire elaborazioni capaci di produrre risposte significative, in linguaggio naturale, alle richieste degli utenti umani. ChatGPT, il primo sistema di grande diffusione per interfacciarsi con questa tecnologia, nella attuale versione 4 contiene approssimativamente 175 miliardi di parametri di configurazione, la gran parte applicati in maniera automatica. Per produrre le proprie risposte, il sistema analizza la richiesta dell’utente (il prompt) e cuce insieme parole e periodi in base alla probabilità che alla parola A segua la parola B. Per fare un esempio banale, se l’intelligenza generativa decide che sia il caso di scrivere Customer, aggiungerà Care, o Satisfaction, o Support o altro secondo la probabilità suggerita dal contesto. Le frasi di ChatGPT, detto con molta semplificazione, sono composte mettendo una parola dietro l’altra e aggiungendo la parola che più probabilmente segue quelle già messe.
La parte innovativa della tecnologia è come da questa procedura esca testo straordinariamente comprensibile e appropriato alla conversazione anche secondo il giudizio di un umano.
La grande attualità della Content Language Usability
L’efficacia di una intelligenza artificiale generativa nel rispondere in modo soddisfacente alle richieste di un operatore umano è dunque dipendente dal volume dei dati di partenza, dalla qualità con cui i dati in questione sono stati parametrizzati e dalla coerenza interna del sistema, che si sbilancia in funzione di come possa essere sbilanciato l’addestramento ricevuto.
ChatGPT infatti, e i sistemi che sono in arrivo a ruota come Bard di Google o Claude di Anthropic, è stato sottoposto a importanti interventi di contenimento da parte dei suoi autori, per evitare che dia risposte scomode, ostili, insultanti, fuori luogo, esattamente come parte rilevante del contenuto preso da Internet, sul quale è stato addestrato. Anche così, il sistema è abile nel fornire risposte che suonano convincenti ma spesso contengono inesattezze; complessivamente, non è possibile riporre fiducia completa negli output di una intelligenza artificiale generativa non specializzata.
Il sistema come è oggi, ben difficilmente verrà utilizzato all’interno di un’azienda. Dove invece l’approccio più indicato consiste nell’approfittare delle API, le interfacce di programmazione, fornite dai produttori delle IA generative, per creare e addestrare modelli linguistici di dimensioni più gestibili e, soprattutto, contenenti unicamente le informazioni rilevanti per il business e le funzioni aziendali. Questo avverrà anche per una ragione di costi: mentre piccoli modelli linguistici sono relativamente semplici da gestire e fare funzionare, un sistema immenso e complesso come ChatGPT costa attualmente alcuni milioni di dollari al giorno in costi di elaborazione.
L’intelligenza artificiale su misura per l’azienda
Se torniamo all’esempio del Customer Care, verrà piuttosto naturale per l’azienda pensare a trasformare la propria knowledge base in un modello linguistico da addestrare, utilizzando le API dell’IA, e passare agli operatori come ausilio importante per generare rapidamente le risposte adeguate alle domande dei clienti. I programmatori, lavorando sulle dimensioni ridotte di una knowledge base aziendale, possono porre paletti all’IA in modo che, per semplificare, risponda solamente quando è certa di quello che dice.
Qui entra in gioco la Content Language Usability. Una knowledge base scritta secondo criteri di leggibilità e comprensione immediata, data in pasto a una intelligenza artificiale generativa, si tradurrà in un modello che dà risposte fortemente usabili e leggibili. L’IA, vista da molti come un possibile sostituto della gestione umana della conoscenza, in realtà offre migliori risultati là dove la base di partenza è di maggiore qualità.
Rispondiamo, per finire, ad alcune domande comuni sul rapporto tra IA e knowledge management:
Sarà possibile sostituire il personale di un Customer Care con l’intelligenza artificiale?
A oggi, l’intelligenza artificiale generativa costituisce un eccellente supporto al personale umano, ma non ha né la maturità né lo spessore per agire un’autonomia.
Quali sono le criticità maggiori nell’utilizzo della IA in contesti aziendali?
Il controllo dell’output, i costi di gestione e la qualità dell’addestramento.
Come avvicinarsi all’innovazione portats dall’intelligenza artificiale generativa?
Avere coscienza dei limiti della tecnologia, disporre della competenza giusta per una implementazione produttiva, considerarla correttamente un supporto per il personale e di conseguenza provvedere a un’adeguata formazione. Porre ancora più attenzione all’efficacia e alla completezza della knowledge base.
—
Siamo specializzati nel Knowledge Management per il Customer Care.
Aryanna | Customer Knowledge Management è il partner più concreto e flessibile nel migliorare l’informazione per il Customer Care con un servizio completo: analisi della customer experience, organizzazione dei contenuti, redazione della knowledge base. Affidarsi ad Aryanna significa avere la garanzia di miglioramenti misurabili del Customer Care. Sia in termini di indicatori tecnici che soprattutto in termini economici attraverso l’abbattimento del tasso di churn.
Immagine di apertura di Andy Kelly su Unsplash.
