Pimp my intranet: quando ChatGPT entra in ufficio

Intelligenza artificiale orizzontale e verticale

Parliamo di AI e ci aspettiamo da lei, come è normale, cose magiche ed irresistibili, ma con un sottofondo forse inespresso, che recita più o meno così:

“Certo ChatGpt funziona ma del resto lavora su tutto lo scibile di internet, ovviamente è chiaro che alla fine ha imparato a sembrare intelligente.”

Insomma, per molti potrà sembrare che senza la forza di miliardi di petabyte da processare il nostro super chat tuttofare sarebbe meno in grado di toglierci le castagne dal fuoco: sarebbe un po’ meno intelligente, meno arguto, meno potente, meno magico.

Se ora si comporta un po’ come un grandangolo capace di abbracciare tutto il panorama, e per giunta nitidamente fino all’orizzonte, come se la caverebbe se invece di “tutto” avesse a disposizione solo una piccola porzione di sapere , un dominio ristretto di dati, insomma se invece di un grandangolo dovesse comportarsi come un teleobiettivo, che mette a fuoco un dettaglio e sfoca tutto il resto?

La domanda è meno peregrina di quello che sembra, in particolare per noi che ci occupiamo di intranet, e le sue sottoli sfumature filosofiche sono destinate a dissolversi nella sua traduzione pratica: come si comporterebbe la nostra AI dentro una intranet, alle prese non con miliardi di testi, ma con migliaia, non con milioni PDF ma con qualche centinaio, e così via?

Ecco, quindi che il tema per così direi “fotografico” (grandangolo vs teleobiettivo) si colora di interessanti questioni operative: se decidessimo di applicare la nostra AI alle circolari, agli articoli della intranet, alle discussioni nei gruppi di lavoro online, agli avvisi, funzionerebbe?

La risposta è sì.

Applicare l’AI in domini verticali

Per capire perché la risposta è positiva dobbiamo esaminare il “motore” che sta sotto l’AI di cui parliamo: ChatGPT è infatti un’interfaccia conversazionale, costruita intorno a un modello di linguaggio: GPT3.5 prima, GPT4 poi.

Ora, un modello di linguaggio, o più in generale un modello di IA, è il risultato dell’allenamento di un algoritmo su dei dati. Un modello, perciò, è un oggetto statico e avrete sicuramente fatto esperienza di risposte di questo tenore:

La conoscenza di un modello è limitata ai dati su cui è stato allenato: ovviamente non conosce le informazioni interne a una intranet, ma sarebbe anche impensabile mantenere aggiornato un modello di tali dimensioni su dati in continuo cambiamento.

Come facciamo quindi a ricreare un’interfaccia conversazionale, “alla ChatGPT”, con la documentazione interna di una intranet?

La risposta è una tecnica emergente chiamata RAG (Retrieval Augmented Generation):

• Usiamo il modello di linguaggio per la sua incredibile capacità nel comprendere ed elaborare il linguaggio naturale;
• Lo istruiamo a consultare la documentazione della intranet (senza che la apprenda);
• Gli insegniamo a rispondere verticalmente solo su di essa, per non contaminarla con la sua conoscenza pregressa e a citare le fonti usate per rispondere.

Pensate a RAG come a un esame a libro aperto, dove il modello di linguaggio è lo studente e la documentazione della intranet è l’informazione di cui è equipaggiato.

Chiedimi quello che vuoi (ma meglio se si tratta di HR)

Ovviamente un ambito intranet implica usi ristretti del dominio: magari non potrai fare una tesina sull’illuminismo o sui pittori fiamminghi (con buona pace di Jan van Eyck), ma certamente potrai trovare risposte più prosaiche, nascoste nei meandri di polverosi PDF che l’AI scandaglierà per te.

Ecco qualche esempio:

• Quali sono i massimai per le trasferte in Italia?
• Mi dai in numeri più rilevanti dell’ultimo bilancio aziendale?
• Elencami i prodotti retail pensati per un cliente prudente con ampia capacità di spesa
• Quali sono le differenze principali tra il permesso maternità e il permesso paternità?
• Dove sono previste quest’anno le colonie per i figli dei dipendenti?
• Cosa faccio se buco una gomma di un’auto aziendale?
• Come faccio ad abilitarmi all’applicazione Pegasus? Passo per passo.

E così via.

L’AI in azione in intranet: alcuni esempi

Fischi per fiaschi?

Questa tecnologia vuole non solo superare i limiti pratici dei modelli di linguaggio, ma anche renderli notevolmente più affidabili. Sono ben note le cosiddette “allucinazioni” di questi modelli, ovvero quando danno risposte verosimili, ma false. Poter rispondere guardando direttamente alla fonte di verità e citarne gli elementi rilevanti è un importante passo in avanti, ma non è una soluzione perfetta.

Si tratta di tecnologie incredibili, ma acerbe ed è fondamentale comprenderle per usarle in maniera corretta. Sono pur sempre strumenti ed è responsabilità dell’utilizzatore il modo in cui vengono usati.

Sono già noti casi in cui strumenti del genere, esposti direttamente al pubblico, hanno dato risposte sbagliate con conseguenze legali: ad esempio il chatbot di Air Canada.

Il nostro impegno è nell’applicare queste tecnologie ai casi d’uso corretti ed usare le loro risposte come bozza, punto di partenza, non alla cieca.

Proprio per questo, come progettisti di 80.20, stiamo sviluppando e monitorando un’assistente artificiale di supporto all’assistenza reale: uno strumento che permette di conversare con la documentazione interna a chi con questa ci lavora, per automatizzare e snellire processi lunghi e tediosi, ma le cui risposte vengono utilizzate con spirito critico e consapevolezza.

In questo articolo abbiamo esplorato prevalentemente il tema dei testi in intranet, ma restano fuori molto altri ambiti, ad esempio quello delle immagini e di come l’AI può riuscire a migliorare quelle della nostra intranet.

Ne parleremo a Intranet Italia Day 2024, per il momento buona AI a tutti gli intranet manager.