Il Natural language processing (NLP) è tra le più nude e immediate potenzialità tecnologiche a nostra disposizione nel contesto che vede vivo il connubio tra linguistica, informatica e intelligenza artificiale. Vediamo come può essere utile alle aziende, analizzando 18 diverse soluzioni fra cui scegliere.
NLP, quali dati può estrarre e perché è utile alle aziende
Il NLP va a braccetto con l’information extraction, perché la prima non ci sarebbe senza la capacità di estrarre informazioni strutturate partendo anche da dati non strutturati. Le applicazioni NLP usano sistemi di information extraction proprio per avere una loro utilità e, un esempio spendibile di ciò, sono gli assistenti virtuali che abbiamo a casa o in tasca, capaci di comprendere ciò che diciamo loro anche con una dizione perfettibile o mescolando italiano e dialetti. Sono capaci di attingere informazioni da pagine web, da documenti di testo ma anche dallo storico delle conversazioni già intrattenute con gli utenti.
La complessità è l’utilità stessa: più un sistema NLP è in grado di strutturare dati complessi, più è affidabile. Estrarre dati strutturati dai documenti può non essere sempre evidente perché, con il termine “documenti”, si intende proprio un numero variegato e non bene definito di file, siano questi dattilografati (contratti, bilanci, anagrafiche, referti medici, libri, eccetera) o scritti a mano libera, composti da grafie eterogenee e persino incerte.
Trasformare in strutturati i dati non strutturati coincide con la possibilità di interrogarli e identificarli mediante query, cosa che riduce i tempi di ricerca e analisi dei dati stessi, valorizzandoli a beneficio dell’azienda. Riuscire a ottenere più informazioni dai dati è una sorta di El Dorado, laddove l’oro sono le informazioni.
I contenuti testuali sono sia all’interno delle imprese sia al loro esterno e, poiché occorre strutturare i dati, o si avvia un progetto di Information extraction interno, oppure ci si rivolge a quelle aziende che forniscono simili servizi.
Tra le facoltà più diffuse in ambito NLP ci sono la correzione, la traduzione e il completamento automatico di testi. Ma questi sono soltanto alcuni degli usi di superficie, in profondità ci sono logiche e tecnologie più complesse, fini e raffinate.
NLP: le applicazioni per le aziende
Le aziende possono fare un uso pressoché illimitato del NLP, qui citiamo qualche esempio. Tra i più scontati figura l’analisi del sentiment dei clienti, resa più ampia e accurata dalla possibilità di scandagliare il web (blog, piattaforme ecommerce, recensioni, forum, eccetera) alla ricerca di tutto ciò che è afferente a un servizio o a un prodotto, anche al fine di rendere più specifiche le attività di marketing e anticipare le tendenze del mercato.
Continuando con gli esempi più scontati, vanno citati i chatbot che simulano la conversazione con un essere umano e sono molti usati in diversi ambiti, tra i quali:
- Rispondere alle domande dei clienti
- Vendere biglietti per eventi
- Aprire e assegnare numeri di ticket per interventi di assistenza
- Comunicare informazioni sulle ordinazioni di un cliente (per esempio, stato dell’ordine, situazione logistica, data di consegna prevista, eccetera)
- Fissare appuntamenti, e altro ancora
L’assistenza ai clienti affidata ai chatbot, oltre a contrarre i costi, permette anche di convertire le visite in vendite, tant’è che Cars24 – sito di compravendita di automobili – sostiene di condurre un terzo delle trattative mediante i chatbot.
Il NLP può essere usato per identificare le email spam con ricadute positive anche sulla sicurezza di una rete aziendale. Il mondo del trading beneficia di diversi servizi NLP per la classificazione delle notizie finanziarie in tempo reale che possono impattare sui prezzi di titoli azionari. Le strategie di quello che viene chiamato “News-based trading” (ossia il trading basato sulle notizie) non sono cosa nuovissima, vengono già applicate da oltre un lustro.
Si basano su NLP alcune tecniche antifrode nel comparto finanziario. Creando modelli linguistici appropriati grazie al Machine learning si riescono a identificare report finanziari artefatti (o comunque non del tutto veritieri).
NLP e applicazioni Document AI
La Document intelligence, chiamata Document AI, è un campo di ricerca relativo all’automatizzazione della lettura e della comprensione di documenti, con declinazioni anche aziendali, laddove assume un’importanza specifica la capacità di esaminare documenti di varia natura e forma, non sempre di qualità impeccabile (nel caso, magari, di documenti acquisiti via scanner o fotografie che immortalano porzioni di testo).
Non di meno, la possibilità di identificare parole chiave nei testi permette l’archiviazione automatica di documenti in osservanza alle politiche aziendali di accesso ai dati laddove, per esempio, i collaboratori del comparto commerciale non possono attingere informazioni dai documenti del settore di sviluppo e ricerca, e viceversa.
Anche in quest’ambito i limiti sono pressoché assenti: tutto quanto può essere automatizzato mediante lettura e comprensione è meritevole di approfondimento. Un sistema di contabilità analitica che esamina bilanci, fatture attive e passive per poi procedere in modo autonomo a inserire i dati nella contabilità fa gola a molte aziende.
Microsoft, solo per citare un esempio celebre, mette a disposizione dal 2019 TableBank e DocBank, dataset per il riconoscimento di testo da documenti e tabelle.
Google ha un proprio modello preaddestrato per l’estrazione di dati da documenti.
Soluzioni Document AI
Simplifai coniuga il Natural Language Understanding (NLU) con l’OCR il riconoscimento ottico dei caratteri, ossia il processo che converte l’immagine di un testo in un testo leggibile da una macchina e permette di estrapolare e interpretare informazioni da documenti, avviando poi una serie di azioni desiderate (archiviazione, inoltro, risposte mirate).
Lexcheck è più orientata agli studi legali, ha quindi un’approfondita capacità di interpretare i termini tecnici del settore ed è utile per trovare zone d’ombra in contratti, accordi e documenti legali in genere.
Chi cerca una soluzione più trasversale può prendere in considerazione H20 che estrae le informazioni utili a ogni singolo lavoratore in base alle proprie competenze specifiche e si prefigge così l’obiettivo di rendere più snello e rapido ogni flusso di lavoro, aiutando anche i dipendenti a fissare le priorità del caso.
NLP e applicazioni Robotic Process Automation
Riuscire ad applicare modelli di NLP in modo efficace e attendibile alle aziende permette di automatizzare quei processi normalmente assegnati all’uomo e senza necessità di impiegare un’AI propriamente detta.
Nonostante la Robotic Process Automation (Rpa) venga spesso associata quasi a mo’ di sinonimo, alle AI, i due costrutti non possono essere accostati tra loro per diversi motivi, su tutti quello per il quale un software RPA, al contrario di quanto fa un’AI, si limita a ripete compiti senza apprendere nulla di nuovo. Benché figuri il termine robotic non occorre pensare per forza di cose a un agente meccanico dotato di almeno un arto che svolge compiti specifici, il concetto di robotic si può estendere a tutto ciò che può essere automatizzato, sia questa anche un’operazione svolta da un software.
Uno dei compiti classici del NLP applicato all’automazione dei processi nelle aziende è quello di indirizzare verso l’ufficio competente le richieste fatte dai clienti mediante chatbot, assegnando e gestendo numeri di ticket a seconda delle politiche organizzative dell’azienda che ne fa uso. Per esempio, la presenza delle parole server, fattura o software nelle chat avviate da un cliente (e gestite da un bot) sono usate per inoltrare le richieste all’ufficio tecnico o a quello amministrativo.
La RPA permette anche di essere utilizzata direttamente dagli utenti i quali, usando modelli specifici, possono automatizzare processi aziendali di loro competenza tra i quali, per esempio, l’invio automatico di documentazione ai clienti (procedure, fatture, note di credito, eccetera) o l’analisi di bozze di contratti da convertire in contratti veri e propri.
Le soluzioni RPA
Tra le più trasversali figura SAP Build Process Automation che non è esclusiva soltanto di chi usa SAP e permette di configurare l’automatizzazione di processi mediante una facile interfaccia grafica, mettendo così gli utenti in condizione di creare un flusso di lavoro pure non avendo nozioni di programmazione.
IBM Robotic Process Automation è un’altra soluzione interessante, installabile on-premise oppure disponibile come Software as a Service (SaaS), permette la creazione di bot ai quali assegnare compiti ripetitivi e in grado di dialogare tra di loro, al fine di dividersi il carico di lavoro.
Siemens punta più sull’automazione di processi industriali propriamente detti ma non chiude le porte ai flussi aziendali di altre forme, proponendo una soluzione web-based che incentiva la collaborazione tra lavoratori di diversi comparti aziendali, svecchiando la legacy e rivalutando ciò che l’esperienza dei singoli può apportare.
NLP e applicazioni Virtual Assistant
Anche nell’ambito degli assistenti virtuali, il NLP ha molte possibilità di impiego, tutte erogate all’insegna della praticità e del risparmio di tempo per le aziende.
Non ci sono soltanto quelli che si usano in casa o quelli di cui sono dotati i dispositivi mobili (su tutti Alexa, Siri o Google Assistant), c’è un ampio impiego di assistenti virtuali pensati per essere usati all’interno di aziende e organizzazioni, capaci di rispondere alle domande relative alla catena di fornitura (la supply chain), come CrafterAI o che sanno generare contenuti per i social media, per i blog aziendali e per le email.
Servizi di questo tipo sono acquistabili per poche decine di dollari al mese. I virtual assistant possono anche essere strettamente collegati allaCognitive search, diventando così interfacce che restituiscono i risultati di apposite query.
Le soluzioni Virtual Assistant
I Virtual Assistant sono ampiamente utilizzati per rispondere alle domande dei clienti attuali o futuri ma trovano spazio in altri ambiti. Experis offre soluzioni per la selezione del personale ma anche per guidare i dipendenti tra le policy aziendali, per spiegare loro quale procedura adottare per risolvere un problema ma anche per organizzare riunioni o fissare appuntamenti.
Leena AI è un’altra opzione, più incentrata sulla collaborazione tra dipendenti. Anche la trascrizione dei verbali delle riunioni è un compito che può essere demandato a un assistente virtuale, una soluzione di questo genere è offerta da Fireflies.
NLP e applicazioni Cognitive search
Anche la Cognitive search si muove su un terreno con pochi steccati. Si tratta di un sistema di ricerca tra più fonti di dati strutturati e non, capace di intendere le intenzioni dell’utente. Già questo è sufficiente a comprendere che qualsiasi azienda o organizzazione può avere un grande interesse nello sfruttare al meglio i propri set di dati sia per il proprio core business, sia per la diffusione della conoscenza interna. La ricerca cognitiva può essere intesa come la chiave d’accesso allo scibile delle imprese, tra procedure, politiche commerciali, storico delle ordinazioni e del venduto e altro ancora. Non è necessario sapere dove sono le informazioni, in quali file fisici sono contenute e dove questi sono salvati.
Tutte informazioni che possono essere integrate e dispensate da Virtual Assistant a cui i dipendenti e i partner esterni autorizzati possono formulare domande, certi di trovare risposte specifiche in modo rapido.
Le soluzioni Cognitive Search
Anche in questo ambito esistono soluzioni più trasversali di altre.
Intrafind sembra porsi pochi limiti, facilitando la ricerca di informazioni specifiche anche attraverso organizzazioni e fonti di dati eterogenee, coadiuvando così la collaborazione tra entità diverse ed esterne le une alle altre.
Lucidworks dispone di diverse decine di connettori in grado di unire piattaforme diverse sulle quali effettuare ricerche. Una soluzione che si estende tanto alle aziende quanto al web (e alle piattaforme ecommerce).
Attivio, rilevata nel 2019 da ServiceNow, rimane un punto di riferimento nella Cognitive Search grazie agli strumenti di analisi delle informazioni cercate dagli utenti (siano questi collaboratori di un’impresa o clienti). ServiceNow, dal canto suo, è particolarmente profilata nella digitalizzazione delle aziende ed è partner di molte imprese dell’indice S&P500.
NLP e Sanità, quali problemi risolvono
Anche in questo caso, come per le aziende, il carnet dei problemi che il NLP può risolvere è denso e, allo stesso modo, alcuni sono di più rapida lettura di altri.
Il più immediato lo ha illustrato Alessandro Curioni, Vicepresidente di IBM Europa, in un video del 2017 quando – parlando in un contest più ampio – ha sostenuto che ogni anno vengono pubblicati milioni di paper scientifici i quali, ragionevolmente, non possono essere letti dal pubblico di riferimento.
Video: Alessandro Curioni, IBM Europa
Potere effettuare una scrematura della documentazione medica e inoltrare agli specialisti quei paper più adatti al loro campo di intervento ha due effetti positivi immediatamente spendibili: il primo è quello di avere un migliore e più diretto accesso al sapere, il secondo è quello di non ripetere studi e test già effettuati in altri laboratori o in altri ospedali.
Leggere cartelle cliniche, ricercare diagnosi in database appositi fino a conoscere di più il disturbo bipolare. Gli effetti sinergici dell’applicazione di principi tecnologici si fanno strada da sé, arrivando a varcare frontiere non previste e non oggetto principale delle medesime tecnologie.
Anche in ambito medico si possono usare appositi chatbot, addestrati per fornire terapie a vantaggio di chi soffre di depressione, disturbo da stress post-traumatico o ansia.
NLP, la soluzione 3M per le aziende sanitare
La multinazionale americana 3M ha una visione euristica del NLP che la spinge a dichiarare con chiarezza le tante differenze tra un sistema e l’altro, mettendo anche in evidenza la possibilità che questi non siano sempre impeccabili.3M ha approntato una soluzione di intelligenza cognitiva in grado di eseguire una profonda analisi linguistica contemplando anche le espressioni lessicali tipiche della sanità. Un modello già in funzione in più di 1.700 strutture sanitarie americane. 360 Encompass viene costantemente aggiornato per restituire una codifica sempre più puntuale che tenga conto anche delle necessità di snellire tutto l’iter a cui viene sottoposto un paziente dal momento della registrazione presso una struttura fino alla sua dimissione. Tutti step di un percorso che catalizza dati non strutturati, provenienti da diverse fonti e redatti in formati diversi, la cui consultazione rapida ed efficace può diventare di vitale importanza, soprattutto nei casi di emergenze.
NLP, le soluzioni Deas per le aziende
Non occorre guardare sempre al di là dei nostri confini per trovare eccellenza e innovazione. Deas S.p.A., azienda con base a Roma e specializzata in cybersecurity e Intelligenza artificiale, fornisce soluzioni NLP in grado di adeguarsi ad ambiti diversi, quindi trasversali. Il procedimento di addestramento specifico, basato su dataset appositamente allestiti e di un addestramento profondo opportuno, permette di consegnare ai committenti sistemi NLP tarati sulle esigenze degli stessi. Fornire soluzioni orizzontali obbliga a superare lo scoglio della disambiguazione, ossia la capacità di un sistema NLP di riconoscere i significati dei termini a seconda del contesto in cui questi si collocano.
NLP tra AI debole e AI forte, riflessioni
Il NLP nasconde in sé un dibattito lungo secoli, che ha ritrovato enfasi durante l’estate del 2022 quando l’ingegnere Blake Lemoine ha sostenuto di avere avuto a che fare con un’AI senziente.
Lemoine stava lavorando su LaMDA, un modello preaddestrato usato per l’elaborazione del linguaggio naturale e, probabilmente senza volerlo fare in modo diretto, ha completamente scoperchiato un vaso di Pandora nel quale hanno cominciato a riversare contenuti i presocratici (Democrito, vissuto a cavallo tra il V e il IV secolo a. C.) e poi hanno continuato a riversarne filosofi e pensatori fino a Douglas Hofstadter, filosofo e divulgatore scientifico tutt’ora vivente.
La partita si gioca tra AI debole e AI forte, tra la capacità delle macchine di emulare e imitare l’uomo, tra coscienza e capacità di pensare.
Dal punto di vista tecnologico oggi è chiaro che le AI sono in grado di parlare, tradurre e calcolare ma che non sono in grado di avere coscienza di ciò che stanno facendo, limitandosi a formalizzare (a trasformare in algoritmi) le funzioni che appartengono all’uomo. Non sono senzienti, non hanno coscienza.
Sul piano filosofico, però, l’afflato è ben più ampio e se – come dicono i movimenti materialisti – la coscienza è sapere rispondere a domande quali “Io chi sono?”, va sottolineato che ci sono macchine in grado di rispondere a questa domanda e sono in grado di fare autodiagnosi, individuare i problemi e risolverli.
Il riconoscimento del linguaggio naturale (ovvero il NLP) riapre la partita filosofica tra ciò che è cosciente e ciò che non lo è, tra ciò che pensa e ciò che non è in grado di farlo, riapre la partita secolare tra Democrito e Platone, tra materialismo e funzionalismo, tra Hofstadter e i suoi detrattori.
Quindi, il NLP è molto più di un connubio tra linguistica e tecnologie, è un contenitore al cui interno galleggiano discipline scientifiche e umanistiche, importante tanto per l’etica e la filosofia quanto per le aziende.
