Oggi si è consapevoli che l’utilizzo diffuso dell’intelligenza artificiale non farà “perdere il lavoro”, ma, ragionevolmente, consentirà di sviluppare nuove competenze e ruoli “a valore aggiunto”, delegando alle applicazioni di AI le attività di “basso livello”, ripetitive (p.es., risposte standard ai clienti concernenti procedure aziendali consolidate).
Il “valore aggiunto” è il prodotto di caratteristiche peculiari dell’essere umano, che è dotato di empatia, sensibilità, intuizione, “senso comune”, capacità di manipolazione di simboli, significanti e significati, creatività, tutte componenti specifiche dell’essere umano, ad eccezione della creatività che, in parte, può essere proposta dall’AI come generazione di contenuti nuovi a partire da esempi storici.
Nell’interazione uomo-macchina, la seconda componente è rappresentata dall’intelligenza artificiale (AI), termine coniato dal professore emerito di Stanford John McCarthy nel 1955, da lui definita come “la scienza e l’ingegneria per realizzare macchine intelligenti”.
L’“intelligenza” potrebbe essere definita come la capacità di apprendere ed eseguire tecniche adeguate per risolvere problemi e raggiungere obiettivi, adeguate al contesto in un mondo incerto e in continua evoluzione. Un robot di fabbrica completamente preprogrammato è flessibile, preciso e coerente ma non intelligente” (Intelligenza artificiale centrata sull’uomo dell’Università di Stanford, professor Christopher Manning, settembre 2020).
Fake AI, cos’è?
In modo provocatorio, definisco in questo articolo “fake AI” (ossia, intelligenza artificiale ingannevole), l’“AI deterministica”, basata su algoritmi, che per un certo input producono sempre lo stesso output, poiché privi di step random al proprio interno.
Oggi siamo circondati da applicazioni di “intelligenza artificiale deterministica”, che fingono di offrire agli utenti delle applicazioni di business una sorta di intelligenza “a livello umano”, ma che, in realtà, si basano, appunto, su una serie di regole o eventi deterministici.
La connotazione negativa della definizione “fake AI”, AI ingannevole, è dovuta proprio all’esperienza utente tipicamente spiacevole, interagendo con un sistema che non comprende, non si adatta ai cambiamenti ed eroga sempre risposte standard prefissate.
Inoltre, “AI deterministica” è indubbiamente un ossimoro, poiché “deterministico” e “AI” sono termini intrinsecamente contraddittori.
Esempi di “fake AI”
Caso 1
“Il Servizio Clienti XXX ti dà il benvenuto. Per metterti in contatto con l’operatore più adatto a gestire la tua richiesta, ti prego di rispondere a una domanda.
Se la tua richiesta di assistenza riguarda questioni amministrative, rispondi “amministrativa”, altrimenti, se la tua richiesta concerne tematiche commerciali, ad esempio per acquistare un nuovo prodotto, dici “commerciale”; invece, se hai bisogno di supporto per problemi di tipo tecnico, ad esempio, se stai riscontrando problemi con la tua connessione WiFi, rispondi “tecnico”>>.
L’intelligenza artificiale sfruttata in questa interazione prevede il solo riconoscimento di un singolo termine, con l’obiettivo di inoltrare la conversazione all’operatore appartenente al proprio Gruppo di competenza. Questa funzionalità è chiamata ASR (Automatic Speech Recognition, ossia, riconoscimento vocale automatico).
Sebbene l’ASR rientri nel dominio dell’intelligenza artificiale, ad oggi può essere considerata una funzionalità matura e non prevede, nell’esempio proposto, alcuna significativa interazione con l’utente finale, non essendo previsto alcuno scambio di informazioni in modo iterativo.
Un cliente che interagisce con un Contact center, invece, dal punto di vista della user experience, si aspetta di comunicare con un operatore umano oppure con un sistema che ne emuli una conversazione, svolta utilizzando il linguaggio naturale in forma libera, durante la quale vengono svolte le seguenti attività: 1) un triage della richiesta; 2) una serie di interazioni per circoscrivere correttamente il problema e, ove possibile, 3) l’erogazione di una soluzione definitiva al problema dell’utente, oppure 4) l’inoltro della conversazione a un operatore umano dell’appropriato Centro di competenza (smart routing).
Caso 2
“Stiamo per configurare il tuo Assistente virtuale per la domotica. Per abilitare il riconoscimento della tua voce, ti chiediamo gentilmente di ripetere le seguenti frasi: “Che tempo fa oggi?”, “Fammi ascoltare la canzone XXX?”, “Spegni le luci del soggiorno”, “Che ore sono?””.
Sebbene l’utente finale sia portato a percepire che lo scopo di tali richieste sia quello di consentire il riconoscimento della propria voce, in realtà, queste sono proprio le domande più frequenti che solitamente vengono rivolte all’Assistente virtuale domotico, quindi, tali richieste non hanno solo l’obiettivo di abilitare il riconoscimento della voce, ma di fornire, durante la fase di training del modello di conoscenza, esattamente le stesse domande/risposte che saranno proposte durante l’effettivo utilizzo del dispositivo, con l’evidente scopo di massimizzare il livello di precisione delle future risposte.
Caso 3
Social network: “Ti suggeriamo di inviare una richiesta di contatto al signor XY, perché avete 21 collegamenti in comune”.
In questo caso, l’unico elemento che “attiva” la funzionalità di “recommender” del social network è semplicemente il numero di connessioni in comune, senza entrare nel merito della tipologia di profilo, interessi, descrizione testuale del profilo lavorativo , criteri per i quali nel passato un utente ha inviato richieste di contatto.
Caso 4
“Smart car”: ogni volta che ci si allontana a una distanza superiore a un determinato numero di metri, le portiere sono chiuse automaticamente.
Ciò accade anche se, ogni volta che si ritorna alla propria abitazione con i pacchi della spesa, è abitudine consolidata di portarli in casa uno o più per volta, ripetendo l’operazione fino a esaurimento dei pacchi.
Invece, la “smart car” potrebbe “imparare” sulla base degli eventi storici e riconoscere lo schema “arrivo all’abitazione / scarico dei pacchi / l’auto rimane aperta finché rimane ancora almeno un pacco in auto”, poiché l’auto è dotata di numerose webcam e il sistema di intelligenza artificiale potrebbero apprende modelli ripetitivi analizzando il dataset storico.
Questi quattro casi sono esempi di “AI deterministica” e sono accomunati da logiche di attivazione basate su un elenco di istruzioni del tipo “IF-THEN-ELSE”.
Real AI, cos’è?
La “real AI” è un’intelligenza artificiale che opera rispettando i criteri indicati dal professor Christopher Manning, sopra indicati: un sistema in grado di apprendere ed eseguire tecniche adeguate per risolvere problemi e raggiungere obiettivi, in un mondo incerto e in continua evoluzione.
Un’intelligenza artificiale che emuli le capacità cognitive umane per garantire efficace interazione con gli esseri umani.
La real AI è caratterizzata dai seguenti elementi:
- opera seguendo un approccio probabilistico;
- evolve, sviluppa, apprende e adatta costantemente il proprio modello di conoscenza al cambiamento, in conformità con i flussi di dati informativi analizzati ed elaborati;
- astrae il livello di informazioni acquisite così che la conoscenza prodotta elaborando nuovi dati in ambiente di produzione possa essere consolidata secondo un livello di aggregazione rispetto alla fonte di informazione originale (p.es.: logiche di generalizzazione, riepilogo);
- è in grado di determinare se le informazioni esistenti all’interno del modello della conoscenza possono essere sfruttate per fornire feedback/output a richieste logicamente simili ma semanticamente e/o contestualmente diverse da quelle utilizzate per evolvere il modello stesso;
- è in grado di interagire con l’uomo attraverso “tratti antropomorfici”;
- rileva continuamente nuovi “pattern” (i.e., domande-risposte) all’interno del flusso di nuovi dati elaborati e, dinamicamente, adatta l’output/feedback fornito;
- richiede l’utilizzo di un dataset di training di dimensioni significativamente superiori rispetto ai modelli basati su regole.
La differenza tra fake AI e real AI
L’“intelligenza artificiale deterministica” fornisce risposte/output prefissati, che non si adattano ai cambiamenti nelle tipologie/argomenti delle richieste elaborate dalle soluzioni AI: l’applicazione di regole fisse/standard può facilmente generare risposte errate o non contestualizzate.
La “real AI” simula caratteristiche dell’intelligenza umana, che apprende in modo autonomo, continuo, adattativo, robusto ai cambiamenti: essa è in grado di relazionarsi in modo coerente con gli utenti finali.
Gli impatti sugli utenti
L’introduzione dell’intelligenza artificiale nell’esperienza degli utenti dovuta alla re-ingegnerizzazione di processi di business richiede la gestione di un cambiamento: gli utenti “devono aver voglia” di utilizzare tali applicazioni.
Vi è capitato di trovarvi con un problema di connessione alla rete Internet e continuare a rispondere, stizziti, “Operatore” all’assistente virtuale, per non consentire alcuna forma di apprendimento alla macchina? Avreste dimostrato maggiore disponibilità a descrivere il vostro problema alla macchina, nel caso in cui non fosse stata richiesta una risposta mediante una semplice parola (“amministrativo”, “tecnico”, “commerciale”), ma, invece, il sistema, con voce rassicurante, avesse fornito risposte efficaci, in linguaggio naturale, dimostrando di saper risolvere il problema?
Gli utenti finali possono essere disposti a cambiare la tipologia di interazioni con una struttura di Customer care, dalle tradizionali conversazioni telefoniche con operatori umani a un assistente virtuale, evitando le attese in coda ed eventuali trasferimenti di chiamata a Centri di competenza, purché le soluzioni di intelligenza artificiale simulino le conversazioni tra esseri umani, forniscano rapidamente feedback efficaci e corretti, riescano a rispondere correttamente alle richieste del cliente gestendo in modo efficace i cambiamenti di contesto e siano in grado di customizzare il contenuto delle risposte sulla base del profilo e sentiment del cliente. Tali soluzioni sono chiamate antropomorfe, soluzioni “real AI”.
Conclusioni
Un tema di notevole interesse e largamente dibattuto concerne l’utilizzo dell’“AI responsabile”: si parla di EU AI Act e di criteri equi per l’utilizzo dell’AI.
Un ulteriore passo necessario e significativo per garantire un utilizzo responsabile dell’intelligenza artificiale prevede l’impegno da parte di analisti funzionali, data scientist, business manager ed esperti di intelligenza artificiale a progettare, sviluppare e offrire agli utenti finali applicazioni di intelligenza artificiale che siano “real AI”, in contrapposizione all'”intelligenza artificiale deterministica”, affinché possano essere stimolati all’utilizzo di tali soluzioni, interagendo efficacemente con sistemi che simulino un’interazione con esseri umani.
