La evoluzione in atto nella GenAI, in questo momento, può essere sintetizzata come segue
Dall’informazione all’azione
”Negli ultimi due anni abbiamo assistito alle meraviglie create dalle eccezionali capacità della GenAI e dei vari LLM. Possono effettuare attività impressionanti quali estrarre e condensare nuove tipologie di informazioni da grandi masse di dati, possono creare immagini, musica, video, ecc.
Ora il prossimo passo della GenAI si preannuncia ancora più trasformativo poiché è in atto una evoluzione dell’uso che passa da tools, basati sull’AI, che rispondono alle domande e generano contenuti innovativi – tipo i ChatBOT – ad AI AGENTS che usano la eccezionale potenza di gestione delle informazioni dei LLM per eseguire complessi workflows, anche con fasi multiple ed ad attivazione euristica tipiche del mondo del business ì, attingendo regole e comportamenti da una predefinita base di conoscenza alla quale far riferimento.”
D’altra parte, si tratta di un’evoluzione che si poteva prevedere dal momento che abbiamo iniziato a trasferire l’uso della GenAI all’interno dell’impresa per eseguire AZIONI ben precise, con la conseguente necessità di recepire regole e vincoli ben definiti, invece della generalità del contesto di una GenAI delle informazioni.
La GenAI di seconda generazione è caratterizzata da una serie di funzioni, strumenti e tecnologia dedicata per tentare di “imbrigliare” la eccezionale potenza dei LLM per “costringerla” ad eseguire tasks specifiche secondo le direttive predefinite dalle procedure dell’impresa.
Abbiamo quindi, tra gli altri migliaia di possibili Tools, due strutture essenziali per i nuovi sviluppi: il Knowledge Base ed il Prompts Engineering
Del Knowledge Base si è trattato altrove, i PROMPTS sono il Tool che dovevamo inventare per “costringere” la GenAI ad utilizzare le proprie grandi potenzialità per saldare il gap tra disponibilità ed utilizzo della conoscenza ai fini della esecuzione corretta dei task dei processi.
In realtà la vera evoluzione della GenAI verso la seconda generazione ha una motivazione molto più importante ed è la spinta verso la redditività degli immensi investimenti degli anni passati ottenuta tramite le applicazioni dell’impresa che, a differenza dell’utente casuale, ha risorse sufficienti per giustificare un impiego “costoso” della GenAI a fronte di sostanziosi incrementi di produttività e competitività delle proprie attività .
In realtà la GenAI di seconda generazione si può sintetizzare meglio come
Dall’utente casuale all’impresa
L’utente casuale non è molto redditizio, è aleatorio, si conquista con canoni modestissimi, difficile da fidelizzare (revenue stream, ecc) . E’ la storia dell’ultimo mezzo secolo dell’open software che si ripete di nuovo anche nella GenAI. Buona volontà, revenues scarsi, applicabilità limitata.
E’ l’impresa con i suoi obiettivi di migliorare sempre ed in modo significativo ricavi e margini che investe in innovazione, giustificando i costi anche elevati con le famose analisi costi/benefici e con investimenti certamente non alla portata dell’utente casuale.
In questo filone la GenAI ha dovuto inventare tecnologia di focalizzazione dell’impiego della potentissima ma indipendente GenAI per la risoluzione di problemi specifici e SOLO quelli.
Sono nati gli AI Agents, il Prompts Engineering e l’HITAIL, in pratica: cosa devo fare, come lo faccio fare a GenAI e come lo spiego se opero in ambiente euristico.
AI Agents
Gli AI Agents sono entità autonome, tipo un modulo applicativo nel linguaggio IT, basati sulle potenzialità della GenAI ed i LLM che, oltre alla capacità di creare contenuti originali (testo, musica, immagini, codice, video) possono percepire il loro ambiente, prendere decisioni ed eseguire azioni per raggiungere determinati obiettivi sulla base di precise istruzioni ricevute al momento della progettazione e denominate PROMPTS .
Gli AI Agent, definiti come entità software autonome o semi-autonome, utilizzano tecniche di intelligenza artificiale per percepire l’ambiente, prendere decisioni, agire e raggiungere obiettivi sia nei contesti digitali che fisici. A differenza dei sistemi di automazione tradizionali, come la robotic process automation (RPA), che seguono script predefiniti per eseguire compiti ripetitivi, gli AI agent sono in grado di operare indipendentemente, prendere decisioni basate sui dati elaborati e apprendere dalle loro esperienze, offrendo così un livello di sofisticazione e funzionalità superiore.
Un AI Agent è un tool progettato per realizzare “la-messa-a-terra” tramite le eccezionali potenzialità della GenAI del supporto decisionale del KBase e delle Business Rules in esso contenute per automatizzare in ottica di empowerment i processi decisionali dell’impresa.
Un AI Agent è composto abitualmente da una serie di elementi, dei quali tra i più importanti:
- Una base di conoscenza aziendale specifica
- Un sistema di regole di business
- Meccanismi per l’elaborazione di dati ed eventi in tempo reale
- Interfacce con i sistemi aziendali esistenti
Una delle caratteristiche più significative di un AI Agent è la possibilità di essere connesso ad altri AI Agents sia come “catena di eventi “ che in modo gerarchico con attivazione euristica, quando serve.
La tecnologia degli AI Agents e dei relativi Prompts si sta rivelando come la nuova frontiera del rapporto uomo/macchina nella quale le esigenze di automazione possono essere espresse direttamente in linguaggio naturale (PROMPT) ad un AI Agent che comprende il contenuto della richiesta (tramite GenAI) ed è in grado di attivare o addirittura progettare altri AI Agents per completare la task assegnata.
In questo filone del passaggio dall’informazione all’azione, si innesca anche una nuova versione degli AI Agents che sono molto più focalizzati direttamente al conseguimento di risultati piuttosto che attraversare la “terra-di nessuno” del DIY (do-it-yourself): si tratta dei Guided AI Agents.
Hanno diversi campi di applicazione, tra i quali la risoluzione di problemi complessi poiché sono in grado di percepire l’ambiente e di adattarsi proprio tramite la parte generativa della GenAI.
Il futuro degli Agents in GenAI prevede maggiore integrazione con sistemi del mondo reale, un miglioramento delle capacità di ragionamento e pianificazione e lo sviluppo di agenti multi-modali che combinano diverse forme di GenAI.
Trasparenza e Spiegabilità: approccio HITAIL
La Trasparenza e Spiegabilità (T&S) delle decisioni ottenute con l’ausilio di GenAI è un argomento molto importante e attuale nell’ambito dell’intelligenza artificiale soprattutto con l’avvento degli AI Agents che svolgono azioni molto complesse in totale autonomia.
Alcune definizioni
1. Trasparenza: è fondamentale che le decisioni prese dagli AI Agents siano comprensibili e verificabili. La trasparenza aiuta a costruire fiducia tra gli utenti e i sistemi AI e permette di identificare e correggere eventuali bias o errori nel processo decisionale.
2. Spiegabilità (Explainable AI o XAI): si riferisce alla capacità di spiegare o presentare i risultati di un modello AI in termini comprensibili per gli esseri umani ed aiuta a capire come e perché un AI Agent è arrivato a una determinata decisione.
3. Metodi per migliorare la T&S: Utilizzo di modelli interpretabili (es. alberi decisionali, regressione lineare) ovvero tecniche di post ad-hoc explanation per modelli complessi come le reti neurali, o la visualizzazione dei dati e dei processi decisionali.
L’approccio HITAIL (human-in-the-AI-loop) nel contesto della trasparenza e spiegabilità delle decisioni basate sull’intelligenza artificiale si riferisce a un processo decisionale in cui l’intelligenza artificiale e l’intelligenza umana lavorano in tandem.
In questo approccio, gli esseri umani supervisionano, intervengono e validano le decisioni prese dai sistemi AI. Questo metodo è particolarmente importante quando si tratta di decisioni critiche o ad alto rischio.
In pratica l’AI elabora i dati e propone una decisione, un esperto umano rivede la proposta dell’AI e può accettare, modificare o rifiutare la decisione dell’AI che utilizza il feedback umano per la decisione e proporre una nuova decisione.
I Vantaggi:
- L’approccio ibrido fornisce una maggiore accuratezza poiché combina la velocità e la capacità di elaborazione dell’AI con l’intuizione e l’esperienza umana.
- La capacità di miglioramento continuo dell’AI viene qui esaltata nei suoi vantaggi poiché il feedback umano viene sfruttato immediatamente per migliorare la decisione ed aiuta a perfezionare il sistema AI nel tempo.
- L’approccio HITL ha un obiettivo di empowerment del personale e mantiene quindi una definizione chiara dei ruoli ed il livello di responsabilità umana nelle decisioni critiche (il risultato non sarà mai peggiore dell’attuale) aumentando la fiducia degli utenti nei sistemi AI.
Restano tuttavia molti problemi da risolvere, anche in considerazione della relativa novità del problema, quali la necessità di creare dashboard che permettano agli operatori umani di comprendere rapidamente le decisioni dell’AI e intervenire efficacemente, il monitoraggio delle prestazioni, e la formazione continua per aggiornare regolarmente gli operatori umani sulle capacità e i limiti del sistema AI.
L’approccio human-in-the-lAI-oop è fondamentale per garantire la trasparenza e la spiegabilità delle decisioni AI, specialmente in contesti sensibili o ad alto rischio. Offre un equilibrio tra l’efficienza dell’automazione e la supervisione umana, contribuendo a costruire sistemi AI più affidabili e responsabili.
Considerando che la ns. piattaforma SmartDecs®ha lo scopo di migliorare il risultato dei processi decisionali sia nei tempi di esecuzione che nella qualità delle decisioni prese, è ovvio che tutta la materia T&S attira il massimo dell’attenzione per il ns. approccio alla qualità dei RISULTATI forniti in ottica di empowerment del personale coinvolto con i processi decisionali. .
La ns. tecnologia ATW, con Tassonomia e BLURBS, provvede alla formalizzazione rigorosa della scomposizione dei fattori di rischio, della gestione di dati e delle Business rules fino all’assegnazione dello SCORE di primo livello in un’ottica totalmente adeguata ad una automazione al 100% con la GenAI.
L’approccio HITAIL si sovrappone al 100% con la ns. visione dell’automazione dei processi decisionali con la GenAI che possiedono una struttura deterministica nella gestione dei dati e delle Business Rules di automazione degli outcomes ed una struttura euristica nella gestione dei processi di ricomposizione oggi totalmente dominati dal fattore umano.
La ns. tecnologia HITAIL è destinata a supportare la conclusione del processo di ricomposizione come risultato dell’automazione con GenAI delle attività esecutive ed intervento umano che si conclude per ogni iterazione con un consenso o rifiuto/modifica delle scelte effettuate.