Quotidiano digitale

Proprio come nella fantascienza, un’opportuna selezione di giocattoli curiosi sviluppati nei laboratori di ricerca è stata accolta in un’astronave che li ha proiettati in un luogo da dove, nutriti da computazione e da grandi collezioni di dati, sono poi tornati sulla terra con il dono della super-intelligenza. L’atterraggio nel novembre 2022, con il lancio di Gpt che ha inaugurato i Large Language Models (Llm), dimostra capacità cognitive che nessuno, nemmeno gli addetti ai lavori, si attendevano. Poi, via via, soprattutto negli Stati Uniti e in Cina, ecco emergere altri astronavi. L’Italia, come il resto dell’Europa, rincorre con astronavi molto più piccole. C’è chi sostiene che ormai il divario tecnologico sia troppo grande da colmare. Forse, però, la situazione reale è un po’ più complessa, soprattutto quando si transita dai servizi ai singoli (B2c) a quelli per le aziende (B2b).

Ad esempio, diverse attività della pubblica amministrazione, dove la tecnologia deve rispettare alcune fondamentali direttive soprattutto per gli aspetti di riservatezza dell’informazione, offrono sfide che non sono chiuse in alcun modo. Ad esempio, si trascura che di giocattoli nei laboratori di ricerca ce ne sono di tanti tipi, e che altri imbarchi in astronavi potrebbero essere vicini. Da un po’ di tempo a questa parte, molte aziende hanno iniziato a incorniciare una nuova parola chiave: Agentic Ai.

Si assume che molti problemi complessi nelle aziende richiedano cooperazione di diversi agenti opportunamente addestrati a svolgere funzioni specifiche. Come per il personale, se questi agenti si orchestrano bene, i processi produttivi ne beneficiano. La ricerca nel settore dell’Ai affronta da sempre questo tema nell’ambito dei Multi-Agent Systems, ma con la nuova parola chiave usata prevalentemente in ambito aziendale si assume spesso che gli agenti che cooperano siano Llm. La positura di concreti problemi aziendali non richiede conoscenze orizzontali, e pertanto agli agenti sono richieste competenze ben più specifiche dei Llm. Ad esempio possono essere basati su tecniche di Ai simbolica, ovvero su algoritmi dedicati a risolvere problemi, e non su apprendimento automatico.

Quando, come per le tecnologie linguistiche, l’apprendimento diventa l’approccio vincente, la specificità dei problemi da trattare offre oggi nuove opportunità di sviluppo, con dati e strutture di calcolo completamente interne alle aziende. Così i Llm si trasformano in Small Language Models (Slm) che, assieme ad altri agenti, sono progettati per cooperare alla soluzione di un problema specifico. Ecco che altre piccole astronavi potrebbero emergere e correre su una pista diversa rispetto a quella dei Llm!

Nel controllo di impianti industriali come nella gestione dei processi amministrativi si stanno delineando soluzioni che non provengono necessariamente dall’uso diretto delle tecnologie offerte con servizi di cloud computing esterni alle aziende. Naturalmente, il panorama dei servizi Ai su cloud computing si è molto allargato per far fronte a stringenti requisiti di riservatezza delle informazioni.

Tuttavia, il controllo sia delle risorse di calcolo sia dei dati rappresentano asset fondamentali in alcuni ambiti della Pa, come pure nell’elaborazione di dati clinici e per tutte le attività che hanno luogo in ambito ospedaliero. Si affacciano allora soluzioni di Agentic Ai dove, oltre all’esigenza di fornire trasparenza nei processi decisionali, sono enucleate le responsabilità e dove agenti e umani interagiscono in modo stretto.

Ordinario di Ingegneria industriale e dell’informazione, Università di Siena

© RIPRODUZIONE RISERVATA