- I Large language model (LLM) si erigono sul Deep learning e quindi sulle reti neurali e sui dati. Fanno parte di questa numerosa famiglia ChatGPTe Dall-E di OpenAI, Bard di Google, Alexa Teacher Model di Amazon.
Gli LLM sono destinati a diversi ambiti applicativi e troveranno uno spazio sempre più orizzontale, perché portano con loro capacità ancora inespresse e quindi non sfruttate. Ecco le tendenze di adozione attuali.
LLM nell’ambito delle transazioni commerciali internazionali
Ci sono diversi tool basati su LLM che possono essere utilizzati per facilitare le transazioni commerciali internazionali. Ecco alcuni esempi:
- Traduttori automatici: Strumenti come Google Translate, DeepL e Microsoft Translator utilizzano LLM per tradurre testi e comunicazioni in diverse lingue. Possono essere utili per la comunicazione con partner commerciali internazionali.
- Rilevamento delle frodi: alcuni tool come Riskified, Forter e Simility, analizzano i modelli di comportamento per rilevare attività sospette o fraudolente nelle transazioni commerciali internazionali.
- Assistenza virtuale: alcune piattaforme di chatbot come Dialogflow, IBM Watson Assistant e Amazon Lex utilizzano LLM per fornire assistenza virtuale nella gestione delle transazioni commerciali internazionali.
- Analisi dei dati: tool come Tableau, Power BI e Google Data Studio utilizzano LLM per analizzare i dati delle transazioni commerciali internazionali e fornire visualizzazioni interattive e insight utili.
- Previsione dei trend di mercato: tool come DataRobot, RapidMiner e SAS utilizzano LLM per analizzare i dati storici delle transazioni commerciali internazionali e prevedere i trend di mercato futuri.
LLM per la gestione dei contratti e dei diritti d’autore
Questi modelli di intelligenza artificiale sono addestrati su una vasta quantità di testi legati al diritto contrattuale e al diritto d’autore, consentendo loro di comprendere e generare testi specifici in questi ambiti.
Alcuni esempi includono:
- Kira Systems: piattaforma basata sull’intelligenza artificiale che utilizza large language models per l’analisi dei contratti. La piattaforma può estrarre informazioni chiave dai contratti, identificare clausole standard e fornire analisi dettagliate.
- LawGeex: piattaforma che utilizza large language models per l’analisi dei contratti. La piattaforma può confrontare i contratti con modelli standard, individuare clausole problematiche e fornire una valutazione del rischio legale.
- Copyright Clearance Center: piattaforma che utilizza large language models per il controllo dei diritti d’autore. La piattaforma può identificare potenziali violazioni del diritto d’autore e fornire strumenti per la gestione dei diritti digitali.
- OpenAI’s GPT-3: uno dei più noti large language models ed è stato utilizzato per diverse applicazioni legate ai contratti e ai diritti d’autore.
LLM come strumento per la gestione dei dati e della privacy
Ci sono diversi strumenti basati su large language models che possono essere utilizzati per la gestione dei dati e della privacy. Ecco alcuni esempi:
IBM Watson: piattaforma di intelligenza artificiale sviluppata da IBM. Offre diversi strumenti per l’elaborazione del linguaggio naturale, l’analisi dei dati e la gestione delle informazioni, che possono essere utilizzati per affrontare questioni di privacy e sicurezza dei dati.
Google Cloud Natural Language API: Questo servizio di Google Cloud offre funzioni avanzate di elaborazione del linguaggio naturale, come l’analisi delle emozioni, l’identificazione delle entità e l’estrazione delle informazioni. Può essere utilizzato per analizzare i dati e identificare potenziali problemi di privacy.
Microsoft Azure Cognitive Services: offre una serie di strumenti per l’elaborazione del linguaggio naturale, come la traduzione automatica, l’analisi del testo e la classificazione delle entità. Questi strumenti possono essere utilizzati per gestire i dati e garantire la privacy.
LLM nell’ambito della gestione rischi e compliance
Alcuni dei tool più noti includono GPT-3, BERT, ELMO e Transformer. Questi modelli utilizzano tecniche di apprendimento automatico per comprendere il contesto e la semantica dei testi, consentendo una valutazione più accurata dei potenziali rischi e una migliore conformità alle normative. Inoltre, permettono di automatizzare molte delle attività di analisi e di generazione di report, riducendo così i tempi e i costi associati alla gestione dei rischi e al rispetto delle normative. L’adozione di Large Language Models rappresenta un passo importante per le aziende
che desiderano migliorare la loro capacità di gestire i rischi e garantire la conformità, consentendo loro di ottenere una visione più approfondita e tempestiva delle sfide che incontrano nel loro contesto operativo.
LLM nel settore dello sviluppo di codice per software
L’uso di LLM per completare o generare codice è tra i più rappresentativi delle capacità dei Large language model e, capostipite di questo filone applicativo, è probabilmente Codex OpenAI del quale abbiamo parlato in modo approfondito.
Sono meritevoli di attenzione anche Polycoder e CodeT5.
Polycoder: l’AI generativa per scrivere con precisione il linguaggio C
Alterativa Open source a Codex OpenAI, Polycoder esce dai laboratori della Carnegie Mellon University (Pittsburgh, Pennsylvania) ed è basato su GPT-2 e addestrato su un database di 249 GB di codice scritto in 12 linguaggi di programmazione, tra i quali spicca il C che, per gli sviluppatori, viene scritto con una precisione che supera tutti i modelli attualmente in uso, Codex incluso.
CodeT5 di Salesforce
Creato da Salesforce e addestrato sfruttando codice preso da GitHub, include Ruby, Go, Python, Php, JavaScript, C e C#. L’addestramento viene poi effettuato mediante il framework T5 (Text to Text Transfer Transformer) di Google.
CodeT5 è Open source e si distingue per:
- generazione da testo a codice: genera codice in base al linguaggio naturale
- completamento automatico del codice: completa l’intera funzione usando il nome di quella di destinazione
- riepilogo del codice: genera il riepilogo di una funzione
Tabnine: completa da solo le righe di codice
Non è un generatore di codice vero e proprio ma è molto interessante. Permette il completamento automatico di righe di codice per le più diffuse Ide oltre 20 linguaggi di programmazione. Tabnine ha una versione gratuita fortemente limitata, una versione Pro il cui costo parte da 12 dollari al mese per utente (10,90 euro circa) e una Enterprise i cui prezzi vengono comunicati in base alle esigenze specifiche.
Chat Ai generativa per impartire comandi shell
Usare le shell impartendo comandi in lingua inglese. Una comodità che non è propria soltanto di chi usa sistemi Linux, non va dimenticato che PowerShell di Microsoft è uno strumento indispensabile per i sistemisti, dotato di un linguaggio di scripting che assolve qualsiasi compito (ed è peraltro disponibile anche per ambienti Linux e macOS).
Shell Genie, il chatbot per sviluppatori basato su ChatGPT3
È uno strumento Open source che può essere usato per interpretare il linguaggio e restituire il comando
più appropriato. Usa GPT-3 e il backend proprietario Free Genie ed è particolarmente indicato per le query di sistema. È opportuno prendere le misure con questi tool eseguendo comandi che non possono compromettere la stabilità del sistema operativo, perché mostrano ancora dei limiti di interpretazione.
Warp, il chatbot per sistemi macOS
Se Shell Genie guarda al mondo Linux, Warp è pensato per i sistemi macOS. Per il momento lo sviluppo è nella fase beta e sono previste versioni anche per Linux e Microsoft, le quali saranno prelevabili gratuitamente al pari di Warp per macOS.
L’uso della riga di comando non è sempre evidente ed è molto più nelle corde di chi non è più di primissimo pelo, rispetto alle generazioni nate e cresciute usando sistemi operativi con interfacce grafiche.
Chatbot per la generazione di query SQL e ottimizzazione database
Sono due ambiti di applicazione diversi tra loro ma accomunati dagli elementi critici. SQL non è difficile da apprendere, almeno nelle sue funzioni più immediate e utili. Avere a disposizione uno strumento capace di interpretare il linguaggio naturale e trasformarlo in interrogazioni ai database e in operazioni di amministrazione può essere utile, pure esigendo delle precauzioni.
Hugging Face T5
Hugging Face T5 si presta anche all’ottimizzazione dei database ed è addestrato su WikiSQL ma presenta criticità di cui tenere conto che limitano l’uso di simili strumenti, perché richiedono una profonda conoscenza dei database in genere e di SQL in particolare. Occorre tenere conto di due peculiarità:
- il linguaggio SQL: interagire con i database è sempre delicato, anche considerando che una query è tipicamente un’operazione di lettura che non modifica i dati interrogati. Occorre però essere certi che le informazioni restituite siano confacenti a quelle richieste e i tecnicismi di SQL prevedono un discreto livello di conoscenza a meno che, come detto, non occorra interagire con un set contenuto di record. Allo stato attuale, i LLM di questo tipo non sembrano essere profondi conoscitori delle sottili interpretazioni dei comandi SQL soprattutto nelle query complesse
- ambiguità: le doti di comprensione semantica dei LLM sono perfettibili, riuscire a interpretare nella giusta accezione il linguaggio naturale e declinarlo in SQL è un punto nevralgico
Si tratta di domini d’uso interessanti e nei quali i LLM devono maturare ancora un po’. Questione di dati e di tempo.
Ottertune: per amministrare database
Per l’amministrazione di database MySQL e PostgreSQL si può fare uso di Ottertune che tramite agenti appositi individua e risolve criticità al fine di mantenere i database rapidi e funzionanti. Il costo è di 110 dollari al mese per ogni database (100 euro circa) e, pure non essendo propriamente un esempio di LLM fa molto bene il suo lavoro, permettendo l’impostazione di soglie (threshold) le quali, se sorpassate, generano eventi prestabiliti per il mantenimento della struttura dei dati. L’esempio classico è il dimensionamento delle tabelle quando raggiungono una percentuale dello spazio disponibile.
Traduzioni, con i chatbot
I giganti del web si stanno dando un gran daffare nel campo della traduzione del testo scritto e della voce. L’uso di LLM renderà questa corsa più rapida e affascinante nella quale Google ricopre un ruolo di prim’ordine, pure non essendo l’unica attrice sulla scena.
Microsoft Translation Service, traduzione in 100 linguaggi
Microsoft Translation Service è un’ottima soluzione ed è integrata in molti dei prodotti di Redmond, oltre a essere un’app disponibile per dispositivi mobili che può essere provata senza costi, esperienza peraltro utile per comprendere i progressi che si stanno facendo in questo ambito. Anche Meta è molto attiva e i risultati si possono osservare usando il traduttore nativo disponibile su Facebook.
Copywriting: i modelli linguistici plasmano i testi
Altro ambito in cui i LLM danno il meglio di loro stessi, come dimostrano i tanti strumenti sviluppati sui modelli linguistici attuali, con particolare riferimento a GTP-3 e seguenti.
Contenda: dalla traccia al testo completo
Contenda funziona nel modo più classico: è un servizio online sul quale si può caricare un contenuto che va considerato al pari di una traccia.
Contenda lo sviluppa a seconda della destinazione finale, sia questa il blog aziendale, i social media o un tutorial. L’uso è facile ma è limitato alla lingua inglese.
Copysmith, testi per ecommerce
Copysmith ha una vocazione per l’eCommerce, creando descrizioni per i prodotti ed è anche utile per il web marketing. I prezzi partono da 19 dollari al mese e può essere provato gratuitamente.
Cohere, testi per le FAQ
Cohere genera contenuti con uno spiccato senso per le Faq, compito che svolge in modo lineare e snello in oltre 100 lingue. Il costo varia a seconda dell’uso e dal servizio scelto, Cohere infatti può essere utilizzato anche per generare e classificare contenuti, cosa quest’ultima utile nel supporto ai clienti laddove si intende assegnare ticket in base alle necessità specifiche dei clienti.
Generazione pagine web
Pygma va a braccetto con Figma, piattaforma no-code che permette di creare design.
Pygma, dal codice alla pagina web
Pygma trasforma in codice Css, Html e React (una libreria JavaScript) i design creati rendendo la codifica rapida e snella. Produce codice allineandosi allo stile dei team di sviluppo e consente di generare immagini e testo sfruttando le informazioni e le istruzioni di cui dispone.
È uno strumento molto potente per la creazione di siti web, fermo restando che laddove si rende necessario un linguaggio settoriale o una certa prudenza nella scelta delle parole, fare troppo affidamento sui LLM è una soluzione ardita.
LLM per assistenza generale
Adept: genera report contabili
Chi è particolarmente interessato alle Intelligenze artificiali dovrebbe tenere sott’occhio Adept AI, strumento generalista in via di sviluppo sulle cui date di rilascio, per il momento, non ci sono informazioni certe.
Si preannuncia come uno strumento in grado di interagire con tutto ciò che un computer è in grado di fare, a cominciare dalle ricerche online fino all’uso di strumenti professionali prodotti da Google o Salesforce, per esempio per creare report contabili.
Strumenti simili, per quanto promettenti, funzionano se integrati ad apposite piattaforme e servizi, ma saranno oggetto di sviluppi persino sorprendenti per il futuro, immaginando una sempre più inclusiva e totale interazione uomo-macchina.
Gli LLM raccolgono anche i feedback
Ci sono LLM che vanno in soccorso delle imprese che vogliono conoscere il sentiment dei rispettivi clienti. Non c’è soltanto la gestione del supporto ma anche l’analisi delle recensioni online e la gestione di sondaggi. Si muovono in queste direzioni il già citato Cohere e Anecdote, piattaforma che sfrutta le capacità semantiche di ChatGPT e che si integra con piattaforme largamente diffuse come Slack, favorendo così il lavoro in gruppo e l’assegnazione dei task.
È interessante anche Viable, che raccoglie feedback esaminando e trascrivendo le conversazioni con i clienti effettuate via chat, telefono ed email. Una filosofia del tutto simile è quella seguita da Enterpret, che predilige però l’integrazione con le più diffuse piattaforme online tra le quali store, merchant e quelle social.
Prospettive future dei LLM nell’ambito B2B
I large language models, come ChatGPT, stanno aprendo nuove e promettenti prospettive nell’ambito B2B. Questi modelli avanzati di intelligenza artificiale hanno dimostrato di poter comprendere e generare testi in modo sempre più naturale e coerente, offrendo numerose applicazioni nel settore aziendale.
Grazie a questa tecnologia, le aziende potranno beneficiare di assistenti virtuali sempre disponibili e pronti a fornire informazioni, risolvere problemi e supportare le operazioni quotidiane. Questo si tradurrà in un miglioramento dell’efficienza e della produttività, poiché i large language models saranno in grado di rispondere alle domande dei dipendenti e dei clienti in modo rapido e accurato.
Inoltre, questi modelli potranno essere utilizzati per analizzare grandi quantità di dati e generare report dettagliati, facilitando la presa di decisioni basate su informazioni precise e aggiornate.
Le prospettive future dei large language models nell’ambito B2B sono quindi molto promettenti, con il potenziale di trasformare radicalmente la comunicazione e le operazioni aziendali.
