L’era dei “Copilot” e come la Generative AI sta trasformando il modo di lavorare

L’Intelligenza artificiale, nella sua forma Generativa, sta radicalmente modificando il modo con cui interagiamo con i computer e i software. Ogni piattaforma, sistema, applicazione è potenzialmente in grado di ospitare un agente intelligente ( o “Copilota”) in grado di capire il linguaggio umano, rispondere alle nostre domande, leggere e interpretare i dati ed aiutarci nell’esecuzione di task, offrendo suggerimenti personalizzati e adeguati al contesto.

I Copilot rappresentano quindi un’importantissima evoluzione in moltissimi processi nei più svariati settori.

L’ascesa del paradigma Copilot

Secondo Bill Gates, nei prossimi 5 anni il paradigma dei Copilot è destinato a rivoluzionare completamente l’industria del software e vari aspetti della nostra vita di tutti i giorni. Ciò che intendiamo come “Agente AI” o “Copilota” altro non è che un programma software che risponde in linguaggio naturale e, grazie ai modelli linguistici (LLM), è in grado di portare a termine diversi compiti per facilitare il nostro lavoro.

Molti di questi “Copiloti” esistono già, ecco una breve timeline dell’evoluzione del mondo Copilot:

• 2021: GitHub rilascia il primo Copilot, per aiutare gli sviluppatori a scrivere codice più velocemente. Secondo uno studio successivo, l’88% degli utilizzatori ha aumentato la produttività, mentre il 74% ha potuto dedicare il proprio tempo ad attività più appaganti.
• 2022: Microsoft lancia il trend, integrando i Copilot all’interno dei suoi servizi nella Suite 365. Il paradigma Copilot inizia a diffondersi, con anche l’avvento di ChatGPT.
• 2023: Le aziende tech iniziano a seguire Microsoft e a sviluppare i propri Copilot integrati nei loro servizi. Alcuni esempi sono Amazon CodeWhisperer, SAP Joule, Salesforce Einstein, Databricks Assistant.
• 2024: L’interesse per questo tipo di soluzioni continua a crescere, spingendo molte altre aziende in diverse industry ad adottare approcci simili.

Qual è quindi il valore aggiunto dei Copilot?

La vera forza dei Copilot risiede proprio nella loro abilità a portare a termine una vasta serie di task a basso valore aggiunto, ridurre gli errori umani, e permettere a chi ne fa uso di concentrarsi su attività più importanti.

I particolare, grazie ai Copilot è possibile:

• Automatizzare attività di data entry, lettura e scrittura di dati, riassumere e ricercare informazioni chiave all’interno di documenti (e.g., “Riassumi le principali conclusioni del rapporto sull’andamento del mercato degli ultimi sei mesi.”, “Trova tutti i documenti relativi al progetto XYZ.”)
• Rispondere in maniera rapida a domande di business e creare report personalizzati pronti all’uso (e.g., “Oggi devo incontrare il cliente Mario Rossi, qual è il prodotto che ha acquistato di più?”) –
• Generare dati, metadati e dati sintetici (e.g., “Trova tutti i documenti che menzionano il termine ‘sostenibilità’ e assegna loro una categoria”, “Assegna un punteggio al seguente prodotto, sapendo che…”)
• Supportare lo sviluppo di codice, fornendo suggerimenti e completamenti per la scrittura di codice in vari linguaggi di programmazione, o aiutare nelle attività di migrazione e di debugging.
• Supporto alla formazione: Copilot può essere utilizzato per creare materiale formativo e guide di supporto per i dipendenti, o per fungere da “trainer” e allenare attivamente i dipendenti ad una certa attività.

Errori da evitare nel mondo Copilot

Sebbene molto promettente, il mondo dei Copilot non è tutto rose e fiori. Ci sono infatti tanti ostacoli da superare e fattori chiave da tenere in considerazione per sviluppare uno use-case di successo. Ecco alcuni fattori che nella mia esperienza ho imparato essere determinanti:

• Bassa qualità dei dati e bias. Anche in questo caso vale (ahimé) il celebre principio “garbage in, garbage out”: la qualità degli output del Copilot dipende dalla qualità degli input che gli fornisco. In altre parole, ho bisogno di dati di qualità che contengano informazioni precise e coerenti oppure otterrò dei risultati non soddisfacenti o addirittura delle vere e proprie “allucinazioni” (così si definiscono gli output fuori contesto degli LLM).
• Scarsa interpretabilità dei risultati. Capire come un Copilot arriva alle sue risposte può essere difficile, compromettendo la fiducia nelle sue risposte e rendendo complicato individuare eventuali errori. Questo vale in generale per ogni modello di Machine Learning e può essere particolarmente importante in contesti critici, dove l’impatto delle informazioni fornite ha portata maggiore.
• Competenze tecniche non adeguate. Implementare e mantenere un Copilot che lavori adeguatamente sui dati aziendali richiede competenze tecniche avanzate. Le aziende devono necessariamente investire in figure specializzate o affidarsi a consulenti esperti. Assicurarsi di disporre delle risorse e delle competenze adeguate è fondamentale per il successo dell’implementazione.
• Troppa dipendenza tecnologica. Affidarsi troppo ad un Copilot senza mantenere un’adeguata comprensione dei processi sottostanti o senza sviluppare le proprie capacità potrebbe creare dipendenza tecnologica. È importante utilizzare Copilot come strumento di supporto, integrandolo con le competenze umane e sviluppando una cultura aziendale che favorisca la cultura dei dati.

Le soluzioni Copilot realizzate da Dataskills

Utilizzando algoritmi avanzati e modelli predittivi, i Copilot realizzati da Dataskills sono in grado di fornire supporto intelligente e automatizzare i compiti degli utenti, migliorare la Customer Experience e supportare le attività di formazione interna.

Ecco alcune delle soluzioni “Copilot” realizzate da Dataskills:

• AI-Powered QA: sistema di QA «conversazionale» su informazioni presenti nel sito web dell’azienda per migliorare la customer experience. (Per intenderci, è un chatbot che va a sostituire le FAQ statiche del sito).
• Smart Procurement: Copilot dell’area procurement in grado di automatizzare le attività di scouting e redigere autonomamente report su aziende trovate come potenziali fornitori, attingendo sia a fonti web sia a database interni.
• Sales Trainer: applicativo conversazionale per la formazione e l’allenamento dei venditori. Il Copilot impersonifica il cliente e guida l’utente umano nel migliorare continuamente le sue abilità nella trattativa di vendita.