BitBang, in collaborazione con Bonfiglioli e MEP, e con il supporto scientifico dell’Università di Bologna, sta sviluppando sistemi basati sull’Intelligenza artificiale generativa per valorizzare e rendere più accessibile il patrimonio di conoscenze aziendali. L’iniziativa rientra tra i progetti sperimentali e di ricerca finanziati da BI-REX.
La conoscenza è una risorsa di valore inestimabile per un’azienda. Tuttavia, spesso è conservata in formati e luoghi difficilmente accessibili, come scambi di email, appunti degli operatori o sistemi di gestione post-vendita. Se queste informazioni fossero facilmente consultabili, potrebbero migliorare sensibilmente numerosi aspetti aziendali, dall’onboarding al supporto clienti, fino alla gestione dei macchinari.
Il progetto SmartCasm ha l’obiettivo di sviluppare sistemi collaborativi intelligenti su misura per le specifiche esigenze delle aziende manifatturiere coinvolte. Il sistema utilizza l’intelligenza artificiale, il Natural Language Understanding e tecnologie semantiche per rendere facilmente fruibile la base di conoscenze aziendali.
Il progetto è finanziato dall’Unione Europea – Next Generation EU.
Tecnologia
La tecnologia alla base di SmartCasm sfrutta i più recenti sviluppi nel campo dell’Intelligenza Artificiale e dei modelli di GenAI, come ChatGPT. Tuttavia, le applicazioni industriali richiedono un livello di affidabilità nelle risposte significativamente superiore rispetto a quello offerto dai modelli generalisti. Per questo motivo, il sistema è progettato e calibrato per dare priorità alla precisione delle risposte. Inoltre, opera rigorosamente all’interno del dominio richiesto: comprende il linguaggio, le abbreviazioni, le sfumature, le relazioni e le implicazioni proprie del settore e dell’azienda. Tutto questo viene realizzato preservando la riservatezza del patrimonio informativo aziendale.
Un modello generalista di Large Language Model, come ChatGPT o uno degli attuali alternativi, all’interno di un’architettura RAG (Retrieval Augmented Generation), rappresenta solo il primo passo. I componenti potenziali della soluzione RAG vengono testati e valutati in base alle performance attese, utilizzando un set di KPI appositamente definiti.
Una Base di Conoscenza Semantica specializzata per la singola azienda utilizza glossari, Knowledge Graph e ontologie per permettere al sistema di navigare le relazioni tra elementi e lavorare quindi con maggiore accuratezza. Il rischio di allucinazioni o di risposte imprecise viene minimizzato tramite l’impiego di tecnologie semantiche e un’attenta modulazione del sistema. Questo viene realizzato su base ad hoc, in funzione sia dei casi d’uso da abilitare che delle aspettative degli utenti.
SmartCasm utilizza le tecnologie più avanzate disponibili, personalizzandole per applicazioni industriali e per i casi d’uso specifici delle aziende coinvolte. L’architettura è progettata in modo modulare, permettendo la sostituzione di ogni singolo elemento per adattarsi alle scelte tecnologiche di ciascuna azienda o per integrare tecnologie all’avanguardia senza dover ripensare l’intero sistema.
Casi d’Uso
Il principale risultato del progetto è la realizzazione di un chatbot personalizzato per ciascuna azienda. Gli utenti potranno interagire con il chatbot utilizzando il linguaggio naturale e ricevere risposte che riassumono le informazioni estratte dalla base di conoscenza aziendale, citando correttamente le fonti. L’explainability, ovvero la capacità del sistema di spiegare le decisioni prese, è fondamentale per garantire l’affidabilità di un sistema di intelligenza artificiale ed è inoltre richiesta dalla normativa europea sull’IA.
Questo tipo di sistema presenta molteplici applicazioni:
- Onboarding più efficiente: l’inserimento di nuovo personale sarà più rapido ed efficace, grazie alla possibilità per i nuovi assunti di accedere direttamente alla conoscenza accumulata dai colleghi più esperti, riducendo l’impatto sulla produttività.
- Supporto post-vendita potenziato: il servizio post-vendita potrà consultare rapidamente informazioni provenienti da fonti diverse, migliorando così la qualità e la tempestività dell’assistenza.
- Gestione della produzione migliorata: i responsabili di produzione potranno accedere facilmente a informazioni dettagliate tratte da report su problemi e difetti riscontrati, migliorando la comprensione del funzionamento delle macchine, la consapevolezza dei rischi e la capacità di prevedere errori o guasti.
Inoltre, durante il progetto, le aziende coinvolte ricevono una valutazione della qualità dei propri dati ai fini dell’utilizzo in progetti di Intelligenza Artificiale. Questo rappresenta un valore aggiunto strategico per eventuali iniziative future basate sull’IA.
