Come chatGPT cambia la Business Intelligence (e non solo)

Le novità rilasciate da OpenAI nello scorso novembre avranno certamente un impatto importante sul mercato ICT e in particolare sulla Business Intelligence. Innanzi tutto, partiamo dal fatto che non si tratta di annunci relativi a funzionalità da venire, ma di funzioni già disponibili ad oggi.

Ad esempio è ora possibile creare in modalità lowcode una versione proprietaria di ChatGPT, addestrata su uno specifico dominio di business. E' già disponibile un marketplace di partner e sviluppatori che stanno inondando il mercato di applicazioni verticali. Alcune di queste sono poco più che gadget, altre potrebbero rivelarsi interessanti in ambiti di business specifici.

Una delle novità di maggior rilievo è quella di GPT4-Vision, ovvero un modello LLM che aggiunge alle capacità conversazionali di GPT4 anche la capacità di leggere e analizzare immagini. Già la disponibilità di un GPT4 a 128k-token è una novità importante, in quanto consente di ottenere in un’unica sessione l’analisi di un documento lungo circa 300 pagine, ma la possibilità di inserire nel contesto della richiesta anche una o più immagini apre la strada ad applicazioni sempre più sofisticate, soprattutto nell’ambito della Business Intelligence, abbattendo quello che viene chiamato TIME2INSIGHT. Si tratta in sostanza di estrarre informazioni e significato da dati non strutturati. Già prima era possibile allegare ad una richiesta un breve testo su cui effettuare analisi e ottenere insight, ma ora è possibile anche richiedere l’analisi di un testo e di una o più immagini, ottenendo una risposta che a sua volta può contenere sia testo che immagini.

Ad esempio, vediamo come GPT4 elabora un’immagine di questo tipo:

e sottoponiamo una semplice domanda del tipo:

Tutto sommato niente male, per aver fornito una semplice immagine senza nessun tipo di spiegazione. Ma adesso vogliamo verificare la capacità di elaborare e correlare informazioni provenienti da media diversa. Quindi ora forniamo delle nuove informazioni a GPT4, questa volta sotto forma di un file ACME.PDF, che contiene il testo seguente:

Organizzazione vendite della ditta ACME per la grande distribuzione elettronica

ACME ha i seguenti punti vendita in Italia:

- Orio al Serio, nei pressi dell’aeroporto. Il negozio ha un fatturato annuo pari a circa il 20% del fatturato complessivo dell’azienda e il pubblico è costituito prevalentemente da viaggiatori. A febbraio la sede di Orio al Serio ha dovuto chiudere per una settimana a causa di un’alluvione che ha allagato gli scantinati.

- Treviso, specializzato soprattutto nella vendita di elettrodomestici, col 15% del fatturato complessivo. 

- Bologna, 12% del fatturato complessivo.

- Padova, con il 32% del fatturato. Il negozio è situato nei pressi della sede di Bethesda, famosa azienda di gaming.

- Parma.

- Cremona.

Carichiamo questo documento e chiediamo a GPT qualche suggerimento su come sviluppare le vendite. Ecco la sua risposta:

Questo semplice esempio fornisce una minima idea della potenziale rivoluzione che le piattaforme di IA generativa (GenAI) possono costituire non solo nell’ambito dell’interazione uomo-macchina, ma anche nell’analisi dei dati e soprattutto nell’estrazione di insight dai dati stessi.

Con un semplice dialogo il sistema può elaborare testi, immagini e dati strutturati per ottenere immediatamente delle indicazioni che servono all’utente, senza che questi sia necessariamente uno specialista. In sostanza, viene ridotto drasticamente il cosiddetto time to insight, ma soprattutto viene reso multimodale, ossia diventa possibile l’elaborazione integrata di dati strutturati e non strutturati, ovvero testi, immagini, filmati o streaming audio per estrarne il significato, creare correlazioni e fornire suggerimenti utili a migliorare il business.

Questo tipo di funzionalità avrà impatti significativi sul mercato della Business Intelligence e accelererà il processo di Data Democracy, in combinazione con tecnologie di gestione decentrata dei dati, come le Data Mesh. Ciò avrà impatti anche sul mercato del lavoro, che vedrà l’avvento di assistenti virtuali in grado di svolgere compiti che fino ad oggi erano demandati ai data scientist, e soprattutto l’avvento di bot programmatori sempre più sofisticati, con performance superiori rispetto alla media dei programmatori umani.