L’intelligenza artificiale come AI virtual assistant

A partire dal 2022 l’Intelligenza Artificiale (AI) è stata al centro di interessi sia nel mondo finanziario, che nel mondo dell’economica reale. In quest’ambito, le chat basate sugli LLM (Large Language Model) è stata resa disponibile ad un pubblico molto più ampio, con possibilità di interazione diretta da parte degli utenti, e sta aprendo nuove frontiere anche in ambito Business (e Finance), tanto da spingere alcuni analisti a definire questo momento storico come una nuova rivoluzione industriale.

Le soluzioni di LLM disponibili al grande pubblico stanno crescendo molto sia come numero di player, che di performance dei modelli. La fruizione dei modelli di LLM più evoluti può oggi avvenire in diverse modalità, che possiamo riassumere in tre principali gruppi:

• Chat Base
• Chat Personalizzata
• Assistant

Chat Base: L’Assistente Personale Immediato

La **Chat Base** è la modalità più immediata e fruibile, e consiste in una interfaccia utente che maschera diversi modelli di AI specializzati in diversi task (Natural Language Processing, Computer Vision, Riconoscimento Audio, etc). In questo caso la chat diventa un potente assistente personale in numerosi ambiti in cui serva un supporto per approfondire conoscenze generali, generare testi, automatizzare task onerosi, analizzare documenti o file di dati caricati direttamente in chat, producendo risposte di qualità ad un ampio set di domande poste in linguaggio naturale. Ha la capacità di mantenere il contesto della conversazione e può essere oggetto di un training base di alto livello, eseguito anch’esso in linguaggio naturale e quindi alla portata dell’utente di business. Per interagire in modo più produttivo, invece, gli utenti evoluti possono adottare le tecniche di Prompt Engineering, che permettono di contestualizzare meglio la conversazione e quindi migliorare la precisione dell’output. Attraverso la Chat Base un utente evoluto riesce a svolgere task anche complessi (p.e. tradurre voce in testo e creare un executive summary di una intervista) ma questa modalità risulta complessivamente poco adatta a contesti in cui i task sono ripetitivi, perché l’utente deve manualmente ripetere le procedure di caricamento dati e l’input delle istruzioni alla macchina.

Chat Personalizzata: Vantaggi e Limiti della Specificità

La Chat Personalizzata, pur mantenendo la modalità di fruizione in modalità di messaggistica e tutti i vantaggi descritti per la versione base, integra invece alcune potenzialità di personalizzazione, come ad esempio configurare il comportamento del modello definendo linee guida specifiche, come tono di voce, tipo di linguaggio o preferenze di contenuto. Offre inoltre la possibilità di addestrare il modello in modo più avanzato, sia con un Prompt Engineering permanente, sia attraverso documenti o informazioni caricati dagli utenti anch’essi in modo permanente, che il modello utilizzerà per fornire risposte specifiche e mirate, rendendo questa modalità di fruizione più adatta ad un supporto continuativo in determinati ambiti aziendali. Presenta tuttavia una limitata capacità di storage interna per dati e informazioni personalizzati, che la rendono poco utile in contesti e modelli che richiedono l’accesso ad elevate quantità di informazioni.

Assistant: Integrazione e Accesso ai Big Data Aziendali (La Nuova Frontiera)

L’Assistant è la modalità più recente, avanzata e versatile, progettata per poter integrare in autonomia l’Intelligenza Artificiale direttamente in processi e modelli specifici con interazioni anche complesse, e può interfacciarsi (ed essere integrato) con altre applicazioni o sistemi informativi aziendali (come ERP, CRM, BI, EPM, MES, WMS, DWH) via API (Application Program Interface) o connettori sviluppati in modo custom via scripting, superando i limiti anche della Chat Personalizzata e aprendo l’accesso a basi dati di grandi dimensioni. A differenza delle Chat, tuttavia, gli Assistant richiedono maggiori conoscenze specifiche per la configurazione, che può richiedere anche attività di scripting non trascurabili.

Tutte le modalità di fruizione descritte sono utilizzabili in ambito Business, con use case via via più complessi, ma la più interessante per applicazioni nel mondo Finance e Controlling, per le sue caratteristiche appena descritte, appare sicuramente l’**Assistant**, vera frontiera dell’utilizzo dell’Intelligenza Artificiale a supporto delle imprese. L’Assistant, come tutti i servizi di Intelligenza Artificiale, dispone di tutta la conoscenza basata su informazioni pubbliche, che tuttavia a differenza di altre modalità può essere inserita in un contesto aziendale privato. Ciò rende possibile procedere ad un processo di formazione e prompting specifico, per integrare alcune informazioni private a quelle pubbliche già disponibili al motore di AI, ed ottenere una “Private AI” a tutti gli effetti, in grado di supportare processi aziendali complessi in ambito Finance e Controlling, come ad esempio il supporto all’analisi e commento dei dati di business, error detection, analisi delle varianze, prevenzione delle frodi, what if analysis e altro ancora.

Assistant “On Demand” e Superamento dei Limiti dei Modelli Tradizionali

Un caso particolarmente interessante riguarda la capacità di un Assistant di generare in autonomia modelli di analisi del business a seguito di richieste “On Demand” formulate in linguaggio naturale, con l’obiettivo di colmare un gap tuttora presente in tutti i contesti aziendali, anche i più strutturati, che riguarda l’inefficienza del processo decisionale tradizionale in contesti di elevata incertezza.

Oggi i Team Finance di molte realtà evolute erogano già un contenuto informativo estremamente ricco e articolato, a supporto degli stakeholder aziendali ed in generale del processo decisionale direzionale. Esso è supportato da strumenti di business analytics evoluti, come Business Intelligence ed Enterprise Performance Management, alcuni dei quali dispongono già di algoritmi di Intelligenza Artificiale e/o Machine Learning integrati nella soluzione stessa, per potenziarne le capacità di analisi e pianificazione. Tali soluzioni (e le eventuali AI integrate al loro interno) presentano tuttavia alcuni limiti: sono basate su modelli che sono disegnati ed implementati su scenari di esigenze informative note e/o prevedibili e dispongono quindi dei soli dati funzionali a tali modelli. Per ovvie ragioni, è impossibile realizzare in anticipo un modello, report, indicatore su esigenze che ancora non si sono manifestate e che risultano imprevedibili. Per rispondere ad esigenze informative impreviste, che spesso richiedono dati e informazioni presenti in sistemi diversi, l’approccio tradizionale prevede quindi che il Team Finance, a fronte dell’emergere di una nuova richiesta, sviluppi e realizzi un nuovo modello (a volte fuori sistema), o integri un modello esistente, con tempi di risposta che sono spesso incompatibili con esigenze di tipo “Near Real Time”.

La presenza invece di un **Digital Assistant esterno a tutti i sistemi informativi aziendali**, opportunamente connesso con tutti questi ed opportunamente formato, può supportare efficacemente il Team Finance e Controlling, sviluppando in autonomia un modello di analisi del business “On Demand” attingendo da qualsiasi fonte informativa aziendale, anche esterna ai sistemi informativi strutturati (ad esempio file salvati nel file system), rispondendo semplicemente a domande e istruzioni in linguaggio naturale formulate dal Controller e accelerando quindi notevolmente il processo decisionale aziendale, superando gli attuali limiti dei modelli tradizionali.

L’Intelligenza Artificiale, in sintesi, è oramai giunta ad un livello di maturità tale da potersi integrare nei processi di business aziendali e creare un valore aggiunto importante, con il Finance e Controlling che possono svolgere un ruolo di “Early Adopter” in azienda.

A cura di Nicola Dainoli, Partner Adacta Advisory, Controlling & Performance Management Team Leader.