L’Intelligenza Artificiale può prevedere il futuro dei processi aziendali?

SNAP, un nuovo programma, utilizza estesi modelli linguistici per prevedere la prossima e più probabile evoluzione in processi come l'applicazione per un prestito o una situazione di risorse umane.

Secondo IBM, l’intelligenza artificiale generativa può aiutare a ottimizzare i compiti aziendali automatizzandoli.

🖥️🔮 Nel mondo odierno guidato dalla tecnologia, la corsa per automatizzare i compiti umani e migliorare l’efficienza è iniziata! Il colosso informatico IBM sta esplorando il potenziale dell’intelligenza artificiale generativa (AI), in particolare dei grandi modelli di linguaggio (LLM), come trampolino di lancio per l’automazione. Il loro framework software proposto, chiamato SNAP (Storie Semantiche per la Previsione della Prossima Attività), addestra un LLM per prevedere la prossima azione in un processo aziendale basandosi su eventi precedenti.

Il Potere dei Modelli Linguistici nella Previsione dei Processi Aziendali

📚 I LLM sono capaci di analizzare sequenze di eventi, anche senza utilizzare dati tradizionali delle serie temporali. L’articolo di ricerca di IBM, pubblicato sul server arXiv pre-print, dimostra che SNAP migliora significativamente le previsioni delle prossime attività per vari set di dati di gestione dei processi aziendali (BPM). L’aspetto innovativo di SNAP risiede nella sua capacità di generare storie semantiche, utilizzando la ricchezza e la coerenza dei modelli di linguaggio come GPT-3. Questi modelli vanno oltre i limiti dei vecchi programmi di intelligenza artificiale, catturando dettagli più precisi e trasformandoli in narrazioni in linguaggio naturale.

💻 Prendiamo ad esempio una richiesta di prestito. Il LLM può analizzare vari attributi del prestito, come l’importo del prestito e la data di inizio della richiesta, e creare una narrazione del tipo: “L’importo del prestito richiesto era di $20,000 ed è stato richiesto dal cliente. L’attività ‘Registra Applicazione’ si è svolta al turno 6, che è avvenuto 12 giorni dopo l’inizio del caso…”

✨ Il framework SNAP opera in tre fasi. Prima, crea una storia modello basata sugli attributi forniti. Poi, il LLM riempie il modello per generare una narrazione completa. Infine, più storie vengono utilizzate per addestrare il LLM a prevedere il prossimo evento nel processo aziendale.

Nuove Frontiere: le Performance di SNAP

🔍 Per valutare l’efficacia di SNAP, Alon Oved e il team di ricerca di IBM lo hanno testato su quattro set di dati pubblicamente disponibili, tra cui casi reali di incidenti IT della casa automobilistica Volvo e casi fittizi di risorse umane. Hanno utilizzato tre modelli linguistici fondamentali: il GPT-3 di OpenAI, il BERT di Google e il DeBERTa di Microsoft. Sorprendentemente, i risultati hanno mostrato che anche modelli più piccoli come BERT hanno superato GPT-3, dimostrando che le dimensioni non sono tutto nel mondo dell’intelligenza artificiale.

• Investire in AI Prospettive da Investitori Prominenti
• Le telefonate automatiche AI La repressione della FCC e i rischi ch...
• Presentando Bard il chatbot di Google che ora genera immagini!

💡 I ricercatori hanno anche scoperto che la struttura di storie semantiche coerenti e grammaticalmente corrette influisce significativamente sulle performance di SNAP. Le storie generate utilizzando frasi complete sono risultate più accurate rispetto a quelle che combinano attributi in un’unica stringa di testo. Questa scoperta conferma il ruolo essenziale del design narrativo nell’algoritmo SNAP.

⭐ Ciò che è ancora più entusiasmante è che l’approccio SNAP si dimostra particolarmente efficace nel trattare con spazi di attributi categorici vasti, come le espressioni degli utenti e altri attributi di testo libero. L’intelligenza artificiale generativa ha il potere di svelare preziose intuizioni da dati non strutturati nei processi aziendali, colmando la separazione tra i metodi tradizionali di intelligenza artificiale e i dati che non riescono a catturare.

🌐 Quindi, cosa ci riserva il futuro per SNAP e l’intelligenza artificiale generativa? Man mano che i set di dati si arricchiscono con tecnologie più recenti come l’automazione dei processi robotici, gli autori ipotizzano che saranno disponibili informazioni semantiche più ricche, che aumenteranno ulteriormente l’accuratezza delle previsioni.

🌟 Abbracciando il Futuro con l’AI Predittiva

☑️ SNAP di IBM dimostra l’immensa potenzialità dell’IA generativa nella previsione del futuro dei processi aziendali. Sfruttando il potere dei modelli di linguaggio e delle narrazioni semantiche, le imprese possono ottenere intuizioni preziose e ottimizzare le proprie operazioni. La capacità di prevedere e suggerire i prossimi passi apre un mondo di possibilità nell’automazione e nell’efficienza.

📚 Esplora di più:

1. Walmart Debuts Generative AI: AI Search & AI Replenishment Features al CES
2. Can ChatGPT Predict the Future? Allenare l’IA per Capire Cosa Succede Dopo
3. L’IA Supera le Nostre Migliori Tecnologie di Previsione del Tempo, Grazie a DeepMind
4. Perché Nvidia sta Insegnando ai Robot a Fare Giravolte con le Penne e Come l’AI Generativa Sta Aiutando
5. Microsoft Copilot ti Permette di Creare Canzoni con l’IA da Prompt di Testo (Sì, C’è una Presa)
6. Cinque Modi per Utilizzare l’IA in Modo Responsabile

🌟 Condividi le tue opinioni su SNAP e l’IA generativa! Pensi che l’IA possa predire il futuro dei processi aziendali? Lascia un commento qui sotto e iniziamo una conversazione! 💬💭

💻🔮✨

• artificial intelligence
• Innovation