Ciao a tutti! Oggi parliamo di un argomento super caldo: l’intelligenza artificiale. Sì, l’abbiamo sentita tutti, dal GPT di OpenAI ai nuovi prodotti a sorpresa di Google, Microsoft, Amazon e Facebook. Ma c’è un problema qui… L’idea mi è saltata in mente l’altro giorno mentre stavo navigando su LinkedIn. Dappertutto vedo post in cui persone promuovono l’uso dei Large Language Models - o modelli di intelligenza generativa - applicati ai database. La procedura è semplice: uno scrive un comando, come “trovami il prodotto più venduto”, il modello capisce, interroga il database e poi restituisce le informazioni richieste all’utente via chat. Suona molto impressionante, vero? Chi non vorrebbe interrogare un database senza dover scrivere una query? Ma mi chiedo: non è questo un classico caso di “Technology problem fit”? Mi spiego meglio.

Il “technology problem fit” si verifica quando abbiamo una tecnologia a nostra disposizione e cerchiamo di trovarle un problema da risolvere. In altre parole, andiamo a cercare o a inventare problemi che non esistevano prima, solo per poter usare la tecnologia. Sì, puoi fare qualcosa con l’intelligenza artificiale, ma è davvero il modo migliore per farlo? Ora potreste chiedervi: “Bene, Davide, ma in un mondo ideale, non sarebbe fantastico poter fare interrogazioni a un database senza dover scrivere query SQL o cose del genere?” In teoria, potrebbe sembrare una buona idea. Ma qui avrei molte domande da fare. Prima di tutto, perché qualcuno dovrebbe pagare per interagire con il modello di intelligenza artificiale e presentare le sue interrogazioni, quando potrebbe farlo gratuitamente con la dashboard?

Ora, alcuni potrebbero dire: “Ma Davide, non tutti sanno come navigare facilmente in una dashboard!” A questo rispondo testando l’affermazione con due gruppi di persone, uno che usa una dashboard e l’altro che usa il modello di IA, e poi trarrei delle conclusioni. Allo stesso tempo, dobbiamo considerare che non tutte le query possono essere capite dai modelli IA. Sì, possono capire le query semplici, ma quando si passa a quelle più complesse, non ci scommetterei di sicuro che riescano a capire tutto correttamente. Un’altra questione: perché usare una chat per fare una ricerca, quando esistono interfacce visive come le dashboard, che risultano molto più intutive? E infine, c’è la questione di costo. Integrare l’intelligenza artificiale introduce costi extra. Vale davvero la pena per le aziende di fare questo? Per me, l’intelligenza artificiale dovrebbe essere di complemento all’automazione, svolgendo compiti a basso valore aggiunto che un umano svolgerebbe. Ma è importante che sia 100% affidabile. Se è solo buona il 95% delle volte, allora una persona deve comunque essere lì per supervisionare l’intelligenza artificiale, il che va contro l’idea di essere efficace nel risparmiare tempo e migliorare la produttività. Concludendo, l’intelligenza artificiale è, senza dubbio, una tecnologia promettente che ha il potenziale di rivoluzionare molte aree. Tuttavia, dobbiamo fare attenzione a non cadere nella trappola di “technology problem fit”, cercando di applicare l’intelligenza artificiale dove non è necessario o vantaggioso. C’è una differenza tra quello che sembra bello e quello che è realmente utile. Mi farebbe molto piacere sentire i vostri pensieri su questo argomento. Se avete una opinione diversa, fatemelo sapere nei commenti del podcast. Sarei molto contento di avere una discussione costruttiva con voi.

Se ti interessa ascoltare la versione integrale del contenuto, puoi raggiungerla al link sottostante del podcast. Questo articolo é stato parzialmente scritto dall’IA 😎.

Non perderti questo ed altri episodi e seguici su Spotify: Finanzami Podcast