Episodio trentuno di Le Voci dell’AI. Oggi vi faccio vedere una tecnologia straordinaria. Infatti è una delle applicazioni più straordinarie dell’AI generativa viste fino ad oggi, un’applicazione che potrebbe essere usata dai capitani d’industria in un prossimo futuro: vi faccio vedere come l’AI generativa può essere usata per creare un consiglio di advisor sintetici.
Prima di tutto capiamo il problema. Il compito primario di un leader è quello di prendere decisioni che hanno un grande impatto sul business, sul personale e a volte, sul pianeta intero. Le decisioni di un leader possono ispirare o demoralizzare i dipendenti, i clienti e i partner. Le decisioni di un leader possono cambiare il destino di un’azienda e fare la differenza tra la bancarotta e il successo in Borsa. Le decisioni di un leader possono portare alla creazione di un prodotto rivoluzionario o all’ennesimo clone di qualcosa che il mercato non ha nessun interesse ad adottare.
In ognuno di questi casi, in ogni momento della giornata, un capitano d’industria deve tentare di prendere la decisione migliore possibile con i dati a disposizione, l’esperienza accumulata nel tempo, la conoscenza acquisita attraverso l’educazione, le risorse su cui pensa di poter contare e la consapevolezza dell’impatto di quella decisione. Il tutto cercando di combattere la propria natura, tenendo a bada le decine di pregiudizi che influenzano il comportamento umano.
La complessità che sta dietro una decisione al vertice è molto più grande di quello che sembra a prima vista ed è difficile da capire finché non si arriva a fare quell’esperienza in una posizione di comando.
Per aiutarsi in questo compito delicatissimo, capitani di industria si affidano a confidenti, consiglieri, advisor che agiscono come cassa di risonanza e diventano un’estensione dell’esperienza, conoscenza e percezione del leader in questione.
I membri di un consiglio di amministrazione vengono scelti proprio con lo scopo di facilitare un capitano di industria nelle decisioni più critiche.
Il problema è che non tutti i leader possono contare su un consiglio di amministrazione composto da esperti di fama mondiale e anche quelli che possono non hanno accesso ai consiglieri in qualunque momento e per qualunque decisione.
Nessuno può contare su un esperto mondiale in economia e finanza, business, ingegneria, medicina, tecnologia, come se fosse un motore di ricerca disponibile tutto il giorno per rispondere a qualunque domanda.
Oppure sì.
Dopo quasi un anno dal lancio di ChatGPT sapete perfettamente che i modelli di AI generativa di OpenAI, Anthropic, Google e così via sono stati sviluppati attraverso un processo di apprendimento, quello che si chiama training.
Durante il training di un modello di AI generativa, milioni di documenti sono stati processati da un super computer e tra questi milioni di documenti ci sono libri di business, finanza, economia, medicina, matematica, ingegneria e così via.
Quindi sapete perfettamente che con il prompt giusto è possibile modificare la personalità di ChatGPT e chiedere all’AI di comportarsi come un advisor esperto in una qualunque disciplina; e quando la qualità delle risposte non è soddisfacente, anche se siete esperti mondiali in prompt engineering, sapete che si può fare un’ulteriore fase di training dove materiale di più alta qualità sulla disciplina che vi interessa viene passato al modello in quella pratica che si chiama fine tuning.
Immaginate una versione di ChatGPT, il modello più capace rilasciato da OpenAI fino ad oggi, ulteriormente sviluppata attraverso il tuning, con tutto il materiale di business accumulato negli ultimi venti anni da Harvard Business School, Kellogg School of Management, McKinsey, Bain e così via.
Ecco qui che abbiamo un advisor sintetico esperto in una disciplina a nostra scelta, a disposizione del nostro capitano d’industria per un consiglio all’una del mattino del sabato prima di un’acquisizione Importantissima.
Il problema di questo approccio, che in sé è già straordinario, è che nessuna decisione è monodimensionale.
La prospettiva di un esperto di logistica non è la stessa di un esperto di marketing che non è la stessa di un esperto di negoziazioni e così via. Una decisione importante va ponderata, considerando le prospettive più diverse di molteplici esperti, soprattutto quando questi esperti divergono nella loro raccomandazione.
Ecco perché esistono interi consigli di amministrazione invece di singoli consiglieri.
Ora, attraverso una serie di tecniche di prompt engineering è possibile forzare un modello di AI generativa come GTP-4 a comportarsi come due o più esperti in discipline diverse.
Purtroppo però, nella mia esperienza GPT-4 e altri modelli non funzionano particolarmente bene. In questo scenario c’è troppa poca varietà di opinioni tra i ruoli e per una serie di motivi tecnici si raggiunge una convergenza troppo velocemente.
Ancora più importante di questo è il fatto che anche il prompt migliore del mondo non ci permette di avere un dibattito credibile tra le varie personalità della nostra AI.
Parte del mio lavoro come ricercatore è testare questi scenari e vi garantisco che è veramente difficile convincere ChatGPT a comportarsi come l’advisor più desiderato al mondo attraverso un disturbo di personalità multipla.
Invece è nell’interesse del leader essere esposto a una grande varietà di opinioni e un dibattito tra le parti che porta a scoprire prospettive non contemplate prima.
Una nuova tecnologia sviluppata dai ricercatori di Microsoft Research ci dà la soluzione a questo problema e apre un ventaglio straordinario di possibilità, non solo per lo scenario che abbiamo descritto fin qui, ma per molti altri scenari.
Questa tecnologia si chiama AutoGen.
AutoGen ci permette di creare molteplici istanze indipendenti di GPT-4 o altri modelli e generativa e con il prompt giusto, ognuna configurata per assumere il ruolo di un esperto in una particolare disciplina e con un altro prompt, e questa è parte della magia, è possibile convincere queste istanze indipendenti a interagire tra di loro senza nessun intervento da parte nostra.
Per esempio, la settimana scorsa ho dimostrato come usare questa tecnologia per creare un gruppo di consiglieri sintetici: esperti di business, marketing, vendite, negoziazione e così via.
Ho chiesto a questi consiglieri sintetici di esprimere la propria opinione su una decisione di business relativamente semplice ma tipica per una startup la valutazione di una partnership con un’azienda dominante e in grado di mandare la startup in bancarotta attraverso una competizione sleale durante quella partnership.
In questo esempio, ho utilizzato AutoGen per istruire ogni consigliere sintetico a fare le domande per capire meglio la raccomandazione degli altri consiglieri e a criticare la loro posizione in caso ci sia disaccordo su quella raccomandazione, il tutto senza alcun intervento da parte mia.
Le varie AI hanno dibattuto il mio problema ad oltranza, argomentando le loro prospettive divergenti sulle implicazioni della decisione dal punto di vista legale, del marketing, delle vendite e così via.
In ogni momento sono stato in grado di intervenire per aggiungere dettagli utili all’interazione o per deviare la conversazione dove avesse più valore.
È un’esperienza straordinaria, un po’, come guardare un dibattito politico dove l’argomento di cui si discute, è il problema che interessa voi e solo voi.
Ora, immaginate di avere questo consiglio di amministrazione sintetico a vostra disposizione tutto il giorno, tutti i giorni per qualunque domanda, anche quelli che non fareste mai a degli esperti mondiali per paura di apparire stupidi e a vostra disposizione anche se non siete capitani d’industria al vertice assoluto dell’economia.
Questa tecnologia esiste oggi è ancora immatura e c’è un enorme potenziale per migliorare e ottimizzare.
Immaginate un futuro dove Harvard Business School o McKinsey mettono a disposizione i propri advisor sintetici per varie discipline e voi li assemblate nel consiglio di amministrazione che più si adatta alle esigenze della vostra azienda.
Questo è il futuro. Ma non dovete aspettare che arrivi. Potete cominciare oggi.
Grazie all’AI generativa che abbiamo già e a progetti eccezionali come AutoGen.
Okay, ci fermiamo qui per questa settimana. Come sempre, scrivetemi all’indirizzo di posta elettronica che trovate qui sotto con i vostri commenti, le domande e i suggerimenti per gli argomenti da trattare nei prossimi episodi.
Ciao!
