Combinando la fluidità linguistica di un LLM con la capacità di svolgere compiti e prendere decisioni in modo indipendente, l'AI generativa viene elevata a partner attivo nello svolgimento del lavoro.
Silvio Savarese
Credo che i modelli di azione di grandi dimensioni (LAM) rappresentino un cambiamento nello sviluppo dell'AI tanto rilevante quanto qualsiasi altra cosa abbiamo visto nel decennio passato. Proprio come gli LLM hanno reso possibile l'automazione della generazione di testo e, nelle loro forme multimodali, un'ampia gamma di media, i LAM potrebbero presto rendere possibile l'automazione di interi processi. E poiché sono fluenti nel linguaggio naturale, interagiranno in modo intelligente con il mondo, comunicando con le persone, adattandosi al mutare delle circostanze e persino interagendo con altri LAM.
Gli ultimi mesi hanno visto l'emergere di una nuova potente tendenza in cui i modelli linguistici di grandi dimensioni vengono potenziati per diventare "agenti", entità software in grado di eseguire attività in autonomia, in ultima analisi al servizio di un obiettivo, piuttosto che rispondere semplicemente alle domande di utenti umani. Può sembrare un piccolo cambiamento, ma apre un intero universo di nuove possibilità: combinando la fluidità linguistica di un LLM con la capacità di svolgere compiti e prendere decisioni in modo indipendente, l'AI generativa viene elevata da strumento passivo, per quanto potente, a partner attivo nello svolgere lavoro in tempo reale. Qui in Salesforce, in ambito AI, il potenziale di agenti così efficaci è già da qualche tempo argomento di ricerca e sviluppo attivo➚ .
Connettiti con Agentblazer di tutto il mondo per migliorare le tue competenze sull'AI, scoprire casi d'uso, ascoltare esperti di prodotto e altro ancora. Migliora le tue competenze di AI – e la tua carriera.
In poche parole, un modello di azione di grandi dimensioni (LAM) è un tipo di intelligenza artificiale generativa in grado di eseguire azioni specifiche in base alle domande degli utenti. Questi modelli non solo analizzano i dati, ma sono progettati per agire in base ai risultati. Pensali come i cugini intraprendenti di un modello linguistico di grandi dimensioni (LLM). Un LLM potrebbe generare testo in risposta a una query, mentre un LAM passa all'azione➚, come ad esempio aiutare un acquirente a elaborare un reso.
Credo che un incarico importante dell'AI sia mirare a un tipo di automazione che espanda le capacità umane, piuttosto che tentare di sostituirle. Con questo in mente, i LAM devono concentrarsi sul prendere le redini di compiti ripetitivi e altri lavori onerosi, quel tipo di attività che gran parte di noi non vorrebbe affatto fare, che intralciano le mansioni significative e di alto valore in cui eccelliamo. Parliamo quindi dell'incredibile potenziale che i LAM promettono di offrire a due livelli: per i singoli individui e per le organizzazioni. Nel far questo, immaginiamo come i LAM possano essere applicati oggi e come il loro ruolo nel nostro lavoro e nella nostra vita potrebbe evolversi nei prossimi anni.
Gli assistenti personali sono stati un lusso riservato ai ricchi per generazioni, anche se l'industria tecnologica per decenni ha promesso alternative virtuali per le masse. I LAM, con la loro sorprendente padronanza linguistica e capacità di generalizzare in maniera naturale praticamente in tutti i domini della vita, potrebbero essere il punto di svolta che stavamo aspettando: una tecnologia che può davvero assisterci, con gran parte della lungimiranza e dell'acume che ci aspetteremmo da un collega umano. Considera quanto segue:
Ultimamente si è parlato molto dell'impatto degli LLM sui workflow di marketing, con la loro capacità di generare testi, immagini e persino layout web, visti come un cambiamento radicale per il settore. Il quadro è più complicato nella pratica, tuttavia, poiché è necessario un grande impegno manuale per integrare l'output di un LLM nel processo completo, ad esempio, di ideare una nuova campagna e implementare granularmente i risultati. Attualmente, anche la migliore intelligenza artificiale generativa automatizza di fatto solo specifiche parti di questo processo.
Prevediamo che gli agenti AI per il marketing, tuttavia, adotteranno un approccio più ampio e più simile a quello dei LAM per fornire risultati ai team di marketing, utilizzando un'interfaccia LLM per collegare dati, strumenti e agenti specifici del dominio nel perseguimento di un'attività di alto livello. Immagina, ad esempio, una richiesta come la seguente:
"Invia un'e-mail di marketing per evidenziare il valore del nostro nuovo cioccolato Chocho. Regala alle prime 100 persone che effettuano un acquisto un coupon per la spedizione gratuita. Assicurati che ogni destinatario riceva un messaggio personalizzato".
Di per sé, un LLM avrebbe difficoltà a soddisfare tale richiesta. Una costellazione di strumenti, agenti e fonti di dati, tuttavia, l'accesso ai materiali di marketing precedenti, i dati dei clienti che l'organizzazione ha scelto di condividere con il LAM e, naturalmente, gli LLM stessi, potrebbe generare il testo ("Invia un'e-mail di marketing"), attingere dalla documentazione che evidenzia gli ultimi sviluppi del prodotto ("il valore del nostro nuovo Choco Chocolate"), scomporre la logica della richiesta ("Offri alle prime 100 persone che effettuano un acquisto un coupon") e gestire peculiarità specifiche del cliente ("Assicurati che ogni destinatario riceva un messaggio personalizzato") con facilità.
Ma gli assistenti personali hanno lo scopo di fornire supporto per qualsiasi istanza della vita, non solo per il lavoro. Quindi immaginiamo come potrebbero offrire con una decisione di acquisto importante ma personale, come un'auto. Per molti, il processo di acquisto di un veicolo può essere più una scocciatura che un'emozione e la fase di ricerca in particolare può essere estenuante. Ma con un LAM potrebbe presto bastare poco più di un prompt come il seguente:
Sono alla ricerca di una berlina con un buon grado di sicurezza e molto spazio, idealmente di colore scuro. Non antecedente al 2014, ma non più costosa di $ 28.000. E chilometraggio inferiore a 90.000.
Il primo passo, sia per un essere umano che per un LAM, sarebbe quello di scansionare i siti di acquisto di auto per assemblare un elenco iniziale di opzioni. Le potenti capacità di comprensione del testo di un LLM consentono all'agente di assorbire enormi quantità di recensioni di auto da fonti professionali e generate dagli utenti, identificando rapidamente i candidati che soddisfano i parametri dell'utente. In aggiunta, il LAM potrebbe individuare dei campanelli d'allarme, ad esempio notare che per un particolare anno di un modello di auto, altrimenti adatto, sono noti trasmissioni difettose o problemi elettrici ed eliminarlo così dall'elenco (o, almeno, evidenziarlo con un disclaimer).
Come passo successivo, il LAM potrebbe anche avviare conversazioni con venditori privati e rivenditori locali, utilizzando canali come e-mail o persino SMS per contattarli. Anche se un buon LAM con buona probabilità dichiarerebbe chiaramente di essere uno strumento di AI, assicurandosi che gli esseri umani non vengano mai fuorviati, comunicherebbe comunque in un linguaggio chiaro, fluido e naturale, con saluti, frasi complete e una richiesta o un'affermazione chiara in ogni messaggio. Potrebbe persino inviare una notifica alla banca dell'utente per informarla della necessità di stipulare un prestito. Quando la conversazione si avvicina al momento della decisione, l'utente può essere coinvolto per l'approvazione finale.
In ultima analisi, l'AI di Salesforce si impegna a utilizzare la potenza della tecnologia per migliorare il modo in cui le aziende operano su ogni scala e i LAM sono un ottimo esempio di ciò che potrebbe configurarsi negli anni a venire. Non ho dubbi che questa visione si estenderà a ogni aspetto delle operazioni, dal back office alle prime linee del marketing, incluse applicazioni che non possiamo ancora nemmeno immaginare, ma probabilmente non c'è esempio migliore dell'interazione con i clienti.
Immagina l'agente di una compagnia di assicurazioni, ad esempio. Gran parte della giornata di quell'agente sarà composta da incontri con i clienti, sia attuali che potenziali, per discutere le loro esigenze e sviluppare la relazione che li lega. Il fulcro di questo processo è il tocco umano che solo un agente in carne e ossa può fornire, ma è contornato da compiti ripetitivi che un LAM potrebbe accelerare notevolmente. Guarda il seguente flusso, potenziato da un passaggio all'altro dall'intelligenza artificiale generativa:
Penso che questa sia una visione convincente dell'empowerment individuale, ma la vera trasformazione è data dalla scalabilità dei LAM. Immagina un'intera azienda che arricchisce il proprio personale con strumenti di tale sofisticazione e quanto tempo e costi possono essere risparmiati nel complesso, per non parlare del modo in cui i suggerimenti LAM possono aiutare a prevenire errori, consigliare strategie di successo e altro ancora. Si tratta di una tecnologia in grado di offrire valore a qualsiasi livello di implementazione.
Finora abbiamo parlato di LAM al servizio di singoli utenti, ma esistono molte, molte altre forme che questa tecnologia probabilmente assumerà. È altrettanto semplice immaginare LAM che assistono gruppi o addirittura intere organizzazioni. E mentre tutti i LAM offrono vantaggi grazie alla loro flessibilità, prevedo una gamma diversificata di possibilità, da quelle molto generali, analoghe ai concetti di "assistente esecutivo" descritti sopra, ad agenti altamente personalizzati e specifici per singolo dominio che affrontano problemi di nicchia. E molti LAM (tutti in ultima analisi) saranno progettati per imparare dalle proprie esperienze, sia che si tratti di accumulare sempre più competenze nella risoluzione di un problema organizzativo, sia di aumentare sempre più il proprio livello di personalizzazione in base alle esigenze e alle preferenze dei singoli utenti.
E chi dice che i LAM si limiteranno a opereranno individualmente? Non è difficile immaginare una collaborazione tra molteplici LAM, ognuno ottimizzato per un diverso insieme di obiettivi, con un altro LAM dedicato al compito di orchestrare le loro attività e comunicare con il proprio utente o utenti, sia esso un individuo, un team o anche un'intera organizzazione. In altre parole, si tratterebbe dell'evoluzione da un singolo assistente personale a un intero team, il tutto unificato da un "capo dello staff" che risponde all'umano responsabile.
Le possibilità diventano ancora più interessanti se si considerano LAM creati al solo scopo di interagire con altri LAM o team di LAM; immagina, ad esempio, un agente implementato da una delle concessionarie di automobili nell'esempio precedente specializzato nella gestione delle richieste in entrata da parte di LAM personali, che rappresentano i potenziali clienti, o che itera con LAM che rappresentano le case automobilistiche stesse. Manterrebbero la trasparenza e l'applicazione generale che rendono preziosi tutti i LAM, soprattutto quando si valuta il loro comportamento a posteriori, ma opererebbero alla velocità e al livello di efficienza molto più elevati consentiti dalla comunicazione da macchina a macchina.
Scopri quanto tempo e denaro puoi risparmiare con un team di agenti basati sull'AI che lavorano fianco a fianco con i tuoi dipendenti e la tua forza lavoro. Rispondi ad alcune semplici domande per scoprire cosa è possibile fare con Agentforce.
Sebbene vi siano molti ostacoli tecnici per tradurre in realtà tutta la potenza dei LAM, la sfida principale è semplice da articolare: il mondo non è un luogo statico e qualsiasi agente destinato a interagire con esso deve essere abbastanza flessibile da adattarsi con agilità alle mutevoli circostanze. Nel caso del nostro esempio di acquisto di auto, ciò significa tenere sotto controllo i lead e capire quando un'auto desiderabile è stata venduta prima che l'utente avesse la possibilità di fare un'offerta o addirittura aggiornare i suggerimenti nel caso in cui venga emesso un richiamo nel bel mezzo del processo di ricerca. Nel caso della nostra agenzia assicurativa, la consapevolezza degli eventi attuali, in particolare quelli locali per il cliente, sarà essenziale per fornire informazioni utili e aggiornate, che vanno da cambiamenti nella regolamentazione del settore a eventi meteorologici estremi.
In tutti i casi, un buon LAM si definirà in base alla sua comprensione di quando notificare il suo utente umano o richiedere chiarimenti. Un'eccessiva frequenza in questo potrebbe risultare in fastidio e interferenza e potrebbe persino azzerare del tutto i vantaggi dei LAM. Una frequenza troppo rada, invece, non farà altro che garantire che prosperino effetti collaterali potenzialmente gravi e indesiderati, che vanno dall'eliminazione di un'e-mail importante alla richiesta di un prestito indesiderato alla banca dell'utente. Da buon assistente personale, un LAM dovrà disporre di buon istinto per trovare il giusto equilibrio.
Ciò significa anche attingere a una delle caratteristiche più potenti dei LAM, ossia la loro capacità di apprendere. Poiché i LAM sono esposti a sempre più esperienze nel mondo reale lavorando al nostro fianco, il feedback umano può essere utilizzato per perfezionare ulteriormente il loro comportamento. Inoltre, i LAM possono estrapolare preziose interpretazioni di flussi e processi analizzando dati che vanno dalle trascrizioni del servizio clienti ai registri degli eventi, mettendo insieme i passaggi ideali che collegano un determinato punto di partenza al risultato più desiderabile.
Per essere chiari, il lavoro dei LAM non consiste solo nel trasformare una richiesta in una serie di passaggi, ma nel comprendere la logica che li collega e li circonda. Significa capire perché un passaggio deve avvenire prima o dopo l'altro e sapere quando è il momento di cambiare il piano per adattarsi alle circostanze mutate. È una capacità che dimostriamo continuamente nella vita di tutti i giorni. Ad esempio, quando non abbiamo abbastanza uova per fare una frittata, sappiamo che il primo passo non ha nulla a che fare con la cucina, ma con l'andare al negozio di alimentari più vicino. È giunto il momento di costruire una tecnologia in grado di fare lo stesso.
Non c'è dubbio che i LAM diventeranno incredibilmente bravi nel tipo di padronanza linguistica e comunicazione che molti degli esempi riportati sopra richiederebbero. Ma non bisogna dare per scontato che ci si possa fidare del fatto che si comportino in modo prevedibile ed efficace con la coerenza necessaria per un uso regolare nel mondo reale.
Ovviamente, se la fiducia è già una sfida quando si tratta di generare testo e immagini, e senza dubbio lo è, questo vale ancora di più quando si tratta di agire. E l'onere di garantire la sicurezza e l'affidabilità non fa altro che aumentare quando più LAM lavorano insieme di concerto. Per questo motivo, credo sia essenziale che, anche nella loro forma più indipendente, i LAM siano progettati per coinvolgere gli esseri umani prima che vengano intraprese azioni critiche. Non importa quanto avanzata diventi questa tecnologia, la immagino come uno strumento, seppur insolitamente intelligente, che gli esseri umani saranno sempre liberi di controllare come meglio credono.
Trasforma il modo di lavorare di ogni ruolo, workflow e settore con agenti AI autonomi.
Dopo un decennio di sviluppi dell'AI, a dir poco storici, il fatto che molti di noi nel mondo della ricerca percepiscano che le più grandi trasformazioni siano a malapena in vista è una testimonianza del potenziale dei LAM. Con la giusta guida e l'impegno verso l'empowerment umano, credo che i LAM possano inaugurare una nuova era di produttività, semplicità e chiarezza, rendendoci migliori nei compiti che troviamo più coinvolgenti e sgravandoci da quelli che non ci piacciono. E con i suoi decenni di storia nel mondo delle imprese, non potrei immaginare un posto migliore di Salesforce per perseguire questa visione.
Un ringraziamento speciale ad Alex Michael, Peter Schwartz e al team Salesforce Futures per il loro contributo alla stesura di questo articolo.
Scopri tutti i dettagli sula creazione degli agenti nella nostra libreria.
Avvia Agentforcecon velocità, sicurezza e ROI misurabili.
Parlaci delle esigenze della tua azienda e ti aiuteremo a trovare le risposte.
