Introduzione all'AI sul web

Quando sviluppi con l'AI, puoi perderti nella scelta del modello, dell'infrastruttura e del codice. Potresti dimenticare il quadro generale.

In questo modulo, introduciamo un modello che puoi utilizzare per mappare qualsiasi nuovo prodotto o funzionalità di AI:

• Perché stai costruendo? Quale valore apporta il tuo caso d'uso dell'AI agli utenti?
• Come funzionerà la tua applicazione?
• Come puoi assicurarti che ogni parte del tuo sistema sia sviluppata in modo responsabile?

Per capire come funziona questo progetto, immagina di lavorare su un sito di e-commerce, Example Shoppe. La tua concorrenza è impegnata ad aggiungere chatbot generici, ma non ha ottenuto risultati significativi. Vuoi offrire un'esperienza migliore ai tuoi utenti e decidi di migliorare l'esperienza di ricerca, senza interrompere i flussi utente principali.

Con un upgrade basato sull'AI, gli acquirenti potrebbero digitare frasi in linguaggio naturale, ad esempio "scarpe da corsa rosse per l'inverno", e ottenere risultati pertinenti che avrebbero potuto perdere con una ricerca basata su parole chiave.

Opportunità

Ogni progetto di AI deve iniziare con un caso d'uso chiaro: un'attività o un problema dell'utente che vale la pena risolvere con l'AI. L'AI introduce incertezza e altri rischi nella tua applicazione, quindi dovresti utilizzarla solo se il problema non può essere risolto in modo convenzionale e deterministico.

Caso d'uso

Per Example Shoppe, la ricerca è una funzione principale che mette in contatto gli utenti e i prodotti che stanno cercando. Gli utenti spesso abbandonano le ricerche quando non riescono a trovare risultati a causa di errori ortografici, sinonimi o query vaghe. Lo sai grazie alla tua analisi, ma anche grazie a ricerche esterne. Con una ricerca più flessibile e intelligente, i percorsi degli utenti possono essere resi più efficienti e piacevoli.

Altri esempi di casi d'uso dell'AI includono:

• In un sito di notizie, puoi ridurre il carico cognitivo riassumendo le notizie in modo strutturato.
• Su una piattaforma di pubblicazione, puoi migliorare l'accessibilità suggerendo automaticamente testi alternativi e sottotitoli codificati.
• In qualità di fornitore di servizi cloud, puoi ridurre le richieste di assistenza tramite una ricerca più intelligente della documentazione.

Per ottenere risultati ottimali con l'AI, è fondamentale scoprire opportunità di alto valore. Come riportato in un report della RAND Corporation, la scelta dell'opportunità sbagliata è uno dei motivi principali per cui i progetti di AI non vanno a buon fine.

Valore

Il valore ha due lati: vantaggi per gli utenti e vantaggi per il prodotto o l'attività. Nella maggior parte dei prodotti sani e responsabili, questi aspetti sono allineati: quando gli utenti hanno successo, anche l'attività cresce. Per Example Shoppe, la ricerca basata sull'AI crea valore aiutando gli utenti a trovare più rapidamente i prodotti giusti, con meno attrito. In questo modo aumentano la scoperta dei prodotti, i tassi di conversione e la soddisfazione dei clienti a lungo termine.

A volte, il valore può essere immateriale, ad esempio la soddisfazione e la fiducia degli utenti. Soprattutto all'inizio, è meglio trovare un modo per quantificare la proposta di valore. In questo modo avrai una base solida per stabilire le priorità, comunicare l'impatto e convincere gli stakeholder. Anche le stime approssimative possono guidare le decisioni e rendere il successo misurabile.

Soluzione

Dopo aver chiarito perché stai aggiungendo l'AI al tuo prodotto, pensa a come la implementerai. Dai un'occhiata ai principali componenti di base di una soluzione di AI.

Dati

I dati sono il carburante dell'AI. In definitiva, il tuo sistema di AI è vincolato dalla sua capacità di apprendere dai tuoi dati. Dati di scarsa qualità, incompleti o non allineati portano a risultati scadenti e utenti frustrati, indipendentemente dalla sofisticatezza del modello o dell'infrastruttura. Al contrario, dati di alta qualità e un volano dei dati ben progettato sono fattori di valore che possono anche diventare parte della differenziazione del tuo prodotto.

I dati sono disponibili in diverse forme e modalità. Per il nostro esempio di ricerca basata sull'AI, i dati utili potrebbero includere:

• Dati strutturati: titoli, colori, taglie, categorie e disponibilità dei prodotti.
• Dati non strutturati: descrizioni dei prodotti, recensioni degli utenti e domande frequenti.
• Elenchi di sinonimi: relazioni tra termini, ad esempio "sneaker" equivale a "scarpe da corsa".
• Indicatori utente: clic, tempi di permanenza, azioni di aggiunta al carrello e acquisti sono tutti indicatori che aiutano i modelli a capire cosa gli utenti trovano effettivamente pertinente.
• Dati visivi: immagini dei prodotti che possono essere incorporate in un indice di similarità visiva, consentendo agli utenti di eseguire ricerche per foto o scoprire articoli visivamente simili, anche senza testo corrispondente.

Potrebbe sembrare una quantità eccessiva di dati, ma non preoccuparti. Inizia con poche origini dati che offrono il miglior rapporto segnale/rumore, poi espandi la copertura man mano che il sistema matura.

Nella maggior parte dei casi, i dati non sono pronti per essere inseriti in un modello. Deve essere pulito, preelaborato e organizzato in un formato compatibile con l'AI. Ad esempio, i segnali utente possono essere trasformati in sequenze di azioni, mentre le descrizioni dei prodotti non strutturate possono essere codificate come incorporamenti semantici.

I dati possono essere utilizzati in diverse fasi del ciclo di vita dell'AI:

• Nell'addestramento o nel fine tuning, viene utilizzato per insegnare al modello pattern e relazioni.
• Nella valutazione, puoi utilizzarlo per testare qualità, accuratezza e pertinenza.
• In produzione, puoi utilizzarlo per monitorare la deriva e raccogliere feedback dall'utilizzo reale.

In breve, i dati non sono solo un input, ma una risorsa viva. La gestione dei dati è una delle competenze più preziose che uno sviluppatore web può acquisire quando lavora con l'AI.

Intelligence

Il livello di intelligence è il punto in cui l'AI estrae e crea valore. Spesso, al suo interno c'è un modello, ma la maggior parte dei sistemi è più complessa. Per Example Shoppe, il livello di intelligence interpreta le query degli utenti utilizzando una raccolta di metodi:

• Riconoscimento delle entità denominate ed estrazione delle informazioni per estrarre attributi come color=red o season=winter.
• Un modello di incorporamento di frasi per creare rappresentazioni semantiche delle query degli utenti e dei prodotti disponibili.
• Ricerca semantica per recuperare risultati pertinenti.
• Un modello di riordino piccolo e personalizzato per classificare con precisione i risultati in base alla pertinenza.

L'intelligenza è probabilmente la parte più entusiasmante del tuo sistema di AI, ma è anche il componente più pubblicizzato. Ogni settimana vengono lanciati nuovi modelli, spesso accompagnati da affermazioni di marketing superlative.

Ecco due fattori chiave da considerare:

• L'AI non si limita all'AI generativa e ai modelli linguistici di grandi dimensioni (LLM). Molte attività sono gestite meglio da modelli più piccoli e specializzati che sono più veloci ed economici da implementare e gestire.
• I sistemi di AI reali raramente si basano su un unico modello monolitico. Utilizzano invece architetture di AI composte, combinazioni di uno o più modelli con componenti aggiuntivi, come database, API e guardrail. Questi elementi lavorano insieme per offrire un comportamento solido e sensibile al contesto.

Invece di inseguire l'ultimo successo nelle classifiche, seleziona l'intelligenza più adatta al tuo problema, che ti consente di adattarti man mano che il tuo prodotto e la tua attività si evolvono. Nei moduli futuri, acquisirai le basi delle tecniche di AI più comuni del momento: l'AI predittiva e l'AI generativa. Imparerai anche a valutare e selezionare l'approccio tecnico giusto per il tuo sistema.

Esperienza utente

L'interfaccia utente è il canale che offre valore dell'AI ai tuoi utenti. Le interfacce software deterministiche sono certe e prevedibili: lo stesso input produce sempre lo stesso output. Con l'AI, introduci incertezza. Due query quasi identiche potrebbero produrre risultati completamente diversi e anche i modelli di AI più potenti sono noti per le allucinazioni e per altri tipi di errori.

Devi fare molta attenzione a questo cambiamento, soprattutto se aggiungi l'AI a un prodotto esistente. I chatbot open-ended sono divertenti, ma complessi e rischiosi nella pratica.

All'inizio, cerca di ridurre al minimo l'incertezza e il rischio a cui sono esposti gli utenti. Ad esempio, nel caso di Example Shoppe, la ricerca basata sull'AI può essere integrata silenziosamente nell'interfaccia esistente. Gli utenti continuano a digitare query in linguaggio naturale e ricevono risultati di ricerca di qualità migliore.

Anche se la funzionalità di AI funziona in background, è buona norma rafforzare la trasparenza. Ad esempio, potresti aggiungere un avviso e una breve spiegazione di come il sistema seleziona questi risultati.

In Modelli UX, scopri come bilanciare l'esposizione all'AI, le funzionalità e i rischi nell'esperienza utente del tuo prodotto.

Governance

I sistemi di AI devono essere creati in modo responsabile. Devi creare un sistema che protegga la privacy degli utenti, riduca i pregiudizi, garantisca la trasparenza e soddisfi tutti gli standard legali pertinenti. Una buona governance non serve solo per la conformità, ma è un principio di progettazione fondamentale per garantire la fiducia e l'adozione degli utenti.

Nella ricerca basata sull'AI di Example Shoppe, la governance inizia con le misure di salvaguardia integrate nel prodotto:

• Privacy: i dati di personalizzazione rimangono locali, a meno che gli utenti non attivino esplicitamente l'opzione. Può essere attivata o disattivata in qualsiasi momento.
• Equità: i risultati di ricerca vengono controllati per garantire un'esposizione equilibrata tra i venditori.
• Fiducia e trasparenza: Example Shoppe offre l'opportunità di scoprire perché un risultato è stato visualizzato nella parte superiore di ogni query di ricerca. In questo modo, hai l'opportunità di conquistare la fiducia degli utenti.
• Sicurezza: le query limitate o non sicure (ad esempio, gli articoli vietati) vengono filtrate o bloccate tramite misure di salvaguardia.
• Ricorso: gli utenti possono ignorare rapidamente i suggerimenti dell'AI, segnalare risultati o interazioni dell'AI di scarsa qualità e tornare a una ricerca solo per parole chiave, se i miglioramenti dell'AI non sono utili.

Per sviluppare l'AI in modo responsabile, devi assumerti la responsabilità della procedura di implementazione. Progetta barriere protettive e cicli di feedback ponderati. Definisci la sicurezza e l'affidabilità dell'esperienza, stabilendo le aspettative per il suo utilizzo e i suoi limiti. Anche se non puoi controllare completamente l'output, devi essere pronto a rispondere a qualsiasi dubbio.

Scopri di più sugli aspetti fondamentali della governance dell'AI in Crea in modo responsabile con l'AI, che ti fornisce strumenti pratici per creare applicazioni AI sostenibili e affidabili.

I tuoi concetti principali

Il progetto del sistema di AI può aiutarti a ottenere chiarezza e allineamento per qualsiasi progetto di AI a cui partecipi. Abbiamo esaminato ogni elemento del progetto a un livello generale e, continuando a leggere, scoprirai di più su ogni passaggio.

Vedrai di nuovo questo modello per esempi diversi, con alcuni livelli spiegati in modo più approfondito.

Verifica la tua comprensione