I dati non strutturati sono ovunque, ma rappresentano ancora un’occasione sprecata per molte aziende, che non riescono a trasformarli in valore. Ce lo ricorda Sas, nel presentare una nuova soluzione pensata proprio per risolvere questo problema: Retrieval Agent Manager. Si tratta di una soluzione no-code che utilizza la Retrieval Augmented Generation (RAG), una delle tecniche di affinamento dei modelli di AI) per trasformare documenti non strutturati in “materiale” per l’intelligenza artificiale generativa.
Come sottolineato da Sas, oltre l’80% dei dati aziendali è in formato non strutturato: file di testo, file di log, messaggi di posta elettronica, chat, post di social media, immagini fotografiche, grafici, video, registrazioni vocali, presentazioni e altro ancora. Sbloccare il valore di tutti questi contenuti, rendendoli leggibili per i modelli di intelligenza artificiale generativa, è sia una sfida sia un’opportunità da cogliere.
La novità di Sas si basa sulla Retrieval Augmented Generation, tecnica che permette di affondare un Large Language Model con informazioni tratte da basi di conoscenza non incluse nel training primario, per esempio database aziendali o, in questo caso, dati non strutturati. La soluzione acquisisce e processa documenti non strutturati, per poi valutare e selezionare le configurazioni ottimali per interagire rapidamente con questi documenti tramite API o chatbot.
Retrieval Agent Manager supporta anche l’utilizzo plug-and-play di servizi di GenAI come grandi modelli linguistici e database vettoriali. E non basta: a tutto ciò viene sommata una componente di intelligenza artificiale agentica per automatizzare flussi di lavoro complessi basati su dati aziendali. Questi ultimi, fatto importante,, non vengono usati per addestrare o perfezionare il modello LLM scelto dall’azienda, ma restano in un ambiente separato: in pratica, si creano collegamenti tra il modello di intelligenza artificiale e i dati non strutturati aziendali solo quando serve.
“Sas Retrieval Agent Manager può scalare su volumi di dati molto grandi che vengono aggiornati continuamente”, ha spiegato Jason Mann, vicepresidente IoT di Sas. “RAM rende più facile per un'azienda applicare tecnologie come chatbot e IA conversazionale alla propria base di conoscenze aziendali, integrare servizi di conoscenza basati su GenAI nelle applicazioni esistenti tramite API robuste e supportare lo sviluppo di agenti dotati di intelligenza artificiale”.
La nuova soluzione può servire, in generale, a esplorare i dati per trovare insight utili per i processi decisionali. Tra i casi d’uso più specifici, suggeriti da Sas, ci sono la lotta alle frodi e la gestione dei rischi nel settore bancario, il supporto ai periti delle assicurazioni nella risoluzione dei sinistri, il supporto agli operatori dei contact center nella gestione delle richieste, il supporto al personale sanitario e medico per sintetizzare informazioni ricavate da documenti di vario tipo.
“Il nostro obiettivo è consentire ai clienti di sfruttare la potenza della GenAI senza dover gestire la complessità tecnica che spesso ne accompagna l’adozione”, ha spiegato Daniele Cazzari, senior manager, IoT Product Innovation & Engineering di Sas. “Con RAM, portiamo l’intelligenza artificiale dove serve davvero: nei processi quotidiani che richiedono risposte rapide, informazioni affidabili e una conoscenza aziendale sempre aggiornata”.