Savarese (Salesforce): intelligenza ambientale, agenti AI e apprendimento dall'esperienza i prossimi obiettivi

Nel cuore pulsante dell'innovazione tecnologica, dal centro di ricerca e sviluppo di San Francisco, emergono le visionarie anticipazioni di Silvio Savarese, Chief Scientist di Salesforce. Savarese non è solo un esperto riconosciuto a livello globale nel campo dei sistemi hi-tech di nuova generazione, ma riveste anche il ruolo unico di unico membro italiano dell'Advisory board sull'AI per le Nazioni Unite, dove rappresenta il nostro Paese nelle attività cruciali di sviluppo dell'intelligenza artificiale.

Attualmente vicepresidente esecutivo e responsabile scientifico della ricerca sull'intelligenza artificiale di Salesforce, nonché docente di computer science presso l'Università di Stanford, Savarese è una figura di spicco nel panorama dell'AI mondiale. L'incontro con lui è avvenuto nella sede di Salesforce a San Francisco, all'interno della sua iconica Tower di 60 piani, dove ha sede il centro di ricerca del colosso hi-tech, che vanta una struttura distaccata anche nella dinamica Singapore.

I prossimi orizzonti dell'intelligenza artificiale

“I prossimi trend e obiettivi sono diversi,” ha spiegato Savarese, delineando le direzioni future dell'AI. “Tra questi, ci sono innanzitutto lo sviluppo dell’intelligenza ambientale, le connessioni tra agenti AI di vario tipo, e l’addestramento dei sistemi smart dall’esperienza.” Queste tre aree rappresentano i pilastri su cui si fonderà la prossima evoluzione dell'intelligenza artificiale, promettendo di trasformare radicalmente il nostro modo di interagire con la tecnologia e il mondo che ci circonda.

L'era degli assistenti digitali personali

Lo sviluppo inarrestabile della tecnologia ci sta proiettando verso un futuro prossimo in cui ogni individuo avrà a disposizione un proprio agente o assistente digitale personale. Questi agenti saranno non solo intelligenti, ma anche capaci di compiere azioni concrete e altamente personalizzate, agendo come estensioni della nostra volontà e della nostra capacità operativa.

Le applicazioni di questi assistenti digitali nella vita quotidiana saranno molteplici e rivoluzionarie. Potranno, ad esempio, gestire con autonomia prenotazioni e appuntamenti, organizzare spostamenti e viaggi complessi, ed effettuare acquisti e ordini commerciali, semplificando in modo significativo la gestione delle nostre routine e dei nostri impegni.

Anche nel contesto lavorativo, l'impatto sarà profondo. Gli agenti digitali saranno in grado di aggiornare agende e riunioni, contattare vari interlocutori in modo proattivo, preparare analisi e relazioni dettagliate, e persino trovare nuove opportunità di business. Il loro supporto consentirà ai professionisti di concentrarsi su attività a più alto valore aggiunto, delegando compiti ripetitivi o di routine all'intelligenza artificiale.

Un ecosistema connesso di agenti AI

Tutto ciò – moltiplicato per una moltitudine di persone e professionisti in ogni angolo del mondo – “darà vita a un vero e proprio, enorme, ecosistema di agenti AI, che dovranno comunicare tra loro in modo sicuro ed efficace,” ha rimarcato il chief scientist di Salesforce Research. La capacità di questi agenti di dialogare e collaborare sarà fondamentale per la coesione e l'efficacia di questo nuovo panorama tecnologico. Savarese ha osservato che “attualmente, queste connessioni indispensabili tra agenti e algoritmi sono in fase di sviluppo e consolidamento, per fare in modo che soluzioni e sistemi AI diversi tra loro possano comunicare e dialogare in maniera uniforme, omogenea, totalmente funzionale.”

Le quattro componenti fondamentali degli agenti AI

Sia gli agenti digitali sia quelli fisici – come i robotaxi a guida autonoma, che sono già operativi in città all'avanguardia come San Francisco – condividono un'architettura tecnologica comune, basata su quattro componenti fondamentali che ne definiscono l'intelligenza e la capacità d'azione:

• Cervello (reasoning engine): rappresenta il motore di ragionamento logico che elabora analisi, prende decisioni e innesca azioni. Condensa la potenza di calcolo, elaborazione e operativa del sistema 'intelligente', fungendo da fulcro per tutte le sue funzioni cognitive.
• Memoria: è la capacità del sistema di ricordare informazioni, indicazioni e conversazioni passate, e di accedere a documentazione specifica necessaria per svolgere un incarico. Una memoria efficace è cruciale per l'apprendimento continuo e la pertinenza delle risposte.
• Attuatori: sono gli strumenti che consentono all'AI di interagire con il mondo esterno. Questo può avvenire tramite chiamate API e App per il mondo digitale, permettendo all'AI di eseguire azioni online, o tramite bracci meccanici e altre interfacce fisiche per i robot, consentendo loro di manipolare oggetti o muoversi nell'ambiente.
• Interfaccia: costituisce il punto di contatto diretto con l'utente umano. Può essere testuale, permettendo all'utente di digitare comandi o ricevere risposte scritte; vocale, attraverso assistenti vocali; o visiva, tramite display grafici o rappresentazioni visive.

“Stiamo lavorando molto sullo sviluppo di ciascuno di questi quattro fattori,” ha sottolineato Savarese, evidenziando l'impegno di Salesforce nella ricerca. “Attualmente con un focus in particolare sulle parti di ‘cervello’ e di ‘interfaccia’ dei sistemi hi-tech, per potenziarne le capacità e renderne sempre più intuitivo, facile e veloce l’utilizzo, anche da parte di utenti non specializzati.” L'obiettivo è democratizzare l'accesso e l'uso dell'AI.

L'intelligenza ambientale: proattività e consapevolezza del contesto

Un cambiamento di paradigma fondamentale che sta guidando la ricerca è il passaggio da un'AI reattiva – basata su un comando e una risposta, come quella generativa che conosciamo – alla cosiddetta intelligenza ambientale. In questo modello innovativo, l'AI è immersa nel background di riferimento, diventando pienamente consapevole del contesto in cui opera, e interviene automaticamente e proattivamente, anche senza essere esplicitamente invocata dall'utente. È un'AI che anticipa le nostre esigenze e agisce d'iniziativa.

Per esempio, “se un professionista sta dialogando con un altro interlocutore, il sistema di intelligenza ambientale è in ascolto della conversazione in corso,” ha anticipato Savarese. “Quando l’individuo non ricorda bene qualcosa – come dati, informazioni, particolari dell’argomento trattato –, l’AI ambientale può intervenire in suo aiuto, dando solo le informazioni più mirate e pertinenti.” Questo tipo di assistenza contestuale è destinato a rivoluzionare l'efficienza e la produttività in numerosi settori.

Le sfide dell'integrazione dell'intelligenza ambientale

Naturalmente, l'implementazione di tali sistemi non è priva di sfide. “Vanno messi bene a punto diversi aspetti di questi nuovi sistemi e applicazioni. Innanzitutto, la tempistica d’intervento,” ha rilevato Savarese. Si pone la questione cruciale di come l'AI debba intervenire senza risultare invadente: “se il dialogo tra i due interlocutori dura mezzora, durante il quale il professionista incontra diverse dimenticanze, imprecisioni, errori, l’AI ambientale dovrebbe intervenire ogni volta – rischiando di risultare troppo invadente, e spezzando troppo il discorso – o in un unico commento, o solo in alcuni casi? Questo è tutto da vedere, e da definire.”

Ci sono, poi, da studiare e prevedere bene le modalità e le interfaccia di questo intervento dell'intelligenza ambientale: “se il professionista sta facendo una call online, questa AI come dovrebbe palesarsi e intervenire? Comparendo sul monitor del computer? Con un Alert? Un messaggio esplicativo, chiarificatore? Breve o dettagliato?” Tutte queste modalità operative e concrete – tra cui, tempistica e interfaccia utente – sono in fase di studio e miglioramento continuo, attraverso la creazione di prototipi, con l'obiettivo finale di definire le soluzioni più efficaci e intuitive.

Un altro esempio concreto di questa tecnologia all'avanguardia è il nuovo sistema Pisa (acronimo di Proactive Intelligence Salesforce Agentforce). Questo sistema è progettato per assistere i venditori o gli operatori dei call center in tempo reale. Ascolta la conversazione con il cliente, comprende il contesto della discussione e fornisce istantaneamente informazioni precise o suggerimenti tratti dalla vasta documentazione aziendale. Anche in questo caso, “la sfida principale nello sviluppo di Pisa consiste nel trovare il giusto equilibrio temporale e operativo, intervenendo nel momento esatto in cui il supporto è utile, senza risultare invadenti o eccessivi,” ha puntualizzato Savarese.

Addestramento dall'esperienza e frontiere future

Dato che i modelli di linguaggio (LLM) stanno raggiungendo un livello di saturazione nell'apprendimento dai soli dati testuali disponibili su Internet, la nuova frontiera della ricerca sull'AI è l'addestramento dall'esperienza. Questo approccio innovativo prevede che gli agenti imparino attraverso un sistema di feedback positivi e negativi basati sulle loro azioni, in modo sorprendentemente simile al processo di apprendimento degli esseri umani. Questo permette un'intelligenza più dinamica e adattabile.

Per rendere gli agenti performanti e robusti prima ancora che arrivino sul mercato e interagiscano con il mondo reale, vengono utilizzati ambienti di simulazione avanzati. Il progetto eVers (Enterprise Verse) crea un vero e proprio 'omniverse' aziendale, un ambiente virtuale dove gli agenti vengono messi alla prova in situazioni critiche e complesse – come rumori di fondo o accenti difficili da capire in un call center – per migliorarne la robustezza e l'efficacia. Questa tecnologia all'avanguardia è già operativa all'interno degli strumenti di test della piattaforma Agentforce di Salesforce, dimostrando l'impegno dell'azienda nel portare l'innovazione dal laboratorio alla pratica.

La ricerca di Salesforce e del suo Chief Scientist si sta concentrando anche su due ulteriori trend trasformativi che plasmeranno il futuro dell'AI:

• Negoziazione tra agenti: questa frontiera promette di creare un ecosistema in cui gli agenti AI possono interagire e negoziare tra loro in modo autonomo e sofisticato. Ad esempio, l'agente AI di un acquirente potrebbe negoziare il prezzo di un'auto con l'agente di un concessionario, coordinandosi contemporaneamente con l'agente di una banca per ottenere un finanziamento. Questo aprirà nuove possibilità per transazioni automatizzate e complesse.
• Self-learning (auto-addestramento): Savarese ha illustrato lo “sviluppo di un’AI capace di riconoscere i propri limiti e le proprie lacune conoscitive, costruendo autonomamente gli strumenti necessari per colmarle e ridurre così i fenomeni di errore e allucinazione.” Questa capacità di auto-miglioramento è fondamentale per creare sistemi AI più affidabili, intelligenti e autonomi, capaci di evolvere oltre la programmazione iniziale e di apprendere dai propri errori per diventare sempre più precisi e contestualmente pertinenti.

Questi obiettivi, delineati da Savarese, non sono solo traguardi tecnologici, ma rappresentano passi fondamentali verso un futuro in cui l'intelligenza artificiale sarà una presenza pervasiva, proattiva e intelligente, integrata in ogni aspetto della nostra vita quotidiana e professionale.