Digitando “teh” in un messaggio di testo… si corregge automaticamente in “the”. (Correzione automatica).
Digitando “best pizza near me” in un motore di ricerca… si ottiene un elenco delle pizzerie più quotate della città in cui ci si trova. (Motori di ricerca moderni).
Dicendo “Ehi Siri, imposta un timer per 10 minuti”… si apre l’app orologio di iOS e si imposta un timer per 10 minuti. (Assistenti vocali).
Gli esempi precedenti illustrano come la tecnologia, in particolare il Natural language processing (NLP), lavori dietro le quinte per semplificare la vita dei consumatori.
L’NLP si colloca in un’affascinante intersezione tra computer ed esseri umani, consentendo la comprensione e l’interpretazione del linguaggio e della comunicazione di tutti i giorni.
Prima che esistesse l’intelligenza artificiale come la conosciamo oggi, l’NLP stava silenziosamente rivoluzionando il modo in cui gli esseri umani interagiscono con la tecnologia.
L’NLP di oggi utilizza la linguistica computazionale, l’apprendimento automatico e l’intelligenza artificiale per colmare il divario tra le complessità (e le sottigliezze) del linguaggio umano e il mondo degli 0 e degli 1 dei computer.
L’NLP consente ai computer di comprendere, interpretare e generare il linguaggio umano in modo naturale e significativo.
Creato con ChatGPT-4o, che utilizza i principi della PNL (ovviamente)
Pensate al riconoscimento vocale e ad altre tecnologie “speech-to-text” come alle “orecchie” che ascoltano le vostre parole, e alla PNL come all'”elaborazione cerebrale” che comprende le vostre intenzioni.
L’NLP colma il divario tra il modo in cui gli esseri umani comunicano naturalmente e il modo in cui i computer elaborano le informazioni.
La parte “linguaggio naturale” significa che questi sistemi di intelligenza artificiale possono lavorare con il parlato e il testo umano di tutti i giorni, con tanto di gergo, errori di battitura, contesto e tutta la complessità del modo in cui le persone comunicano.
Ma ecco la sfida per i team IT: La classificazione manuale dei ticket richiede molto tempo, è soggetta a errori e spesso si traduce in ticket errati. Senza l’NLP, gli agenti di supporto ricorrono spesso a tag generici, come “altro”, solo per tenere traccia, con conseguenti ritardi nelle risoluzioni e utenti frustrati.
L’NLP è presente in tutto il mondo ITSM, in particolare nell’automazione e nel miglioramento dei processi.
Un esempio tipico è la classificazione e l’instradamento automatizzati dei ticket. Quando gli utenti inviano i ticket di assistenza, gli algoritmi NLP analizzano automaticamente il testo per:
Classificare gli incidenti: “Il mio wifi è rotto” viene classificato automaticamente in “Rete/Connettività”.
Determinare i livelli di priorità: A seconda delle parole chiave inserite dall’utente (ad esempio, “urgente” o “il mio sistema è fuori uso”), alla richiesta viene assegnato un livello di priorità adeguato.
Invio ai team appropriati: I contenuti inviati dagli utenti vengono analizzati e i ticket vengono assegnati automaticamente al team di assistenza migliore.
L’NLP può anche estrarre informazioni chiave per identificare dettagli specifici come versioni del software, codici di errore o sistemi interessati.
Un utente invia: “Ehi, la mia e-mail fa di nuovo i capricci. Non riesco a inviare nulla di importante ai clienti. È urgente!”. Il sistema identifica parole chiave come “email” (tecnologia), “non riesco a inviare” (azione/problema), ‘clienti’ (impatto aziendale) e “urgente” (livello di priorità) e rileva il tono (frustrazione).
L’NLP riduce i tempi di triage manuale, migliora la gestione dei ticket e indirizza i problemi al responsabile della risoluzione in modo più efficiente.
Tuttavia, per essere efficace nel mondo ITSM, l’NLP deve conoscere bene la terminologia specifica del dominio, il contesto organizzativo e i modi sottili in cui le persone descrivono i problemi tecnici. Idealmente, deve anche essere in grado di gestire senza problemi più lingue e stili di comunicazione.
Per essere chiari, l’NLP non si limita ad analizzare le parole, ma interpreta e comprende le intenzioni e poi risponde a quelle parole nel modo migliore per essere comprese da un essere umano. L’NLP è come la Stele di Rosetta (la chiave storica che sblocca la traduzione tra lingue o sistemi diversi) tra gli esseri umani e le macchine.
Questi esempi reali di ITSM si basano sull’NLP:
L’NLP lavora dietro le quinte per rendere la tecnologia più umana.
L’NLP avanzato nell’ITSM si concentra principalmente sul miglioramento della comprensione semantica, sulla generazione di un linguaggio più sofisticato e sul miglioramento dell’estrazione di oggetti e relazioni dal testo.
Mentre l’NLP di base si concentra sulla comprensione del linguaggio, l’NLP avanzato alimentato dall’intelligenza artificiale può anche apprendere modelli e prendere decisioni.
Ad esempio, invece di programmare manualmente regole come “se il testo contiene ‘’slow’’ OPPURE ‘’timeout’’ allora categoria = performance”, l’intelligenza artificiale apprende dagli esempi – e nel tempo – che questi concetti sono correlati. Ancora meglio? Alla fine l’intelligenza artificiale riconoscerà nuove varianti, come “lento”, “non reattivo” o “ci mette una vita”, senza bisogno di una programmazione esplicita.
L’intelligenza artificiale scopre automaticamente i modelli linguistici e le relazioni, invece di richiedere agli esperti umani di prevedere e codificare ogni possibile modo in cui gli utenti potrebbero esprimersi.
Vediamo come le principali piattaforme ITSM stanno implementando queste funzionalità NLP.
Xurrent ha sfruttato l’NLP nella sua piattaforma fin dai primi giorni… e continua a investire in maniera consistente in competenze NLP per offrire queste funzionalità ai suoi clienti.
Il caso d’uso più evidente è quello dell’Agente Virtuale AI di Xurrent, il vostro specialista digitale che si assicura che tutto venga fatto e che nulla vada perso.
Estrae le informazioni chiave dal vostro knowledge base e le fornisce in sintesi concise (note anche come Knowledge Article Summaries), aiutando i team a trovare rapidamente le risposte e ad andare avanti.
Per saperne di più sulle capacità dell’intelligenza artificiale di Xurrent, leggete la nostra Guida completa alle caratteristiche e alle funzionalità dell’intelligenza artificiale di Xurrent.
L’NLP fa un lavoro fantastico nell’indovinare ciò che intendiamo quando scriviamo i messaggi, soprattutto quelli con parole sbagliate, grammatica scadente e persino gergo.
L’NLP è il ponte tra uomo e macchina.
Le macchine devono capire come comunicano gli esseri umani per interagire correttamente con noi. Questa comprensione è essenziale per sviluppare GenAI, la tecnologia che molti considerano un passo importante verso l’intelligenza artificiale generale (AGI).
Siete pronti a vedere l’NLP in azione? La piattaforma di Xurrent dimostra come l’NLP e l’AI possano trasformare le vostre attività di service management.
Fonte: Xurrent
L'intelligenza artificiale è ormai parte integrante delle attività quotidiane delle aziende. I dipendenti utilizzano strumenti di AI generativa per creare…
La guerra informatica non si limita più alla geopolitica. Quella che un tempo era principalmente una preoccupazione per le agenzie…
Scritta su un treno delle 7 del mattino, dopo tre caffè decisamente pessimi Questo articolo è nato come un messaggio…
Nelle ultime settimane Xurrent ha portato il nuovo roadshow europeo SPARK in tre città – Londra, Anversa e Monaco –…
Ogni nuovo dispositivo mobile ha una prima ora critica: la finestra temporale tra l’enrollment e il primo utilizzo da parte…
Il rapporto Gartner Market Share Analysis: Security Software, Worldwide, 2025 indica Keeper Security come la seconda azienda di sicurezza in…