AS 4

Maggio 2024 n Automazione e Strumentazione Tecnica 92 CONTROLLO 2.2 ClaimClassifierX: Classificatore per i reclami degli utenti Nel contesto industriale, l’efficienza operativa, l’ottimizzazione dell’utilizzo delle risorse e il miglioramento della soddisfazione del cliente possono essere notevolmente potenziati attra- verso un sistema di classificazione dei reclami. Automatizzando la categorizzazione e l’instra- damento delle richieste in base alla loro natura, ClaimClassifierX riduce l’intervento manuale, snellisce i processi e accelera la risoluzione dei problemi. Questa automazione garantisce che ogni richiesta venga indirizzata al dipartimento o al gruppo di risoluzione delle richieste più appropriato, ottimizzando l’utilizzo delle risorse e riducendo i tempi di elaborazione. L’uso della GenAI offre un insieme unico di vantaggi che impattano direttamente il valore aziendale del processo di risoluzione delle richieste e dei reclami dei clienti. A differenza dei sistemi di classificazione tradizionali, la GenAI possiede la capacità di adattarsi ed evolversi, mimando la natura dinamica dei contenuti testuali dei reclami dei clienti senza onerosi addestramenti specifici. Questa adattabilità si traduce in una categorizzazione delle richieste più precisa e sfumata, riducendo il margine di errore e miglio- rando la precisione complessiva del processo di risoluzione. Dal punto di vista tecnico, questo modello introduce un’architettura ibrida all’a- vanguardia per la classificazione delle richieste, unendo il sistema innovativo GenAI e l’algo- ritmo di machine learning base XGBoost [5]. Il sistema GenAI trasforma i dati delle richieste di testo non strutturato in rappresentazioni vetto- riali significative (Embedding), che vengono poi sfruttate dal modello XGBoost per una classifi- cazione precisa. L’approccio integrato è proget- tato per migliorare l’accuratezza nel processo di elaborazione delle richieste. La pipeline del modello è mostrata nella figura 2. L’integrazione della Generative AI con un modello di machine learning migliora le pre- stazioni complessive della classificazione. Il modello combinato GenAI e XGBoost rag- giunge un’accuratezza del 0.91. I risultati otte- nuti risultano promettenti per applicazioni in cui è necessario avere un sistema di classificazione affidabile e ben bilanciato. 2.3 Dolme: Generare un documento con contenuto di altre fonti documentali Nel reparto Manutenzione, Ingegneria e Costruzione vengono spesso prodotti docu- menti tecnici, specifiche e procedure operative. Questi documenti sono in buona parte frutto di una base documentale informativa esistente che viene riassunta, aggregata e formalizzata in un unico file in funzione dell’obiettivo. La genera- zione di documenti tecnici può essere piuttosto dispendiosa in termini di energia, tempo e inte- resse, soprattutto quando i documenti devono essere scritti in lingue diverse. Per risolvere questo problema, è stato lanciato un progetto denominato Dolme (Document Logical Merger), che consiste nell’implementa- zione di una web app che sfrutta la Generative AI. Utilizzando la web app è possibile caricare un numero qualsiasi di documenti dai quali estrarre i contenuti in modo automatico. L’u- tente dovrà solamente descrivere in linguaggio Figura 2 - Pipeline Modello Figura 3 - Caricamento dei documenti