AS 4

Automazione e Strumentazione n Maggio 2024 Tecnica 93 CONTROLLO naturale, la struttura e il contenuto che dovrebbe avere ogni capitolo (“es. nel capitolo 2 estrai dal documento x la descrizione della valvola di rego- lazione z”). Grazie alla GenAI il documento di specifica target, verrà generato aggregando tutti i capitoli descritti in una o più lingue richieste. Grazie alla Generative AI si ottiene una note- vole riduzione dei tempi per ricercare, generare e tradurre il contenuto presente nella nostra base informativa e produrre i capitoli di un nuovo documento tecnico nella lingua desiderata. Per- tanto, l’utente può concentrarsi solo su alcuni pic- coli aggiustamenti nel testo finale (cfr. figura 3). Il vantaggio più rilevante dell’uso degli stru- menti e dei modelli GenAI per questo caso d’uso è la riduzione del tempo necessario per produrre un nuovo documento. In generale, una persona ha bisogno di leggere tutti i documenti e trovare il modo di unirne il contenuto, e que- sto compito può richiedere alcuni giorni. Con questo strumento abbiamo stimato di realizzare una prima bozza in un range temporale di 20-60 minuti, a seconda della complessità della base documentale informativa dalla quale è neces- sario prendere i contenuti per generare il nuovo documento. Inoltre, è possibile notare una ridu- zione degli errori sintattici in caso di documenti multilingua. Lo scrittore può concentrarsi sulla revisione del documento, che rimane un com- pito cruciale. È importante notare che l’utilizzo di modelli GenAI non è funzionale a sostituire il lavoro dell’uomo, ma è solo uno strumento aggiuntivo implementato per fornire supporto e ridurre i compiti ripetitivi. Un’altra conside- razione importante è la possibilità di applicare questo strumento su documenti che trattano qualsiasi tipo di argomento. Il primo test è stato eseguito su documenti di ambito costruzione e manutenzione, ma può essere esteso ad altre materie, per esempio HR, procedure organizza- tive, direttive ecc. 3. Conclusioni L’articolo illustra l’impatto della GenAI in diverse aree, come creazione di contenuti, auto- mazione, personalizzazione e linguaggio. I casi d’uso evidenziano il potenziale trasformativo della GenAI: • Il caso di e-lectra mostra i benefici delle interazioni vocali, offrendo una soluzione hands-free per gli operatori sul campo con un feedback positivo degli utenti • ClaimX dimostra le sinergie tra GenAI e machine learning per migliorare la classifica- zione e ridurre i tempi di elaborazione • Dolme, nell’ambito della produzione di docu- menti, riduce significativamente i tempi di unione, gestione e generazione dei contenuti L’articolo conclude, quindi, sottolineando il potenziale trasformativo della GenAI in diversi settori industriali e l’importanza di esplorare e integrare queste tecnologie. 4. Bibliografia [1] Epstein, Ziv, et al., “Art and the science of generative AI”. Science 380.6650 (2023): 1110-1111. (articolo) [2] Chang, Yupeng, et al., “A survey on evalua- tion of large language models”, ACM Tran- sactions on Intelligent Systems and Techno- logy (2023). (articolo) [3] Haluik Allison, “Risk perception and deci- sion making in hazard analysis: improving safety for the next generation of electrical workers”, 2016 IEEE IAS Electrical Safety Workshop (ESW). IEEE, (2016). (articolo) [4] Maggiori Maria Federica, Strumenti avan- zati per la gestione della sicurezza in campo industriale , (2018), (tesi). [5] Chen, Tianqi, and Carlos Guestrin, “Xgbo- ost: A scalable tree boosting system”; Pro- ceedings of the 22nd acm sigkdd internatio- nal conference on knowledge discovery and data mining (2016). (articolo) [6] OpenAI , https://platform.openai.com/docs/ models/overview. (sito web) n Figura 4 - Generazione di un capitolo