IA di qualità per dati affidabili e di livello

di Sergio Ferraris e Alessandro Baltaro

10.12910/DOC-2025-024

Passata, forse, la prima fase di scoperta da parte del grande pubblico dell’Intelligenza Artificiale (AI), spesso fatta di paure oppure di infatuazioni estreme, oggi la riflessione e lo sviluppo delle tecnologie legate all’intelligenza artificiale generativa si sta spostando sulla sostanza di queste tecnologie, ossia la qualità e la completezza dei sistemi IA. E una grande discussione è sulla base dei dati usati per l’addestramento delle IA.

Passata, forse, la prima fase di scoperta da parte del grande pubblico dell’Intelligenza Artificiale (AI), spesso fatta di paure oppure di infatuazioni estreme, oggi la riflessione e lo sviluppo delle tecnologie legate all’intelligenza artificiale generativa si sta spostando sulla sostanza di queste tecnologie, ossia la qualità e la completezza dei sistemi IA. E una grande discussione è sulla base dei dati usati per l’addestramento delle IA.

Non è una questione di poco conto ben nota a chi utilizza e addestra AI per i segmenti professionali. Chi possiede basi di dati, o di contenuti, qualificati da tempo rivendica diritti sulle elaborazioni delle IA. È emblematico, sotto a questo profilo il caso che ha contrapposto OpenAI e il New York Times riguardo una controversia legale sul diritto d'autore, specificamente sull'uso non autorizzato di contenuti protetti da copyright per addestrare i modelli di intelligenza artificiale di OpenAI, come ChatGPT.

Il New York Times ha intentato una causa federale contro OpenAI e Microsoft il 27 dicembre 2023, accusandoli di violazione del diritto d'autore per l'uso non autorizzato di milioni di articoli del NYT, sostenendo che l'uso di questi contenuti senza consenso o pagamento costituisce una violazione del copyright su larga scala e minaccia la capacità del giornale di sostenere il proprio modello di business, inclusi investimenti nel giornalismo di qualità.

OpenAI e Microsoft sostengono che l'uso dei dati rientra nella dottrina del cosiddetto "fair use", che consente l'uso di materiale protetto da copyright per scopi educativi, di ricerca o commento, a condizione che l’elaborazione sia trasformativa e non competa con l'originale.

L’accesso all’archivio del NYT, e comunque di qualsiasi giornale con decenni d’esperienza, rappresentano per le IA un efficace “antidoto” alle cosiddette allucinazioni che le IA hanno avuto spesso durante la loro prima fase d’addestramento. Le IA sono a caccia sistematica di contenuti, o dati, di qualità con le quali addestrare i propri sistemi. Rimanendo sempre nel campo dell’editoria, altri editori, come Associated Press e Vox Media, hanno scelto una strada diversa, raggiungendo accordi con OpenAI per condividere i propri contenuti.

Dati di qualità

Un’evoluzione di questo dibattito è quello delle intelligenze artificiali generative verticali, basate su archivi selezionati e qualitativi che rappresentano un'evoluzione specifica dell'IA generativa, che si concentra su compiti specialistici e settoriali.

Si tratta di sistemi che utilizzano dataset selezionati e qualitativi per addestrare modelli che possono generare contenuti altamente specializzati e pertinenti a un segmento del lavoro della conoscenza specifico, soddisfacendo bisogni precisi e puntuali, come l'ottimizzazione dei processi di produzione, anche sulle filiere della produzione di contenuti oppure sulla consulenza o della catena di approvvigionamento, materiale o immateriale. Per esempio, in ambito legale, l'IA generativa può essere adattata per effettuare il fine-tuning per gestire documentazione specifica, procedure aziendali o di sistema.

I vantaggi circa l’utilizzo di archivi selezionati si possono riassumere in tre punti:

• la precisione, visto che i modelli addestrati su archivi selezionati e qualitativi generano contenuti più precisi e pertinenti a un settore specifico;
• l’efficienza, poiché l’uso di dataset mirati riduce il tempo e le risorse necessarie per l'addestramento, migliorando l'efficienza complessiva del sistema;
• l’adattabilità perché diventa possibile un facile adattamento a nuove esigenze specifiche del settore attraverso un fine-tuning.

Approcci verticali

In sintesi, le intelligenze artificiali generative verticali, basate su archivi selezionati e qualitativi, offrono un approccio personalizzato e efficiente per generare contenuti altamente specializzati, migliorando la precisione e l'efficienza in vari settori.

Se pensiamo ai vantaggi portati da queste tecnologie all’interno del settore, sicuramente il mondo normativo spunta subito tra i maggiori candidati per applicazioni future di modelli AI verticali, che possano essere una guida affidabile in uno scenario come quello della normativa italiana, le cui luci e ombre possono essere paragonate, senza dubbi, a quelle di un inferno dantesco.

Considerando la delicatezza degli argomenti trattati, risulta difficile ai più affidarsi a sistemi artificiali per consigli di carattere giuridico e normativo, un campo minato in cui ad ogni passo si rischiano sanzioni o cause legali; c’è però una realtà, storica nel settore, che ha trovato in questo campo una nuova frontiera da esplorare, e che nei test condotti con alcuni gruppi ristretti di esperti in occasione di Key Energy a Rimini, ha già mostrato risultati più che sorprendenti.

Esperienza diretta

Si tratta di Nextville, dell’Osservatorio Normativa Ambientale e della Rivista Rifiuti, facenti tutte parte del gruppo ReteAmbiente, società che è stata tra le prime a creare database ordinati nei minimi dettagli dedicati alla normativa energetica nel primo caso, e a quella ambientale negli altri, con testi coordinati curati e aggiornati quotidianamente dalle diverse redazioni, che possono contare su figure autorevoli e di spessore.

Partendo da questa base, grazie alla collaborazione con un team di sviluppo dedicato, l’implementazione di modelli IA diventa, nella sua complessità, molto più semplice; tramite una ricerca vettoriale fatta su misura, questi modelli navigano all’interno dei database proprietari che coprono la normativa comunitaria, nazionale e regionale, con sezioni dedicate a bandi, sanzioni, giurisprudenza e così via, fornendo non solo tutti i riferimenti di legge necessari, ma garantendo anche un’armonizzazione tra tutti i testi, nelle relazioni reciproche e nei “combinati disposti”, affidabile, precisa e dettagliata, che in questa fase sperimentale è riuscita a impressionare i più esperti e i più scettici.

Lavoro integrati

Quello che a prima vista potrebbe sembrare un altro sistema IA comparabile ai più famosi citati già in precedenza, risulta invece soltanto un lontano parente: le prime sono dei tuttologi, come quei soggetti che su Facebook pensano di essere campioni in ogni materia, che sanno un po’ di tutto ma nulla in particolare, e che basano le loro risposte su contenuti presenti nei propri database ma spesso di dubbia provenienza. In questo caso invece, ci troviamo di fronte a due esperti di normativa che elaborano risposte, consigli e analisi altamente affidabili basate sui materiali prodotti ogni giorno, è bene ricordarlo, dalle redazioni umane, come commenti, guide, focus e dossier dedicati.

Una sorta di nuovo modello ibrido nel quale il lavoro umano si fonde con quello dell’AI, coniugando la produttività dell’AI con il controllo e le competenze degli esperti. Una logica oltretutto contrapposta alla vulgata che vuole il lavoro delle persone in competizione con quello delle IA. Una strada che con ogni probabilità è quella da seguire per aumentare l’accettabilità sociale delle IA.