Archivi

L’UE avvia un codice di condotta sull’IA per bilanciare innovazione e sicurezza

La Commissione europea ha dato il via al progetto per lo sviluppo del primo Codice di condotta generale sull’IA, strettamente legato alla legge europea sull’IA recentemente approvata. Il Codice ha lo scopo di stabilire alcune chiare regole di base per i modelli di IA come ChatGPT e Google Gemini, soprattutto per quanto riguarda la trasparenza, il copyright e la gestione dei rischi che questi potenti sistemi comportano. In una recente plenaria online, quasi 1.000 esperti del mondo accademico, dell’industria e della società civile si sono riuniti per contribuire alla definizione del Codice. Il processo è guidato da un gruppo di 13 esperti internazionali, tra cui Yoshua Bengio, uno dei “padrini” dell’IA, che si occuperà del gruppo che si concentra sui rischi tecnici. Bengio ha vinto il Premio Turing, che è di fatto il Premio Nobel per l’informatica, quindi le sue opinioni hanno un peso meritato. Le opinioni pessimistiche di Bengio sul rischio catastrofico che le potenti IA comportano per l’umanità lasciano intendere la direzione che prenderà il team da lui diretto. Questi gruppi di lavoro si riuniranno regolarmente per redigere il Codice, la cui versione finale è prevista per aprile 2025. Una volta ultimato, il Codice avrà un forte impatto su tutte le aziende che intendono distribuire i propri prodotti di IA nell’UE. Il sito EU AI Act definisce un quadro normativo rigoroso per i fornitori di IA, ma il Codice di condotta sarà la guida pratica che le aziende dovranno seguire. Il Codice si occuperà di questioni come rendere i sistemi di IA più trasparenti, garantire il rispetto delle leggi sul copyright e stabilire misure per gestire i rischi associati all’IA. I team che redigeranno il Codice dovranno trovare un equilibrio tra lo sviluppo dell’IA in modo responsabile e sicuro, senza soffocare l’innovazione, cosa per cui l’UE è già stata criticata. I più recenti modelli e funzionalità di IA di Meta, Apple e OpenAI non vengono utilizzati appieno nell’UE a causa delle già severe leggi sulla privacy GDPR. Le implicazioni sono enormi. Se fatto bene, il Codice potrebbe stabilire standard globali per la sicurezza e l’etica dell’IA, conferendo all’UE un ruolo di leadership nella regolamentazione dell’IA. Ma se il Codice è troppo restrittivo o poco chiaro, potrebbe rallentare lo sviluppo dell’IA in Europa, spingendo gli innovatori altrove. Anche se l’UE sarebbe senza dubbio favorevole all’adozione del Codice a livello mondiale, è improbabile che ciò avvenga poiché la Cina e gli Stati Uniti sembrano essere più favorevoli allo sviluppo che avversi al rischio. Il veto della legge sulla sicurezza dell’IA SB 1047 della California è un buon esempio dei diversi approcci alla regolamentazione dell’IA. È improbabile che l’IA emerga dall’industria tecnologica dell’UE, ma è anche meno probabile che l’UE sia il punto di partenza di una potenziale catastrofe alimentata dall’IA. Leggi di più su dailyai.com

OpenAI svela l’API Realtime e altre funzionalità per gli sviluppatori

OpenAI non ha rilasciato nuovi modelli durante l’evento Dev Day, ma le nuove funzionalità dell’API entusiasmeranno gli sviluppatori che vogliono utilizzare i suoi modelli per creare potenti app. OpenAI ha avuto settimane difficili: il suo CTO, Mira Murati, e altri ricercatori si sono aggiunti alla lista sempre più lunga degli ex dipendenti. L’azienda è sottoposta a una crescente pressione da parte di altri modelli di punta, compresi quelli open-source che offrono agli sviluppatori opzioni più economiche e altamente capaci. Le novità presentate da OpenAI sono state l’API Realtime (in versione beta), la messa a punto della visione e strumenti per aumentare l’efficienza come il prompt caching e la distillazione dei modelli. API Realtime L’API Realtime è la novità più interessante, anche se in versione beta. Consente agli sviluppatori di creare esperienze speech-to-speech a bassa latenza nelle loro app senza utilizzare modelli separati per il riconoscimento vocale e la conversione text-to-speech. Grazie a questa API, gli sviluppatori possono creare applicazioni che consentono conversazioni in tempo reale con l’intelligenza artificiale, come gli assistenti vocali o gli strumenti di apprendimento linguistico, il tutto attraverso un’unica chiamata API. Non è proprio l’esperienza perfetta che offre la modalità vocale avanzata di GPT-4o, ma ci si avvicina. Tuttavia, non è economica: costa circa 0,06 dollari al minuto di input audio e 0,24 dollari al minuto di output audio. La nuova API Realtime di OpenAI è incredibile.. Guarda come ordina 400 fragole chiamando il negozio con twillio. Il tutto con la voce. 🍓🎤 pic.twitter.com/J2BBoL9yFv – Ty (@FieroTy) 1 ottobre 2024 Messa a punto della visione La messa a punto della visione all’interno dell’API consente agli sviluppatori di migliorare la capacità dei loro modelli di comprendere e interagire con le immagini. Grazie alla messa a punto di GPT-4o utilizzando le immagini, gli sviluppatori possono creare applicazioni che eccellono in attività come la ricerca visiva o il rilevamento di oggetti. Questa funzione è già stata sfruttata da aziende come Grab, che ha migliorato l’accuratezza del suo servizio di mappatura mettendo a punto il modello per riconoscere i segnali stradali dalle immagini a livello stradale. OpenAI ha anche fornito un esempio di come GPT-4o possa generare contenuti aggiuntivi per un sito web dopo essere stato messo a punto per adattarsi stilisticamente ai contenuti esistenti del sito. Caching dei messaggi Per migliorare l’efficienza dei costi, OpenAI ha introdotto il prompt caching, uno strumento che riduce i costi e la latenza delle chiamate API utilizzate di frequente. Riutilizzando gli input elaborati di recente, gli sviluppatori possono tagliare i costi del 50% e ridurre i tempi di risposta. Questa funzione è particolarmente utile per le applicazioni che richiedono lunghe conversazioni o contesti ripetuti, come i chatbot e gli strumenti di assistenza clienti. L’utilizzo di input memorizzati nella cache può far risparmiare fino al 50% sui costi dei token di input. Confronto dei prezzi dei token di input memorizzati nella cache e non memorizzati nella cache per l’API di OpenAI. Fonte: OpenAI Distillazione dei modelli La distillazione dei modelli consente agli sviluppatori di mettere a punto modelli più piccoli e più efficienti dal punto di vista dei costi, utilizzando i risultati di modelli più grandi e più capaci. Si tratta di una svolta epocale perché, in precedenza, la distillazione richiedeva molteplici passaggi e strumenti scollegati tra loro, rendendo il processo lungo e soggetto a errori. Prima della funzione integrata Model Distillation di OpenAI, gli sviluppatori dovevano orchestrare manualmente diverse parti del processo, come la generazione di dati da modelli più grandi, la preparazione di set di dati per la messa a punto e la misurazione delle prestazioni con vari strumenti. Ora gli sviluppatori possono archiviare automaticamente le coppie di risultati di modelli più grandi, come GPT-4o, e usarle per mettere a punto modelli più piccoli, come GPT-4o-mini. L’intero processo di creazione del set di dati, messa a punto e valutazione può essere eseguito in modo più strutturato, automatizzato ed efficiente. La semplificazione del processo di sviluppo, la minore latenza e i costi ridotti renderanno il modello GPT-4o di OpenAI una prospettiva interessante per gli sviluppatori che desiderano distribuire rapidamente applicazioni potenti. Sarà interessante vedere quali applicazioni saranno possibili grazie alle funzionalità multimodali. Leggi di più su dailyai.com

Creare reti ottimizzate per l’intelligenza artificiale e migliorare la sicurezza

  L’evoluzione delle applicazioni di intelligenza artificiale comporta una maggiore richiesta di infrastrutture di rete, soprattutto in termini di latenza e connettività. Il supporto di implementazioni di IA su larga scala introduce nuovi problemi e gli analisti prevedono che il traffico legato all’IA rappresenterà presto una parte importante del traffico di rete totale. Il settore deve essere pronto a gestire questa ondata in modo efficace. F5 sta adattando le sue soluzioni per gestire la complessità dei carichi di lavoro dell’intelligenza artificiale e la sua tecnologia ora include l’elaborazione in tempo reale di dati multimodali. Kunal Anand, Chief Technology and AI Officer di F5 (Fonte: F5) L’intelligenza artificiale presenta sia opportunità che rischi nel campo della sicurezza, in quanto è in grado di migliorare la protezione e allo stesso tempo di consentire le minacce informatiche guidate dall’intelligenza artificiale. La collaborazione tra hyperscaler, telco e aziende tecnologiche è fondamentale per creare reti ottimizzate per l’AI. La collaborazione e l’innovazione continuano a cambiare il panorama delle reti AI e F5 è impegnata a promuovere i progressi in questo settore. In vista dell’AI & Big Data Expo Europe, Kunal Anand, Chief Technology and AI Officer di F5, illustra il ruolo e le iniziative dell’azienda per rimanere all’avanguardia nelle soluzioni di rete abilitate all’AI. Notizie sull’AI: Con l’evoluzione delle applicazioni AI, le esigenze dell’infrastruttura di rete diventano sempre più complesse. Quali sono le sfide principali che il settore deve affrontare in termini di latenza e connettività per supportare le implementazioni di AI su larga scala? Anand: F5 ha scoperto che l’IA ha trasformato drasticamente le architetture delle applicazioni. Alcune aziende stanno investendo miliardi di dollari in fabbriche di IA – cluster di GPU enormi – mentre altre preferiscono soluzioni basate sul cloud o piccoli modelli linguistici (SLM) come alternative meno costose. Le architetture di rete si stanno evolvendo per affrontare queste sfide. Le fabbriche di AI operano su stack di rete distinti, come InfiniBand con GPU specifiche come le H100 o la prossima serie Blackwell di NVIDIA. Allo stesso tempo, le tecnologie basate sul cloud e i cloud di GPU stanno avanzando. Una tendenza importante è quella della gravità dei dati, in cui i dati delle organizzazioni sono bloccati in ambienti specifici. Questo ha spinto l’evoluzione delle architetture multi-cloud, che consentono ai carichi di lavoro di collegarsi con i dati attraverso gli ambienti per la generazione aumentata del reperimento (RAG). Con l’aumento delle richieste di RAG, le organizzazioni si trovano ad affrontare una latenza maggiore a causa delle risorse limitate, sia che si tratti di archivi di dati molto utilizzati o di set limitati di server GPU. Notizie sull’AI: Gli analisti prevedono che il traffico legato all’intelligenza artificiale costituirà presto una parte significativa del traffico di rete. Quali sfide particolari pone questo afflusso di traffico generato dall’intelligenza artificiale all’infrastruttura di rete esistente e come pensi che il settore si stia preparando? Anand: F5 ritiene che entro la fine del decennio la maggior parte delle applicazioni sarà alimentata o guidata dall’intelligenza artificiale, rendendo necessario un aumento della catena dei servizi di rete. Queste applicazioni utilizzeranno le API per comunicare con le fabbriche di AI e i servizi di terze parti, per accedere ai dati per la RAG e potenzialmente per esporre le proprie API. In sostanza, le API saranno il collante che terrà insieme questo ecosistema, come suggerito dagli analisti. In prospettiva, si prevede che il traffico legato all’intelligenza artificiale dominerà il traffico di rete, poiché l’intelligenza artificiale sarà sempre più integrata nelle applicazioni e nelle API. Poiché l’IA diventa centrale in quasi tutte le applicazioni, il traffico legato all’IA aumenterà naturalmente. Notizie sull’AI: Con le applicazioni AI che diventano sempre più complesse e che elaborano dati multimodali in tempo reale, in che modo F5 sta adattando le sue soluzioni per garantire che le reti possano gestire in modo efficiente questi carichi di lavoro dinamici? Anand: F5 guarda a questo aspetto da molti punti di vista. Nel caso di RAG, quando i dati – che siano immagini, flussi binari o testo – devono essere recuperati da uno storage di dati, il metodo è lo stesso indipendentemente dal formato dei dati. I clienti spesso desiderano un rapido bilanciamento del carico Layer 4, la gestione del traffico e le capacità di gestione, tutte caratteristiche in cui F5 eccelle. L’azienda fornisce alle organizzazioni servizi di bilanciamento del carico, gestione del traffico e sicurezza, garantendo a RAG un accesso efficiente ai dati. F5 ha anche abilitato il bilanciamento del carico tra le fabbriche di AI. In alcuni casi, le grandi organizzazioni gestiscono cluster di GPU enormi con decine di migliaia di GPU. Poiché i carichi di lavoro dell’AI sono imprevedibili, queste GPU possono essere disponibili o non disponibili a seconda del carico di lavoro. F5 garantisce un instradamento efficiente del traffico, mitigando l’imprevedibilità dei carichi di lavoro AI. F5 migliora le prestazioni, aumenta il throughput e aggiunge funzionalità di sicurezza per le organizzazioni che costruiscono fabbriche e cluster di AI. Notizie sull’AI: Poiché l’IA migliora la sicurezza e allo stesso tempo pone delle minacce informatiche basate sull’IA, quali approcci sta adottando F5 per rafforzare la sicurezza e la resilienza della rete contro queste sfide in continua evoluzione? Anand: Ci sono molte sfide diverse legate all’AI in arrivo. Gli aggressori stanno già utilizzando l’intelligenza artificiale per generare nuovi payload, trovare scappatoie e lanciare attacchi unici. Ad esempio, ChatGPT e i trasformatori visivi hanno la capacità di rompere i CAPTCHA, soprattutto quelli interattivi. Le dimostrazioni recenti hanno mostrato la sofisticazione di questi attacchi. Come già visto in passato, ogni volta che gli aggressori ottengono un vantaggio con una nuova tecnologia, i difensori devono raccogliere la sfida. Questo spesso richiede la riconsiderazione dei modelli di sicurezza, come il passaggio da “permetti tutto, nega alcuni” a “permetti alcuni, nega tutto” Molte organizzazioni stanno esplorando soluzioni per combattere le minacce guidate dall’intelligenza artificiale. F5 sta facendo grandi investimenti per stare al passo con le minacce guidate dall’intelligenza artificiale. Nell’ambito del suo programma di intelligence F5, l’azienda sta sviluppando, addestrando e distribuendo modelli che sono

Tinder e Brand.AI si evolvono insieme alla cultura

L’app di incontri Tinder, creata dai millennial, è in missione per conquistare la generazione Z e sta impiegando l’intelligenza artificiale per aiutarla in questo compito. Ciò significa identificare le “verità fondamentali” del marchio, riconoscendo al contempo alcune verità più difficili, ha dichiarato Stephanie Danzi, vicepresidente senior del marketing globale di Tinder. “Abbiamo intrapreso un viaggio per recuperare la nostra narrativa”, ha dichiarato Danzi in occasione del Brandweek di ADWEEK a Phoenix, Ariz. “Non stiamo dicendo che Tinder non è qualcosa che le persone usano per incontri occasionali, ma stiamo dicendo che ha un sacco di possibilità” Danzi si è unita a Chelsey Susin Kantor, fondatrice di Brand.AI, una piattaforma alimentata dall’intelligenza artificiale e sponsor della sessione, per parlare di come l’intelligenza artificiale supporta i suoi sforzi per evolversi con la cultura. Stephanie Danzi di Tinder ha raggiunto Chelsey Susin Kantor di Brand.AI e Lauren Johnson di ADWEEK sul palco di Brandweek.Ivan Piedra per ADWEEK Finanziare la sperimentazione Per Tinder, il budget di marketing è suddiviso in tre categorie, ha spiegato Danzi: In primo luogo, la maggior parte della spesa (circa il 70%) è destinata a canali collaudati che funzionano in modo affidabile per il pubblico del marchio. In secondo luogo, circa il 20% di questi fondi è destinato a esperimenti relativamente sicuri, ovvero a sperimentare strategie che non sono effettivamente nuove ma che potrebbero esserlo per Tinder. Ad esempio, Danzi ha citato una recente incursione nelle collaborazioni con Elf Cosmetics. L’ultimo 10% della spesa è destinato a idee completamente “moonshot”, spesso giocando con tecnologie nuove ed emergenti come l’intelligenza artificiale. “Cerca di accantonare piccole somme di denaro per la sperimentazione, in modo da capire cosa finirà per rientrare in quella categoria di prodotti già sperimentati”, ha detto Danzi. Trovare il ruolo giusto per la nuova tecnologia Lavorando con Brand.AI, Tinder può far passare le sue attività di brand esistenti attraverso il modello della piattaforma per creare un universo più ampio che i team di marketing possono utilizzare per generare idee. “Ci sono cose in cui l’AI è bravissima e altre in cui non lo è”, ha detto Kantor. L’intelligenza artificiale, ad esempio, non può costruire un marchio da sola, solo gli esseri umani possono farlo, ma può aiutare a suggerire diverse direzioni e a valutare i rischi. Kantor, che in passato ha diretto il marketing di Meta, con Brand.AI voleva creare qualcosa che aiutasse i team come il suo a comprendere il proprio marchio come un motore o un insieme di dati. “Non come un libro, ma il marchio come qualcosa di vivo che funge da GitHub per i proprietari del marchio da aggiornare continuamente”, ha spiegato. “L’intelligenza artificiale può aiutare a mantenere la freschezza, può fornire strumenti ai team social e a tutti coloro che sono in grado di attingervi” Di più su www.adweek.com

Meta riporta le celebrità a dare voce alla sua AI

Meta ha dato il via a Meta Connect mercoledì, un evento di due giorni che comprende esperienze dimostrative, sessioni per sviluppatori, keynote e opportunità di networking, offrendo uno sguardo alle nuove e future tecnologie, tra cui l’intelligenza artificiale, gli occhiali intelligenti Ray-Ban Meta e il prototipo di occhiali per la realtà aumentata Orion. L’evento annuale è forse più noto per la sua edizione del 2021, tenutasi nell’ottobre dello stesso anno, quando il CEO Mark Zuckerberg annunciò che Facebook avrebbe cambiato il suo nome in Meta e avrebbe illustrato la sua attenzione per il metaverso. L’aspetto pubblicitario La notizia più importante per gli inserzionisti durante il primo giorno di Meta Connect 2024 è stata l’espansione dei chatbot AI aziendali di Meta ai marchi che gestiscono annunci click-to-message in inglese sulle app di messaggistica Messenger e WhatsApp. L’azienda ha anche fornito un aggiornamento sui suoi strumenti pubblicitari di intelligenza artificiale generativa, affermando che sono stati utilizzati da oltre 1 milione di inserzionisti, con oltre 15 milioni di annunci creati nell’ultimo mese. Secondo Meta, le campagne pubblicitarie che utilizzano le sue funzioni di intelligenza artificiale generativa producono tassi di clic superiori dell’11% rispetto alle campagne che non utilizzano gli strumenti e tassi di conversione più alti del 7,6%. Più Meta AI L’azienda ha rivelato una serie di nuove funzionalità per il suo assistente Meta AI. Le persone possono ora usare la voce per parlare con Meta AI su Facebook, Instagram, Messenger e WhatsApp e l’assistente risponderà ad alta voce. Le risposte saranno presto fornite dalle voci AI di celebrità come Awkwafina, Kristen Bell, John Cena, Dame Judi Dench e Keegan-Michael Key. Se ti suona familiare, dovrebbe esserlo: Meta ha eliminato ad agosto un’iniziativa simile che prevedeva voci di celebrità come Israel Adesanya, Tom Brady, Roy Choi, Charli D’Amelio, Paris Hilton, Kendall Jenner, Naomi Osaka, Chris Paul, Snoop Dogg e Dwyane Wade dopo meno di un anno. Gli utenti possono condividere le foto nelle chat con Meta AI e imparare di più sui loro soggetti, ad esempio chiedendo all’assistente che tipo di fiore è presente nell’immagine o come cucinare un piatto raffigurato. Meta

OpenAI finalmente distribuisce l’assistente vocale di ChatGPT agli utenti a pagamento

OpenAI sta finalmente distribuendo il suo assistente vocale agli abbonati a ChatGPT Plus, ma mancano alcune delle funzioni che l’azienda aveva mostrato nella sua dimostrazione originale. L’Advanced Voice Mode (AVM) è stato dimostrato per la prima volta a maggio, ma le preoccupazioni relative all’allineamento della sicurezza e alla capacità di AVM di riprodurre contenuti protetti da copyright ne hanno bloccato il rilascio. Anche la polemica su una delle voci chiamate “Sky” che assomigliava molto a Scarlett Johansson probabilmente non ha aiutato. OpenAI ha accennato con umorismo alla frustrante lunga attesa per AVM nel suo annuncio del lancio. Advanced Voice sarà disponibile per tutti gli utenti Plus e Team nell’app ChatGPT nel corso della settimana. Mentre aspettavi pazientemente, abbiamo aggiunto Istruzioni personalizzate, Memoria, cinque nuove voci e accenti migliorati. Può anche dire “Scusate il ritardo” in oltre 50 lingue. pic.twitter.com/APOqqhXtDg – OpenAI (@OpenAI) 24 settembre 2024 AVM è dotato di cinque nuove voci, tra cui una con accento australiano, ma i fan del film “Her” saranno delusi nello scoprire che la voce di Sky è stata rimossa. Le nuove voci sono Arbor, Maple, Sol, Spruce e Vale, per un totale di nove voci. Ecco le cinque nuove voci. pic.twitter.com/F9BOUaJqG1 – OpenAI (@OpenAI) 24 settembre 2024 Un’altra caratteristica che gli utenti non avranno ancora a disposizione è la capacità di visione di AVM. Quando OpenAI ha presentato l’assistente vocale, era in grado di accedere alla fotocamera del telefono e di rispondere ai dati visivi. Per ora AVM dispone solo della modalità vocale. Non si sa quando, o se, AVM riceverà il dono della vista. Potrebbe trattarsi semplicemente di una mossa strategica per ridurre le richieste di calcolo ai server OpenAI, dato che gli utenti si affrettano a provare AVM. AVM è comunque dotato di alcune nuove funzionalità. AVM memorizzerà le “istruzioni personalizzate” dell’utente su come vuole che il modello parli. È possibile specificare una cadenza specifica o il modo in cui ci si vuole rivolgere. Inoltre, consente all’utente di fornire un background personale in modo che l’AVM possa offrire risposte più pertinenti al contesto. La funzione “memoria” permette a ChatGPT di ricordare le conversazioni per farvi riferimento nelle interazioni successive. Gli utenti stanno già condividendo video di modi creativi di utilizzare l’AVM. Advanced Voice in ChatGPT accorda la mia chitarra. pic.twitter.com/1H6mYZTCq7 – Pietro Schirano (@skirano) 24 settembre 2024 Se ti trovi nel Regno Unito, nell’Unione Europea o in Svizzera, potresti dover aspettare un po’ prima che AVM venga attivato sul tuo dispositivo. OpenAI non ha indicato quando la funzione sarà diffusa a livello globale. Leggi di più su dailyai.com

Come i team di vendita possono utilizzare l’AI oggi per ottimizzare le conversioni

  Rimanere competitivi nella vendita moderna oggi significa effettivamente abbracciare le ultime tendenze tecnologiche. Dalla fine del 2022, quando l’IA generativa si è fatta strada nella coscienza del pubblico grazie a ChatGPT di OpenAI, l’IA è stata in prima linea in questo cambiamento, modificando il modo in cui i team di vendita (come la maggior parte degli altri team) operano e si relazionano con i clienti. In questo blog post, analizziamo come l’IA sta ottimizzando le attività di vendita e contribuendo ad aumentare i tassi di conversione. Ecco i cinque modi in cui i team di vendita possono utilizzare l’IA per personalizzare meglio le interazioni, automatizzare il lavoro amministrativo e altro ancora, dimostrando che non si tratta solo di tagliare i costi, ma di trasformare il modo in cui vengono effettuate le vendite. 1. Coinvolgimento personalizzato Un tipico ciclo di vendita è complesso e prevede diversi punti di contatto e interazioni prima della conversione. Una personalizzazione più profonda implica la comprensione delle esigenze aziendali, delle sfide e delle tendenze del settore di un potenziale cliente. Gli strumenti di intelligenza artificiale sono particolarmente abili nel setacciare grandi insiemi di dati per scoprire intuizioni che adattano le interazioni a questi specifici contesti aziendali. Ad esempio, l’intelligenza artificiale può analizzare le interazioni passate, come gli scambi di e-mail e la cronologia di coinvolgimento, per determinare quale tipo di contenuti o caratteristiche del prodotto sono più rilevanti per un cliente specifico. In questo modo i team di vendita possono offrire soluzioni che non sono solo servizi o prodotti generici, ma sono personalizzati per affrontare le sfide e gli obiettivi unici del cliente. L’intelligenza artificiale può migliorare le strategie di marketing basate sugli account (ABM), consentendo ai team di vendita di creare strategie di contenuto altamente personalizzate per ciascun account. Analizzando i dati provenienti da vari punti di contatto nel processo di quotazione e incasso, l’intelligenza artificiale aiuta a creare messaggi che risuonano profondamente con ogni decisore dell’organizzazione del cliente. Questo approccio mirato non solo rafforza le relazioni, ma aumenta anche in modo significativo la probabilità di chiudere gli affari. 2. Previsioni di vendita Le previsioni di vendita accurate sono fondamentali nelle vendite B2B, dove la pianificazione strategica e l’allocazione delle risorse dipendono fortemente dalla previsione dei risultati di vendita. L’intelligenza artificiale migliora significativamente l’accuratezza e l’affidabilità di queste previsioni analizzando grandi quantità di dati e identificando tendenze difficili da individuare. Gli strumenti di previsione della pipeline basati sull’intelligenza artificiale utilizzano i dati storici delle vendite, le condizioni di mercato e l’attività di vendita in tempo reale per prevedere i risultati futuri delle vendite. Questi strumenti utilizzano l’analisi predittiva per modellare vari scenari e il loro potenziale impatto sulle vendite, aiutando i team di vendita a prepararsi in modo più efficace ai futuri movimenti del mercato. Inoltre, gli strumenti di previsione potenziati dall’intelligenza artificiale possono aggiornare dinamicamente le previsioni in base a nuovi dati. Ciò significa che le previsioni di vendita non sono statiche, ma si evolvono man mano che si rendono disponibili ulteriori dati sulle interazioni e sulle transazioni. Queste previsioni dinamiche garantiscono che le strategie di vendita rimangano agili e reattive ai cambiamenti, aumentando l’efficienza complessiva delle operazioni di vendita. Sfruttando l’intelligenza artificiale per le previsioni di vendita avanzate, le aziende B2B possono non solo fare previsioni più accurate, ma anche ottenere approfondimenti strategici che possono portare a un approccio più proattivo nella gestione delle pipeline di vendita e delle relazioni con i clienti. 3. Prezzi dinamici Il pricing dinamico è un’applicazione avanzata di intelligenza artificiale che può incrementare in modo significativo le prestazioni di vendita B2B ottimizzando le strategie di prezzo in base ai dati di mercato in tempo reale e al comportamento dei clienti. Questa tecnologia consente alle aziende di adattare rapidamente i propri modelli di prezzo in risposta ai cambiamenti del mercato o della domanda dei clienti, garantendo la competitività e massimizzando i ricavi. Gli strumenti di intelligenza artificiale come Competera analizzano i dati storici delle vendite, le dinamiche di mercato, i prezzi dei concorrenti e i modelli dei clienti per consigliare le strategie di prezzo più efficaci per vari prodotti e servizi. Ad esempio, possono suggerire sconti speciali per i clienti di alto valore o adeguare i prezzi durante i periodi di picco della domanda per sfruttare le tendenze del mercato. I prezzi dinamici guidati dall’intelligenza artificiale possono migliorare la soddisfazione dei clienti offrendo prezzi equi che riflettono il valore attuale dei prodotti o dei servizi, che può variare a seconda dei segmenti di clientela o addirittura dei singoli clienti in base alla loro storia di acquisti e alla loro fedeltà. Integrando modelli di prezzo dinamico basati sull’intelligenza artificiale, i team di vendita non solo ottimizzano le loro strategie di prezzo, ma si assicurano anche che siano adattabili, basate sui dati e strettamente allineate alle condizioni di mercato e alle aspettative dei clienti. Per le aziende B2B che vogliono perfezionare le loro strategie di prezzo e di vendita, un servizio di consulenza AI è un vantaggio fondamentale. Grazie all’utilizzo di analisi dei dati avanzate e di competenze AI/ML, questi servizi migliorano il processo decisionale basato sui dati, migliorano le relazioni con i clienti e accelerano i cicli di vendita, favorendo un processo di vendita più competitivo ed efficiente. 4. Punteggio e priorità dei lead Quando si dispone di un flusso consistente di lead, gestirli in modo efficiente è fondamentale. I team di vendita possono utilizzare l’intelligenza artificiale per migliorare notevolmente questo processo grazie a sofisticati sistemi di lead scoring, che valutano e classificano i potenziali clienti in base alla loro probabilità di conversione. Questa classificazione delle priorità assicura che i team di vendita concentrino i loro sforzi sui lead più promettenti, ottimizzando tempo e risorse. Gli strumenti di intelligenza artificiale integrano vari dati come le interazioni passate, i livelli di coinvolgimento, le dimensioni dell’azienda e i comportamenti specifici del settore per creare un profilo completo di ogni lead. Gli algoritmi di intelligenza artificiale possono esaminare i dati storici per riconoscere i modelli che indicano un’alta probabilità di conversione.

Come si posizionano le app di incontri nella Gen Z

I migliori marketer di Tinder e Hinge condivideranno le loro conoscenze alla Brandweek che si terrà dal 23 al 26 settembre a Phoenix, AZ. Seguici qui. Leapp di incontri fanno venire il mal di testa alla generazione TikTok e questo sentimento si manifesta con un calo dell’utilizzo. Un sondaggio di Axios / Generation Lab del 2023 ha rivelato che il 79% degli studenti universitari e laureati negli Stati Uniti ha dichiarato di non utilizzare alcuna app di incontri, nemmeno una volta al mese. Inoltre, il sentimento dei consumatori della Gen Z nei confronti delle principali app di incontri sta crollando. I dati del brand-tracking di Morning Consult Intelligence mostrano che i punteggi di favore di Tinder e Bumble tra i Gen Z sono entrambi diminuiti di oltre tre punti percentuali tra agosto 2023 e agosto 2024. Il punteggio di favore di Hinge è rimasto relativamente stabile. Le app di incontri tradizionali sono ora in corsa per invertire questo declino, soprattutto perché devono affrontare la concorrenza di nuovi concorrenti come Better in Person e Feeld, che sostengono di offrire un’esperienza di incontri migliore. Tinder e Grindr, ad esempio, si stanno allontanando dalla loro reputazione di app per rimorchiare, cercando di dimostrare che aiutano a creare tutti i tipi di legami umani significativi. Nel frattempo Hinge, che non ha questo bagaglio, si sta impegnando per dimostrare come può favorire le relazioni significative. ADWEEK ha analizzato il modo in cui i quattro operatori dominanti – Tinder, Hinge, Bumble e Grindr – stanno trasformando le loro strategie di marketing per attirare i giovani e i risultati che stanno ottenendo finora. Tinder 12 anni dopo che Tinder – ora parte di Match Group – ha trasformato per la prima volta la cultura degli incontri con il pioniere dello swipe, è ancora l’app di incontri più scaricata al mondo, con oltre 6,1 milioni di download mensili a giugno 2024, secondo Statista. Da allora lo swipe è diventato la norma, copiato da concorrenti come Bumble e OKCupid, e la reputazione di Tinder come app per rimorchiare ora gioca a suo sfavore. “La narrazione si era allontanata dal marchio”, ha dichiarato il CMO Melissa Hobley ad ADWEEK in una precedente conversazione. La sua ambita fascia demografica di giovani donne la paragonava in modo derisorio a “uno squallido bar” L’anno scorso, Tinder ha deciso di passare da bar squallido ad accogliente wine bar con la sua pubblicità. La campagna “It Starts With a Swipe”, realizzata dall’agenzia Mischief @ No Fixed Address, presenta un cast eterogeneo di giovani, cercando di ridefinire il concetto di “hookup” e di mostrare Tinder come un facilitatore di incontri non solo occasionali.

L’Indice Nature 2024 rivela come l’IA stia trasformando ogni aspetto della ricerca scientifica

Il supplemento 2024 dell’Indice Nature sull’Intelligenza Artificiale, pubblicato questa settimana, rivela un mondo scientifico in preda a un cambiamento di paradigma guidato dall’IA. Questo rapporto annuale, pubblicato dalla rivista Nature, traccia la scienza di alta qualità misurando i risultati della ricerca in 82 riviste di scienze naturali, selezionate da un gruppo indipendente di ricercatori. L’ultima edizione illustra come l’intelligenza artificiale non stia solo cambiando ciò che gli scienziati studiano, ma stia alterando radicalmente il modo in cui la ricerca viene condotta, valutata e applicata a livello globale. Una delle tendenze più sorprendenti rivelate dall’Indice è l’aumento della ricerca aziendale sull’IA. Le aziende statunitensi hanno più che raddoppiato la loro produzione nelle riviste dell’Indice Nature dal 2019, con un aumento della loro Quota (una metrica utilizzata dall’Indice per misurare la produzione di ricerca) da 51,8 a 106,5. Tuttavia, questo boom di attività di R&S è accompagnato da un’avvertenza: rappresenta ancora solo il 3,8% della produzione totale di ricerca sull’intelligenza artificiale degli Stati Uniti in queste pubblicazioni. In sostanza, nonostante l’aumento delle attività di R&S sull’IA delle aziende, non abbiamo visto questi sforzi riflettersi nella produzione di ricerca pubblica. Questo fa sorgere delle domande su dove si trovi la ricerca aziendale sull’IA. Le aziende pubblicano i loro lavori più innovativi in altre sedi o li tengono sotto chiave? La risposta è una competizione di nomi e narrazioni. OpenAI, Microsoft, Google, Anthropic e una manciata di altri sono saldamente ancorati al modello closed-source, ma l’industria dell’IA open-source, guidata da Meta, Mistral e altri, sta rapidamente guadagnando terreno. A ciò contribuisce la disparità di finanziamenti tra aziende private e istituzioni pubbliche nella ricerca sull’IA. Nel 2021, secondo il rapporto AI Index della Stanford University, gli investimenti del settore privato nell’IA a livello mondiale hanno raggiunto circa 93,5 miliardi di dollari. Questo dato include la spesa di giganti tecnologici come Google, Microsoft e Amazon, oltre a startup focalizzate sull’IA e altre aziende di vari settori. Al contrario, i finanziamenti pubblici per la ricerca sull’IA sono molto più bassi. Nel 2021 il governo statunitense ha speso circa 1,5 miliardi di dollari per la R&S sull’IA non legata alla difesa, mentre la Commissione Europea ha stanziato circa 1 miliardo di euro (circa 1,1 miliardi di dollari) per la ricerca sull’IA nello stesso anno. Questo vuoto di risorse sta dando alle aziende private un vantaggio nello sviluppo dell’IA. Possono permettersi risorse di calcolo più potenti, dataset più ampi e attrarre i migliori talenti con stipendi più alti. “Stiamo assistendo sempre più a una situazione in cui la ricerca sull’IA di alto livello viene svolta principalmente all’interno dei laboratori di ricerca di un numero piuttosto ridotto di aziende, per lo più con sede negli Stati Uniti”, ha spiegato Holger Hoos, ricercatore di IA presso l’Università RWTH di Aquisgrana in Germania. Mentre gli Stati Uniti mantengono il loro primato nella ricerca sull’IA, paesi come la Cina, il Regno Unito e la Germania stanno emergendo come importanti centri di innovazione e collaborazione. Tuttavia, questa crescita non è uniforme in tutto il mondo. Il Sudafrica è l’unica nazione africana tra le prime 40 per produzione di IA, a dimostrazione di come il divario digitale rischi di aggravarsi nell’era dell’IA. L’IA nella revisione paritaria: promesse e pericoli La revisione paritaria garantisce il rigore accademico e metodologico e la trasparenza quando gli articoli vengono inviati alle riviste. Quest’anno è stato pubblicato su Frontiersun articolo assurdo con testicoli di topo giganti generati dall’IA , che indica come il processo di peer review sia tutt’altro che impenetrabile. Qualcuno era solito DALL-E creava figure scientifiche incomprensibili e le sottoponeva a Frontiers Journal. E indovina un po’? L’editore le ha pubblicate. LOLhttps://t.co/hjQkRQDkal https://t.co/aV1US o6Vt2 pic.twitter.com/VAkjJkY4dR – Veera Rajagopal  (@doctorveera) 15 febbraio 2024 Recenti esperimenti hanno dimostrato che l’intelligenza artificiale è in grado di generare rapporti di valutazione della ricerca quasi indistinguibili da quelli scritti da esperti umani. L’anno scorso, un esperimento che ha messo alla prova le peer review di ChatGPT rispetto a quelle di revisori umani su uno stesso articolo ha rilevato che oltre il 50% dei commenti dell’IA sugli articoli di Nature e oltre il 77% su quelli dell’ICLR si allineavano ai punti sollevati dai revisori umani. Naturalmente, ChatGPT è molto più veloce dei revisori umani. “È sempre più difficile per i ricercatori ottenere un feedback di alta qualità dai revisori”, ha dichiarato James Zou dell’Università di Stanford, il ricercatore leader dell’esperimento. Il rapporto dell’IA con la ricerca sta sollevando questioni fondamentali sulla valutazione scientifica e sul fatto che il giudizio umano sia intrinseco al processo. L’equilibrio tra l’efficienza dell’IA e l’insostituibile intuizione umana è una delle tante questioni chiave con cui gli scienziati di ogni provenienza dovranno confrontarsi nei prossimi anni. L’IA potrebbe presto essere in grado di gestire l’intero processo di ricerca dall’inizio alla fine, mettendo potenzialmente da parte i ricercatori umani. Ad esempio, l ‘AI Scientist diSakana genera autonomamente nuove idee di ricerca, progetta e conduce esperimenti e addirittura scrive e revisiona articoli scientifici. Questo fa pensare a un futuro in cui l’intelligenza artificiale potrebbe guidare la scoperta scientifica con un intervento umano minimo. Per quanto riguarda la metodologia, l’utilizzo dell’apprendimento automatico (ML) per elaborare e analizzare i dati comporta dei rischi. I ricercatoridi Princeton hanno sostenuto che, poiché molte tecniche di ML non possono essere facilmente replicate, questo erode la replicabilità degli esperimenti – un principio chiave della scienza di alta qualità. In definitiva, l’ascesa dell’IA alla ribalta in ogni aspetto della ricerca e della scienza sta guadagnando terreno e il processo è probabilmente irreversibile. L’anno scorso, Nature ha intervistato 1.600 ricercatori e ha scoperto che il 66% ritiene che l’IA consenta un’elaborazione più rapida dei dati, il 58% che acceleri analisi precedentemente non fattibili e il 55% che sia una soluzione che fa risparmiare tempo e denaro. Come conclude Simon Baker, autore principale della panoramica del supplemento: “L’IA sta cambiando il modo in cui i ricercatori lavorano per sempre, ma l’esperienza umana deve continuare ad avere il sopravvento” Ora si tratta di capire come la comunità scientifica mondiale si

I professionisti dell’IT vogliono una regolamentazione più forte sull’IA

  Un nuovo sondaggio condotto da SolarWinds ha rivelato una forte richiesta di una maggiore supervisione governativa dell’IA, con l’88% dei professionisti dell’IT a favore di una regolamentazione più severa. Lo studio, che ha interpellato quasi 700 esperti IT, evidenzia che la sicurezza è la preoccupazione principale. Uno schiacciante 72% degli intervistati ha sottolineato la necessità di adottare misure per la sicurezza delle infrastrutture. La privacy segue a ruota, con il 64% dei professionisti IT che chiede regole più severe per proteggere le informazioni sensibili. Rob Johnson, VP e Global Head of Solutions Engineering di SolarWinds, ha commentato: “È comprensibile che i responsabili IT si stiano avvicinando all’IA con cautela. La rapida evoluzione della tecnologia presenta naturalmente le sfide tipiche di ogni innovazione emergente. “La sicurezza e la privacy rimangono in primo piano, con un continuo controllo da parte degli enti normativi. Tuttavia, spetta alle organizzazioni adottare misure proattive migliorando l’igiene dei dati, applicando una solida etica dell’IA e creando i team giusti per guidare questi sforzi. Questo atteggiamento proattivo non solo aiuta a rispettare le normative in evoluzione, ma massimizza anche il potenziale dell’IA” I risultati dell’indagine arrivano in un momento cruciale, in concomitanza con l’attuazione dell ‘AI Act dell’UE. Nel Regno Unito, il nuovo governo laburista ha recentemente proposto una propria legislazione sull’IA durante l’ultimo discorso del Re, segnalando un crescente riconoscimento della necessità di un quadro normativo. Negli Stati Uniti, il mese scorso l’Assemblea dello Stato della California ha approvato una controversa legge sulla sicurezza dell’IA. Oltre alla sicurezza e alla privacy, l’indagine rivela un più ampio spettro di preoccupazioni tra i professionisti IT. La maggioranza (55%) ritiene che l’intervento del governo sia fondamentale per arginare la marea di disinformazione generata dall’IA. Inoltre, la metà degli intervistati è a favore di normative volte a garantire la trasparenza e le pratiche etiche nello sviluppo dell’IA. Le sfide vanno oltre la regolamentazione dell’IA Tuttavia, le sfide che si pongono all’adozione dell’IA vanno oltre le preoccupazioni normative. L’indagine rivela una preoccupante mancanza di fiducia nella qualità dei dati, una pietra miliare per un’implementazione di successo dell’IA. Solo il 38% degli intervistati si considera “molto fiducioso” della qualità dei dati e della formazione utilizzata nei sistemi di IA. Questo scetticismo non è infondato, poiché il 40% dei leader IT che hanno riscontrato problemi con l’IA li attribuisce a errori algoritmici derivanti da dati insufficienti o distorti. Di conseguenza, la qualità dei dati emerge come il secondo ostacolo più significativo all’adozione dell’IA (16%), dopo i rischi per la sicurezza e la privacy. Questo dato sottolinea l’importanza cruciale di dati solidi e imparziali per il successo dell’IA. “I dati di alta qualità sono la chiave di volta di modelli di IA accurati e affidabili, che a loro volta favoriscono il miglioramento del processo decisionale e dei risultati”, aggiunge Johnson. “I dati affidabili creano fiducia nell’IA tra i professionisti dell’IT, accelerando l’adozione e l’integrazione delle tecnologie di IA” L’indagine mette in luce anche le preoccupazioni diffuse sulla preparazione dei database. Meno della metà (43%) dei professionisti IT si dichiara fiducioso sulla capacità della propria azienda di soddisfare le crescenti richieste di dati dell’IA. Questa mancanza di preparazione è ulteriormente aggravata dalla percezione che le organizzazioni non si stiano muovendo abbastanza rapidamente per implementare l’IA, con il 46% degli intervistati che cita i problemi di qualità dei dati come un fattore che contribuisce. Mentre l’IA continua a rimodellare il panorama tecnologico, i risultati di questa indagine di SolarWinds sono un chiaro invito a rafforzare le normative e a migliorare le pratiche relative ai dati. Il messaggio dei professionisti dell’IT è chiaro: sebbene l’IA sia molto promettente, il successo della sua integrazione dipende dalla risoluzione di problemi critici legati alla sicurezza, alla privacy e alla qualità dei dati. (Foto di Kelly Sikkema) Vedi anche: Un libro bianco dissipa i timori sulla perdita di posti di lavoro causata dall’IA Vuoi saperne di più sull’IA e sui Big Data dai leader del settore? Dai un’occhiata all’ AI & Big Data Expo che si terrà ad Amsterdam, in California e a Londra. L’evento completo è in concomitanza con altri eventi di spicco come Intelligent Automation Conference, BlockX, Digital Transformation Week e Cyber Security & Cloud Expo. Scopri gli altri eventi tecnologici aziendali e i webinar di TechForge qui. Tags: adozione, ai, intelligenza artificiale, dati, etica, legge, legale, legislazione, regolamento, rapporto, sicurezza, Società, solarwinds, studio Leggi di più su www.artificialintelligence-news.com