Cos'è la qualità dei dati e perché decide l'AI
Ogni azienda ha dati sporchi: clienti doppi in anagrafica, codici articolo scritti in tre modi, listini vecchi rimasti in una cartella condivisa, campi lasciati vuoti. Una persona esperta ci passa sopra senza accorgersene. Un sistema di AI no: prende il listino vecchio per buono, somma i clienti doppi, risponde con un'informazione superata.
Migliorare la qualità dei dati non vuol dire avere tutto perfetto. Vuol dire sapere quali dati servono al progetto, controllarli, decidere qual è la fonte valida quando due documenti si contraddicono, e assegnare a qualcuno il compito di tenerli in ordine nel tempo.
Un esempio in una PMI
Un distributore di materiale elettrico vuole un assistente che risponda ai clienti su prezzi e disponibilità. Prima di partire, Sara scopre che nella cartella condivisa ci sono più versioni del listino. Si decide che fa fede solo quello del gestionale, si archiviano le copie e l'assistente legge da una sola fonte.
Gli errori più comuni
- Dare all'AI l'intero archivio aziendale sperando che scelga da sola i documenti giusti.
- Pulire i dati una volta per il progetto e poi lasciarli tornare come prima.
- Dare la colpa al modello per risposte sbagliate che vengono da dati sbagliati.
Perché ti interessa
Nei progetti di AI nelle PMI, il tempo speso a mettere ordine nei dati è spesso più di quello speso sulla tecnologia. Saperlo prima evita preventivi irrealistici e delusioni.
Tutte le parole dell'AI spiegate semplici sono nel glossario.
Domande frequenti
Da dove comincio a sistemare i dati?
Dai dati che servono al primo progetto, non da tutti. Scegli un caso d'uso e controlla solo le fonti che usa.
L'AI può aiutare a pulire i dati?
Sì: trova doppioni, uniforma formati, segnala valori strani. Le decisioni su cosa tenere restano a chi conosce i dati.
Chi deve essere responsabile dei dati?
Una persona per ogni insieme di dati importante, con il potere di decidere qual è la versione buona.
Da leggere dopo
Dati strutturati e non strutturati: la differenza
I dati strutturati sono organizzati in campi fissi, come le righe di un gestionale o di un foglio di calcolo. I dati non strutturati non hanno uno schema: mail, PDF, foto, registrazioni, chat. La maggior parte delle informazioni di un'azienda è non strutturata, ed è qui che l'AI aiuta di più.
GlossarioCos'è una knowledge base e perché l'AI ne ha bisogno
Una knowledge base è l'insieme ordinato delle informazioni dell'azienda, come FAQ, procedure, schede prodotto e condizioni, da cui un assistente AI prende le risposte, tenuto aggiornato da un responsabile.
GlossarioCos'è il RAG: l'AI che risponde dai tuoi documenti
Il RAG (Retrieval Augmented Generation) è una tecnica in cui, prima di rispondere, l'AI cerca i passaggi utili nei tuoi documenti e li usa come base per la risposta.
GlossarioCos'è un dataset e come si prepara per l'AI
Un dataset è una raccolta organizzata di dati dello stesso tipo, come righe di una tabella, documenti, immagini o registrazioni, preparata per uno scopo preciso: addestrare un modello, verificarne i risultati o analizzare un fenomeno.
Compiti con l'AIPulire l'anagrafica clienti con l'AI senza perdere dati
Si esporta l'anagrafica, si fa una copia di sicurezza e si chiede all'AI di uniformare i formati e di proporre le coppie di record che sembrano lo stesso cliente. Una persona decide quali unire, poi si reimporta il file corretto e si fissano regole per non ricreare il disordine.
Vuoi capire cosa serve davvero alla tua azienda, senza gergo? Parliamone.
Testi e grafica realizzati con il supporto dell'AI. Metodo e contenuti sono di AIR.