*Questo post è stato creato con un CustomGPT autoprodotto basato sull’ultimo video di Sophie su YouTube. Puoi trovare il link al video alla fine di questo articolo.
Rasa è tornato, con un concetto rivisitato che si concentra sull’uso dei Large Language Models (LLM). In questo episodio del podcast Sophie’s Next AI Talk, Sophie parla con Sebastian di Rasa della trasformazione tecnologica dell’azienda, del nuovo approccio ibrido chiamato CALM e di cosa significa per il futuro dell’IA conversazionale.
Un ritorno personale: perché Rasa ha un ruolo speciale per Sophie
Per Sophie, questo episodio del podcast non è solo un aggiornamento tecnico. Il suo viaggio nell’intelligenza artificiale è iniziato con Rasa, all’epoca uno dei primi progetti di chatbot in Svizzera. Per questo motivo è ancora più emozionante sentire come l’ex start-up open source si sia evoluta e sia ora tornata sul palcoscenico dell’intelligenza artificiale conversazionale.
La svolta: da scettico di LLM a quadro CALM
Per molto tempo, Rasa si è tenuta lontana da LLM come ChatGPT. Mentre altri fornitori sono saliti rapidamente sul carro della nuova tecnologia, Rasa ha continuato ad affidarsi ai classici sistemi NLU. Ma le cose sono cambiate. Con il framework CALM (Conversational AI with Large Language Models), Rasa sta ora perseguendo un approccio ibrido che combina il meglio di entrambi i mondi:
- Flussi aziendali strutturati per il massimo controllo
- LLM per l’arricchimento del linguaggio per una conversazione più naturale
- Scelta flessibile del modello: OpenAI, Mistral, LLaMA & Co. possono essere integrati a seconda del caso d’uso.
- Distribuzione on-premise per la massima sovranità dei dati
Non chiedere e non pregare – controllo invece di scatola nera
Una delle argomentazioni principali di Rasa è che le aziende devono avere il controllo sui loro chatbot. Secondo Rasa, "Prompt and pray", cioè affidarsi ciecamente alle risposte di un LLM, non è una soluzione sostenibile. Con l’approccio CALM, le aziende mantengono il controllo sulle loro risposte in ogni momento e possono impiegare gli LLM in modo mirato, ad esempio per gruppi target, canali o casi d’uso specifici.
Percorso felice + LLM = meno fatica, più qualità
Anche se Rasa non è una soluzione plug-and-play, il nuovo approccio riduce significativamente lo sforzo di sviluppo. Le aziende definiscono il cosiddetto "percorso felice", cioè il corso ideale del dialogo – le eccezioni e i casi speciali vengono poi gestiti dal LLM. In questo modo si risparmia fino all ‘80% del tempo di sviluppo rispetto alle soluzioni precedenti.
Il No-Code incontra il Pro-Code: Un sistema per tutti i team
Un’altra novità: Rasa offre ora un’interfaccia grafica per i non programmatori. Il dialogo del bot puro può essere creato in un ambiente low-code / no-code, mentre l’integrazione tecnica è gestita da un piccolo team di esperti. Ciò significa che anche i dipartimenti che non hanno competenze tecniche approfondite possono progettare i propri chatbot, compresi i collegamenti API, il controllo dei canali e l’automazione.
Protezione dei dati, scalabilità e voce
Rasa offre un vantaggio reale, soprattutto per i settori sensibili ai dati come quello bancario o assicurativo: un hosting completo on-premise. I dati dei clienti rimangono sotto il controllo dell’azienda – ideale per l’utilizzo in ambienti altamente regolamentati. Anche le applicazioni vocali possono essere realizzate con modelli adeguati, come i modelli LLaMA con latenza estremamente bassa.
Conclusione: Rasa ha imparato – e ora fornisce
Rasa rimase a lungo in silenzio, ma non certo inattivo. Con il framework CALM, l’azienda offre ora una soluzione altamente flessibile, sicura e scalabile per l’IA conversazionale che non ha nulla da nascondere ai grandi player. Per le aziende che vogliono migliorare l’esperienza dei clienti con l’AI senza perdere il controllo, Rasa potrebbe essere il partner giusto!
Ci sono altre domande?
Hai qualche domanda? Sarò felice di sostenerti, di fare da sparring partner e di rispondere alle tue domande. Sono sempre felice di ricevere i tuoi messaggi, preferibilmente tramite messaggio WhatsApp o e-mail.
