Il Few Shot Learning è l’unica tecnologia in grado di assicurare agli studi un dipendente-robot che apprende dai propri errori, e senza bisogno di grandi moli di dati d’addestramento. Vediamo come.
Si tende a pensare che l’Intelligenza Artificiale personalizzata sia una questione da grandi aziende. Non per niente l’addestramento su set di dati enormi è la forza dei grandi modelli di Large Language Model (come ChatGPT, Google Gemini e Anthropic Claude-3 per intenderci).
In realtà anche gli studi professionali possono perfettamente fruire dei vantaggi dell’automazione, e soprattutto possono insegnare al robot ad apprendere dai propri errori.
Analizziamo come questo sia tecnologicamente possibile.
Premessa
Ci sono tutta una serie di errori tipicamente da collaboratore di studio alle prime armi. È difficile stilare un elenco completo, ma chiunque abbia avuto a che fare con stagisti e neoassunti senza esperienza capisce di cosa stiamo parlando.
D’altra parte, è normale che una persona che ancora non ha dimestichezza con il lavoro del commercialista mostri qualche iniziale lacuna, nonostante un percorso di studi magari specifico.
Del resto, uno dei grandissimi vantaggi dell’essere umano è la sua plasticità neurale, ovvero la capacità di apprendere e modificare i propri percorsi cognitivi per portare a termine compiti sempre più complessi.
Però quando si parla di robot contabili il discorso si complica.
Ti interessa l’argomento? Leggi il nostro articolo specifico:
Delegare all’I.A., quali funzioni, come e quando si deve fare.
PRENOTA
30 MINUTI DI CONSULENZA GRATUITA
Può sembrare complicato delegare il lavoro contabile a un robot, perché innanzitutto un robot non parla esattamente la lingua degli esseri umani, ma questo aspetto non deve scoraggiarci: un robot è perfettamente in grado di apprendere, solo che tramite un sistema cognitivo differente.
Per questo nella tecnologia dei robot contabili Mentally è sempre integrata la capacità di analizzare dei dati e trarre delle conclusioni intelligenti basate sull’I.A., le uniche a consentire di imparare dai propri errori e individuare e replicare i processi specifici di ogni studio, e di ogni collaboratore.
Un risultato tecnologico simile, ovvero personalizzato per studio o azienda, non poteva che essere raggiunto attraverso un certo tipo di Intelligenza Artificiale, unica tecnologia in grado di insegnare a una macchina a tornare sui propri passi e fornire risposte sempre migliori anche su bassi volumi di dati.
La diffidenza principale verso l’apprendimento robotico è tuttavia molta.
La domanda più comune è: ma dopo l’addestramento sui pochi dati in possesso in uno studio, il robot potrà davvero essere al livello di un collaboratore umano esperto?
Se ci riferiamo a tutti i lavori che un commercialista svolge quotidianamente, allora è difficile dare una risposta. Se però ci limitiamo a considerare la contabilità, in particolare, la riconciliazione bancaria, la registrazione fatture, la registrazione dei corrispettivi e l’estrapolazione di dati di processo, la risposta è assolutamente positiva.
Un robot è in grado di apprendere fino a tre volte più rapidamente di un dipendente umano esperto.
Per il robot contabile Mentally Riconcilia, la tecnologia alla base di questo apprendimento è quella del Few-shot learning, ovvero la capacità di imparare anche da casi di nicchia, che grazie a un sofisticato sistema di regole riescono ad essere interpretati, generalizzati e usati dal robot per le sue analisi successive.
Il Few-shot learning è un approccio nell’ambito dell’apprendimento automatico che mira a creare modelli capaci di imparare nuovi compiti o riconoscere nuovi oggetti con un numero molto limitato di esempi. Questo approccio è particolarmente utile in situazioni dove si dispone di dati limitati, che è comune per compiti specifici o quando raccogliere dati aggiuntivi è difficile o costoso.
Questo tipo di apprendimento tramite esempi può essere suddiviso in diverse categorie a seconda del numero di esempi forniti per il nuovo compito:
- One-Shot Learning: Il modello apprende da un solo esempio per ogni nuova classe;
- Few-Shot Learning: Il modello apprende da un piccolo numero di esempi per ogni nuova classe, tipicamente meno di 5-20 esempi;
- Zero-Shot Learning: Il modello cerca di riconoscere nuovi oggetti o compiti senza aver ricevuto alcun esempio specifico, basandosi sulla conoscenza trasferita da compiti simili o correlati.
Immaginiamo di avere un’azienda cliente particolarmente complessa dal punto di vista contabile.
Una di queste fatture potrebbe contenere operazioni in dare e in avere, cosa comune nel caso in cui alcuni fornitori siano anche clienti. Oppure, potrebbe avere un alto numero di RIBA da gestire.
Tecnicamente parlando, per questi casi un algoritmo non è sufficiente.
Ma qui entra in gioco lo straordinario sistema di feedback del robot contabile Mentally Riconcilia.
Mentally Riconcilia fornisce al collaboratore di studio un resoconto completo della riconciliazione bancaria; poi, il collaboratore umano con una semplice occhiata può verificare qualora ci siano degli errori, e segnalarli al robot tramite un comodo foglio di calcolo, verificando solo le caselle “in dubbio” (e quindi senza bisogno di ripercorrere tutto il lavoro del robot una seconda volta).
Anche all’inizio del suo addestramento il margine d’errore del robot Mentally Riconcilia è estremamente basso, ma comunque è possibile che l’operatore umano debba indirizzarlo quando serve.
Ma soprattutto, queste correzioni vengono registrate dal robot come un’indicazione e consentono di apprendere, grazie al suddetto sistema del Few-shot learning.
Mai sentito dire che la forza di Google Gemini o ChatGPT deriva anche dal fatto che siano stati addestrati con un numero così grande di esempi concreti?
È evidente che un’Intelligenza Artificiale addestrata in uno studio di commercialisti non possa essere nutrita di un gran numero di esempi. Proprio per questo gli algoritmi robotici di Mentally Riconcilia sono stati così rivoluzionari per ottenere un robot che aiutasse concretamente nelle pratiche di contabilità quotidiana.
Centinaia di commercialisti in Italia si rivolgono già al robot Mentally Riconcilia, perché promette funzionalità senza precedenti, come:
- La rapidità nello svolgere lavori contabili prima manuali;
- La precisione del sistema di feedback, che consente al robot di apprendere;
- La capacità unica del robot di cliccare pulsanti diversi e schermate diverse: ciò significa che grazie a un complesso sistema di accessi certificati il robot può scaricare i dati dal sito dell’Agenzia delle Entrate e dalle banche, e imputare le registrazioni direttamente nel gestionale;
- La chiarezza e dettaglio delle schermate di analisi dati del robot. Mentally Riconcilia infatti riesce a mostrare qual è il carico di lavoro totale dello studio, e quali collaboratori hanno più carico di lavoro e se lo stanno portando a termine;
- Ha un costo ridotto ma consente un risparmio del tempo di riconciliazione bancaria, che viene diminuito a un terzo rispetto allo svolgimento manuale;
- Il robot Mentally Riconcilia lavora anche di notte quando lo studio è chiuso, consentendo di limitare i picchi di lavoro;
- Mentally ha creato l’unico robot contabile in grado di fornire completa trasparenza al commercialista, evitando l’effetto scatola nera, tanto lamentato quando si parla di altre I.A. sul mercato.
Stiamo parlando di una massimizzazione della produttività senza precedenti.
Nella prossima e ultima puntata di questa newsletter vedremo nel concreto come il robot Mentally Riconcilia possa applicare i propri vantaggi alla contabilità di ogni giorno, e di quella a ridosso delle scadenze fiscali.
E il tuo studio è pronto per un livello successivo di produttività?
Clicca qui sotto per prenotare una call senza impegno con il team Mentally!
PRENOTA
30 MINUTI DI CONSULENZA GRATUITA