Come addestrare i modelli di IA? Inizia con dati strutturati

L'ultimo aggiornamento di addestramento dell'IA di Meta è un promemoria: i modelli più intelligenti nascono con dati più intelligenti

Meta ha appena annunciato una nuova fase di addestramento dell'IA in Europa. A partire da questo mese, i suoi modelli generativi impareranno dai contenuti pubblici condivisi dagli adulti dell’UE su Facebook e Instagram, oltre che dalle interazioni degli utenti con Meta AI.

È un cambiamento significativo, comunicato in modo trasparente e accompagnato da un meccanismo per rinunciare alla condivisione. Ma al di là dei titoli, riflette una verità più profonda che vale per tutti i brand:

L'intelligenza dell'IA è direttamente proporzionale alla qualità dei dati su cui viene addestrata.

E in questo momento l'IA sta diventando un canale di scoperta fondamentale: è lì che i clienti fanno domande e prendono decisioni, spesso senza nemmeno visitare il tuo sito web. Ciò significa che se vuoi comparire nelle ricerche, nelle chat o nelle raccomandazioni basate sull'IA, devi rendere i dati del tuo brand reperibili, affidabili e pronti per l'addestramento.

Cos'è l'addestramento LLM e perché è necessario?

L'intelligenza dell'IA è direttamente proporzionale alla qualità dei dati su cui viene addestrata. L'addestramento è il modo in cui ogni modello linguistico di grandi dimensioni (LLM) impara a operare. Un po' come dare a un bambino migliaia di libri, articoli e conversazioni da leggere e da cui imparare, in modo che un giorno possa scrivere saggi, rispondere a domande o conversare con le persone in modo convincente. Questi modelli, come ChatGPT o l'IA di Meta, non "comprendono" il linguaggio come fanno gli esseri umani, ma apprendono schemi, come le parole e le idee tendono a susseguirsi, analizzando enormi quantità di testo.

Partendo dall’annuncio di Meta, chiediamoci: perché l’azienda vuole addestrare i suoi modelli con i dati degli utenti europei? Le lingue non sono solo parole, includono dialetti, gergo, umorismo, riferimenti culturali e persino modi diversi di esprimere le emozioni. Basti pensare alle differenze tra l'inglese irlandese e l'inglese americano, o a come una barzelletta italiana potrebbe non essere capita allo stesso modo in Svezia. Se un'IA è stata addestrata solo su contenuti degli Stati Uniti, potrebbe non essere efficace nel comunicare con qualcuno in Francia o Germania. Addestrandosi su post pubblici e interazioni di adulti in Europa, l'IA di Meta apprende aspetti come:

• Le diverse lingue e dialetti parlati in tutta Europa.
• Detti locali, umorismo e riferimenti culturali che rendono naturali le conversazioni.
• I modi in cui le persone in diversi Paesi si esprimono online, ad esempio il grado di formalità o che tipo di emoji preferiscono.

Tutto questo permette a Meta AI di rispondere in modo più naturale e rilevante, che tu ti trovi a Lisbona, Varsavia o Helsinki.

Senza esempi regionali, di come le persone parlano, quali domande pongono, cosa è culturalmente rilevante, il modello non può fornire risposte pertinenti a livello locale. Sono necessari più dati. Dati migliori. Dati locali.

Quindi, se ti chiedi come fa un’intelligenza artificiale generativa, che sia Meta AI, Google Gemini o ChatGPT a sapere cosa dire, la risposta è semplice: impara da ciò che trova.

Cosa rende utili i dati del tuo brand per l'IA?

Noi di Yext diciamo: l'IA è il tuo nuovo cliente. E questo cliente sta chiedendo quattro cose:

1. Informazioni pulite e strutturate di cui fidarsi, ad esempio contenuti di più entità, markup schema strutturato, listings, FAQ, dettagli del prodotto, ecc. (tutti dati strutturati).
2. Informazioni coerenti su ogni piattaforma, visibili su centinaia di publisher globali e specifici per l'UE.
3. Dettagli aggiornati che riflettono la realtà del brand, dei prodotti e dei servizi odierni.
4. Contenuti che riproducono fedelmente il modo in cui le persone parlano realmente.

L’IA di Meta (e qualunque altro modello) può essere davvero utile solo se impara da dati che rispecchiano il linguaggio reale e il contesto locale.

Attenzione: l'aggiornamento di Meta è solo un esempio, ma sottolinea una realtà importante: se i tuoi dati non sono strutturati, aggiornati e accurati, l'IA non li utilizzerà e i clienti non vedranno il tuo brand.

Addestra il modello se non vuoi che lo faccia senza di te

Non puoi controllare su che dati si addestrano Meta, OpenAI o qualsiasi altro modello. Però, puoi controllare se il tuo brand fornisce a questi modelli dati utili. Ecco come:

• Aggiungi il markup schema affinché gli strumenti di IA possano interpretare i tuoi contenuti.
• Mantieni sincronizzati i listings e i dati aziendali su tutte le piattaforme utilizzando un grafo di conoscenza.
• Aggiorna regolarmente gli attributi principali come orari, dettagli del servizio, informazioni sul menu, domande frequenti, ecc.
• Scrivi contenuti in linea con il principio E-E-A-T (Expertise, Experience, Authority, Trust), che corrispondono a query naturali e conversazionali. Meglio ancora, se sei un brand con una presenza locale, pensa a "E-E-A-T locale"! Queste sono strategie di contenuto "Thing+Place", in cui il contenuto aiuta a rispondere a domande iper-locali come:

1. Prodotto + Luogo ad esempio "Jeans blu da uomo in Corso Venezia"
2. Servizio + Luogo ad esempio "Servizio di manutenzione di chitarre vicino al centro di Roma" (lo ammetto, sono un chitarrista!)
3. Persona + Luogo ad esempio "Consulente finanziario specializzato in pensioni vicino a Trieste"

Tutto questo rende le informazioni del tuo brand più accessibili, comprensibili e affidabili, il che aumenta le probabilità che vengano usate nelle risposte generate dall’IA.

Input più intelligenti = risultati più intelligenti

L'annuncio di Meta è solo l'ultimo promemoria: un'IA più intelligente deriva da dati più intelligenti.

Man mano che l'IA diventa un canale di scoperta primario, la cosa migliore da fare è strutturare le informazioni in modo che l'IA possa trovarle e comprenderle. O fornisci dati al modello o rischi di rimanere invisibile alla nuova generazione di ricerca.

Il modello si addestra in ogni caso: assicurati che stia apprendendo da te.

Sfrutta al meglio i tuoi dati. Scarica la checklist per prepararti alla ricerca basata sull’IA.