Da sapere in breve
- CLM AI confronta una situazione con azioni già proposte e indica quella che sembra più adatta.
- Se l’acqua bolle e dobbiamo fare la pasta, l’azione giusta è mettere la pasta nell’acqua, non spegnere il fuoco.
- CLM valuta e ordina le opzioni: un altro componente del software deve eseguire l’azione, se autorizzato.
- Gli autori dichiarano una latenza fino a nove volte più bassa in alcuni test specifici; non è una prestazione garantita in ogni situazione.
- Se sei un cliente redomino, possiamo accompagnarti.
Valutiamo insieme quali decisioni del tuo lavoro potrebbero beneficiare di un’automazione.
Se sei un cliente redomino, possiamo accompagnarti.La pentola bolle. La pasta aspetta. E qualcuno propone di spegnere il fuoco.
È una decisione, certo. Ma non è quella giusta: se stiamo preparando la pasta, l’azione sensata è metterla nell’acqua. Sembra una sciocchezza raccontata a nostra nonna; invece, aiuta a capire una nuova famiglia di modelli di intelligenza artificiale.
Si chiama CLM e il suo compito non è fare conversazione. È confrontare una situazione con alcune possibili azioni e indicare quale scegliere. Il progetto è arrivato pochi giorni dopo JEV, il modello che decide e fa agire i software, di cui abbiamo già parlato nell’Osservatorio.
Che cos’è CLM AI, in parole semplici
CLM sta per Contrastive Language Model, cioè “modello linguistico contrastivo”. La prima versione pubblica si chiama CLM-8B. Gli autori la descrivono come un modello System One: un sistema progettato per valutare rapidamente una situazione e le azioni possibili.
La parola tecnica più utile da ricordare è “possibili”. Un’applicazione deve presentare al modello le alternative da confrontare. CLM assegna loro un punteggio e le mette in ordine: non inventa una lista infinita di cose da fare e non compie materialmente l’azione.
La pentola bolle: si mette la pasta, non si spegne il fuoco
Torniamo in cucina. L’acqua bolle e dobbiamo scegliere fra tre azioni:
- mettere la pasta nell’acqua;
- spegnere il fuoco;
- togliere la pentola dai fornelli.
Un assistente generativo potrebbe spiegarci come funziona l’ebollizione o raccontarci la storia della pasta. CLM, invece, confronta le opzioni con la situazione descritta e dovrebbe indicare la prima: mettere la pasta nell’acqua.
Questo esempio mostra anche un limite importante: il modello può scegliere bene solo se riceve una descrizione chiara e alternative sensate. Se tra le opzioni non c’è quella giusta, non può tirare fuori una soluzione magica dal cappello. E se il software è autorizzato a eseguire la scelta, servono regole e controlli adeguati: CLM valuta, un altro componente del sistema esegue.
Un esempio di lavoro: a chi va questa email?
Immaginiamo che arrivi un messaggio: “Mi avete addebitato due volte la stessa fattura e nessuno mi risponde.”
Il sistema può sottoporre a CLM alcune domande: a quale reparto va assegnato? È urgente? Richiede l’intervento di una persona? Tra le alternative “commerciale”, “amministrazione”, “assistenza tecnica” e “spam”, il modello può indicare “amministrazione” e segnalare che il messaggio merita attenzione.
Il vantaggio possibile è semplice: smistare più in fretta tante piccole decisioni ripetitive, lasciando alle persone i casi delicati o poco chiari. È un tassello che potrebbe affiancare gli agenti AI e gli strumenti che possono usare.
CLM e JEV: simili nell’obiettivo, diversi nei dettagli
JEV e CLM appartengono a una nuova categoria di strumenti che aiuta un software a scegliere fra alternative. Il progetto CLM offre un’interfaccia tecnica compatibile con quella di TypeSafe. Questo può semplificare il confronto tecnico, ma non significa che i due prodotti siano identici.
Gli autori di CLM dichiarano risultati comparabili a JEV in prove di uso del computer, videogiochi e scelta degli strumenti, con una latenza — il tempo che il sistema impiega a rispondere — fino a nove volte più bassa in alcuni scenari. È un massimo riportato dal progetto, non una promessa valida per ogni attività né una misurazione indipendente di Redomino. La velocità dipende dal test, dall’hardware e da quante volte si possono riutilizzare calcoli già fatti.
Quindi JEV non è diventato “preistoria” in otto giorni. È più corretto dire che è arrivato un altro progetto da osservare: CLM punta a rendere disponibile un’alternativa aperta e veloce per questo tipo di decisioni.
Che cosa vuol dire che CLM è aperto
Il progetto pubblica il codice e i pesi del modello con licenza Apache 2.0. In questo contesto, i “pesi” sono i dati interni che il modello ha imparato durante l’addestramento: poterli scaricare permette agli sviluppatori di provare a far funzionare CLM su una propria infrastruttura, senza chiamare per forza un servizio esterno.
“Aperto” non significa però “pronto per tutti con un clic”. Per installarlo e collegarlo ai propri programmi servono competenze tecniche, risorse di calcolo e un lavoro accurato di prova. Il codice e i pesi disponibili rendono possibile sperimentare; non eliminano questi passaggi.
Dove potrebbe aiutare un’azienda
Le applicazioni interessanti sono quelle in cui il sistema deve scegliere spesso fra alternative definite in anticipo:
- Assistenza clienti: assegnare una richiesta al reparto giusto e riconoscere i messaggi urgenti.
- Commercio elettronico: distinguere domande su pagamenti, spedizioni, resi e prodotti.
- Gestione dei contatti: smistare le richieste nel software CRM, cioè il programma che aiuta a organizzare i rapporti con clienti e potenziali clienti.
- Documenti: indirizzare una fattura, un contratto o una richiesta verso il flusso di lavoro appropriato.
- Agenti AI: scegliere quale strumento usare in un determinato passaggio, quando le alternative sono state predisposte.
Non vuol dire che ogni decisione vada automatizzata. Se una scelta può incidere su una persona, un pagamento o un rapporto con un cliente, occorre stabilire in anticipo quando chiedere una verifica umana.
La novità è un nuovo pezzo, non una bacchetta magica
Per anni abbiamo pensato all’intelligenza artificiale come a una casella in cui fare una domanda e ricevere un testo. Poi sono arrivati sistemi capaci di usare strumenti. Modelli come CLM provano a occuparsi di un altro passaggio: scegliere rapidamente quale azione, fra quelle disponibili, ha più senso in quel momento.
Il modello generativo resta utile quando serve scrivere, spiegare o ragionare su una richiesta complessa. CLM può essere utile quando il compito è più circoscritto. In un processo aziendale potrebbero lavorare insieme, ciascuno per la parte che sa fare meglio.
E torniamo alla nonna: se l’acqua bolle e la cena è la pasta, non serve un trattato sull’ebollizione. Serve individuare il passaggio giusto: buttare la pasta, non spegnere il fuoco.
Domande frequenti su CLM AI
Che cosa significa CLM?
Significa Contrastive Language Model, cioè modello linguistico contrastivo. CLM-8B è il nome della prima versione pubblica del progetto.
CLM è un chatbot come ChatGPT?
No. È pensato soprattutto per confrontare una situazione con azioni o risposte già candidate. Non nasce per sostenere una conversazione aperta o scrivere testi lunghi.
CLM decide da solo che cosa fare?
Valuta le opzioni che l’applicazione gli presenta e indica quella che considera più adatta. Per compiere un’azione serve un altro software collegato e autorizzato a farlo.
CLM è più veloce di JEV?
Il team di CLM dichiara una latenza fino a nove volte inferiore in alcune prove. È il risultato massimo riportato dagli autori, non una velocità garantita in ogni situazione.
Si può installare sui propri server?
Il codice e i pesi sono disponibili con licenza Apache 2.0, quindi gli sviluppatori possono provarlo sulla propria infrastruttura. Servono comunque installazione, risorse di calcolo e integrazione tecnica.
CLM può sbagliare la scelta?
Sì. Può ricevere informazioni incomplete, alternative formulate male o una situazione diversa da quelle viste durante l’addestramento. Per i casi importanti servono test, limiti chiari e controlli umani.
Qual è la differenza più semplice fra un modello generativo e CLM?
Un modello generativo produce una risposta o un contenuto. CLM confronta opzioni fornite dal sistema e aiuta a selezionare quella più adatta.
Il punto di vista di Redomino
Per molte realtà medio-piccole, secondo noi il gioco non vale ancora la candela. CLM propone un approccio interessante, ma il tempo e le competenze necessari per installarlo, configurarlo e integrarlo nei processi aziendali rischiano oggi di pesare più dei benefici ottenibili.
Quando sarà più semplice da adottare, potrebbe diventare un componente utile da affiancare agli altri strumenti. Resta però una domanda: quando CLM sarà più accessibile, a che punto saranno arrivate le soluzioni che utilizziamo già?
Nel frattempo, potrebbero aver integrato funzioni decisionali simili, disponibili direttamente nei programmi con cui lavoriamo ogni giorno. Gli agenti AI, del resto, affrontano già la scelta fra azioni e strumenti: con meccanismi diversi da CLM, ma rispondendo in parte alla stessa esigenza.
Per questo consideriamo CLM un progetto da seguire con interesse, valutando con attenzione il momento in cui adottarlo. Per un’azienda, soprattutto se piccola, la domanda resta molto concreta: quanto lavoro permette di risparmiare, rispetto a quello necessario per metterlo in funzione e mantenerlo operativo?
Fonti
Concediti un momento redomino
Un nuovo modello non cambia un processo aziendale da solo. La domanda utile è capire quali decisioni ripetitive vale la pena semplificare e quali devono restare sotto il controllo di una persona.
Concediti un momento Redomino: possiamo ragionare insieme su automazioni e intelligenza artificiale adatte alla tua attività.
