Da qualche anno, l’intelligenza artificiale è al centro di un forte hype. Tuttavia, Overflo non sbandiera l’etichetta “AI inside” come sempre più aziende competitor fanno.

Questo non significa che non stiamo investendo o che non siamo pronti a portare soluzioni in ambito IA ai nostri clienti. Il nostro approccio, semplicemente, resta fedele alla nostra natura: è pragmatico e orientato al risultato. Non soffriamo di FOMO (Fear Of Missing Out, la paura di rimanere tagliati fuori), e come abbiamo fatto con blockchain, NFT e metaverso, preferiamo studiare le tecnologie, valutarne il reale valore e capire se, come e dove integrarle nei progetti dei clienti.

Nel campo dell’intelligenza artificiale, riteniamo che molte tecnologie di base siano ormai diventate delle commodities: strumenti accessibili che aziende di sviluppo e integrazione software come Overflo possono utilizzare nei propri progetti. Oggi, non è più cosa costruisci a fare la differenza, ma come lo integri, lo rendi operativo e lo fai funzionare nel contesto giusto.

Pensiamo ad esempio ai Large Language Models: GPT-4, Claude, Gemini e numerose alternative open-source stanno rapidamente colmando ogni gap. In questo scenario, la differenza si gioca tutta sui risultati di business. Ciò che conta è quanto profondamente un sistema si integra nell’ambiente operativo del cliente: flussi di lavoro, strutture dati, linguaggio di dominio.

Il lavoro di un integratore come Overflo, pertanto, non è quello di sviluppare la soluzione IA in sé, quanto piuttosto:

• mappare i flussi di lavoro osservando gli utenti
• codificare le regole aziendali con parametri configurabili
• collegare ogni decisione a metriche di feedback in produzione
• trasformare le soluzioni realizzate da “una tantum” in moduli riutilizzabili

Il principale problema è che, mentre nel software tradizione era relativamente facile mostrare al cliente un’anteprima del prodotto finito, tramite ad esempio i documenti di analisi e i mock-up, nel campo delle soluzioni AI, il cliente investe per ottenere un certo grado di performance o automazione. Ma quei risultati dipendono da dati reali, dall’integrazione e dal tuning.

Le Proof Of Concept IA richiedono integrazione e inserimento dati, logica di orchestrazione, tuning dei prompt e validazione. E ogni fallimento costa settimane di lavoro. Al contrario però, ogni implementazione di successo diventa leva per le successive. In un mondo dove le capacità AI si commoditizzano, l’expertise nell’implementazione diventa il vero vantaggio competitivo e l’unica possibilità di convincere i clienti a investire con fiducia in un fornitore prima di poter vedere risultati concreti.

È la direzione in cui sta lavorando Overflo: creare dei case studies di successo per le future implementazioni.