La roadmap sull'intelligenza artificiale per gli operatori: dai prompt ai motori di previsione - Presentata da 4 Elements Hospitality

La maggior parte degli operatori del settore delle attrazioni si divide in due categorie: o non hanno ancora avuto a che fare con l’IA, oppure la utilizzano quotidianamente e si chiedono in silenzio se abbiano costruito su fondamenta instabili o su basi destinate a durare nel tempo. Questa sessione è pensata per entrambe le categorie. 

Inizieremo con la storia dell’IA, che ha origini più lontane di quanto la maggior parte delle persone creda: decenni di progressi graduali, seguiti da un’improvvisa irruzione nella vita quotidiana. È proprio questo andamento il motivo per cui il ritmo non sta rallentando ora 

Poi la mappa degli strumenti per livello: Livello principiante: sapere quale strumento aprire il lunedì mattina per quale compito; Utenti avanzati: cogliere l’aspetto che la maggior parte delle persone tralascia, ovvero il panorama dei modelli stessi: modelli linguistici, modelli di ragionamento, modelli di visione, modelli vocali e modelli di previsione. Ciascuno risolve un problema diverso, e l’errore più comune e costoso in questo settore è indirizzare un chatbot verso un problema di matematica. 

Passiamo ora all’analisi di un progetto reale. La chef Nicole illustra un sistema di previsione basato sull’IA e di procedure operative standard (SOP) che ha guidato un team di sviluppo a realizzare per un’attività nel settore della ristorazione. Una previsione accurata fa la differenza tra indovinare un ordine e la preparazione e conoscerli con certezza. Questa sessione mostra un modello di previsione che svolge questo lavoro in un’attività reale, dando alla direzione più tempo per prendersi cura del proprio personale. 

I partecipanti riceveranno una mappa di selezione dei modelli, un framework per i prompt e un quadro realistico di ciò che comporta effettivamente l’implementazione 

Obiettivi di apprendimento:

1. Identificare cosa esiste oltre ai chatbot, inclusi modelli di visione, modelli di embedding e modelli di previsione, e riconoscere quale problema operativo risolve ciascuno di essi.
2. Applicare un quadro di riferimento per i prompt ripetibile al lavoro quotidiano, in modo che l’output risulti utilizzabile fin da subito, senza doverlo riscrivere.
3. Delineare ciò che serve per trasformare l’IA da un uso occasionale a un sistema operativo, inclusi i dati da cui dipende, il ruolo dell’intervento umano nel processo e i punti di controllo che garantiscono l’affidabilità dei risultati.