Numeri, tabelle e codici. Spesso leggere un dataset non è un’operazione così semplice se non è il nostro principale compito. Ma tool di AI generativa possono aiutarci a leggere dati che altrimenti rimarrebbero a noi sconosciuti.

L’intelligenza artificiale generativa continua a crescere, sulla scena arrivano nuovi tool e nuove funzionalità utili a velocizzare e semplificare il nostro lavoro quotidiano. Una delle funzionalità su cui questi tool performano meglio è sicuramente l’analisi dei dati e l’estrazione di entità da grandi quantità di contenuti.

Lo si nota subito mettendo a confronto la risposta data da ChatGPT a un prompt in cui si chiede creatività nella creazione di un testo e una risposta ad un prompt su un calcolo matematico o un’estrazione di un dato da una tabella.

Ma quando può essere utile analizzare un dataset pubblico?

Prendiamo il caso di un dataset Eurostat per conoscere le competenze digitali dei paesi europei, il loro avanzamento nel tempo e le differenze tra paesi. Estrarre questi dati può essere utile in diversi casi: motivi di ricerca, scrittura di comunicato stampa o un contenuto divulgativo, completezza dell’informazione in una campagna di comunicazione, semplice curiosità.

Tanti possono essere i motivi che ci spingono ad accedere ai dati nel nostro lavoro. Estrarli, però, non è sempre semplice. Vediamo allora come ci può aiutare l’IA generativa, nello specifico la funzione “Analisi” di ChatGPT 4.

Come passiamo, ad esempio, da questo dataset a scrivere un comunicato stampa? Chiediamo a ChatGPT di analizzare per noi il dataset e di trovarci i dati di riferimento per l’Italia. Per maggiore sicurezza e controllo (perché ricordiamoci che le possibilità di errore ci sono sempre) chiediamo a ChatGPT anche di indicarci le righe del file Excel in cui ha trovato i dati richiesti.

A questo punto, noterete che con gran velocità e un’alta precisione vi fornirà i dati richiesti. È interessante notare come l’IA vi fornisce anche una breve spiegazione di come leggere il dataset, per fare un po’ di formazione oltre la semplice richiesta.

Per scrivere un prompt efficace, è sempre importante fornire un contesto, un’indicazione chiara di ciò che vogliamo sapere e il formato in cui vogliamo la risposta sia restituita. La differenza come nell’esempio di seguito tra il primo prompt e il secondo, in cui forniamo a ChatGPT il titolo del dataset, è chiara. Nel secondo caso l’IA è riuscita a fornisci anche una spiegazione dei dati ancora più specifica.

Utilizzare la funzione “analisi” dell’IA generativa può tornarci utile per accedere ad una conoscenza basata su dati non sempre chiara. Non dimentichiamoci però del workflow a tre fasi.

Perché un workflow a tre fasi con l’IA?

La “delega alla macchina” non deve essere fine a se stessa. Ma dovrebbe rientrare in nuovo processo lavorativo composto da tre fasi (persona–IA–persona) in cui viene esclusa la totale automazione, in particolare nei flussi come la ricerca e la creazione di contenuti. Una delega a due fasi rischierebbe di portare la persona verso un’eliminazione del pensiero critico e una capacità di approfondimento, nonché di connessione che non può lasciare spazio solo alla sintesi.

Leggere un dataset non è chiaramente sintetizzabile solo a queste poche battute, ma perché non iniziare proprio da qui con l’aiuto dell’IA?