Il CRM senza golden record ha dati duplicati, un ERP sotto migrazione che presenta un’inconsistenza, un datawarehouse a cui fallisce un consolidamento.
Senza una logica adeguata tutte le automazioni costruite su questi dati falliscono.
Due anni fa non sarebbe stato un problema — era tutto per lo più manuale o automatizzato tramite lavoro batch.
Ma ora ci sono gli agenti, automatici, sempre attivi. Quindi se il dato diventa inconsistente: big problemz(!).
Come lo risolve il problema un agente che non è in grado di ragionare su contraddizioni? Non lo risolve. Crolla.
C’è una via d’uscita
Questa settimana ho letto un paper di logica formale che affronta esattamente questo problema, e lo fa in un modo che trovo utile anche fuori dall’accademia.
L’idea centrale è semplice: evidenza e verità sono due cose diverse.
Tramite l’evidenza posso avere indizi che puntano in una direzione, e queste informazioni sono comunque parzialmente utilizzabili anche in presenza di un’evidenza contraria.
Per evitare che il sistema collassi perché i dati sono contraddittori, i ricercatori hanno costruito una logica basata su un “timbro di classicità”: questo, applicato a una proposizione logica, dice che quell’informazione è affidabile e che si può ragionare con la normale logica if-then-else.
Senza quel timbro, invece, il sistema gestisce l’incertezza riducendola fino a ricondurla a una situazione logica classica.
L’algoritmo che termina
I ricercatori hanno anche dimostrato che esiste sempre un algoritmo che termina con una risposta “classica”: decidibile, automatizzabile.
Perché mi interessa come dirigente nel mondo della tecnologia per il marketing?
Perché stiamo costruendo sistemi AI e di automazione su fondamenta logiche che non sempre reggono il mondo reale e la frammentazione dei dati nelle aziende.
Questo garantisce che grazie a questo algoritmo gente come me potrà costruire automazioni anche su dati che non sono sempre puliti e con fonti che presentano inconsistenze.
Tutto eventualmente diventerà decidibile per un LLM, e ora è la logica a garantirlo.
La mossa strategica
Chiunque stia progettando motori di regole, knowledge graph, o sistemi di inferenza su dati aziendali dovrebbe leggere questo paper di Google Deepmind al più presto: https://lnkd.in/dmvDzKqb
Non vi sto dicendo di andare a diventare luminari di logica paraconsistente, ma solo che da oggi potete smettere di fingere che i vostri dati siano coerenti per far contento un batch job.
Non appena questo teorema verrà importato nelle logiche decisionali degli LLM i vostri tool cambieranno e saranno in grado di trattare gran parte delle inconsistenze a prescindere che il problema rimanga o meno.
Enjoy. 😈
Commenti