Signal AI apre External Intelligence Graph per l’uso aziendale
Il mondo è inondato di notizie e questa è una sfida per qualsiasi impresa. Alcuni eventi sono come terremoti che scuotono il modello di business e che l’azienda si reinventa. Altri sono irrilevanti. Alcuni danneggeranno i concorrenti e altri aiuteranno tutti nello stesso segmento di business. Ma come si può sapere qual è quale? Come si può individuare i momenti mentre si stanno svolgendo?
Questa è la sfida che Signal AI, società di pubbliche relazioni e comunicazione basata sull’intelligenza artificiale (AI) , mira ad affrontare. La scorsa settimana, ha lanciato il suo nuovo External Intelligence Graph, una struttura di dati che tiene costantemente traccia degli eventi maggiori e minori che attraversano lo zeitgeist ogni giorno. Il sistema è un modello di linguaggio naturale in continua evoluzione che tiene traccia del modo in cui vengono discusse le aziende e gli argomenti.
L’investimento di Shutterfly nell’intelligenza artificiale e nei dati stimola la creatività e la fedeltà dei clienti
“Vuoi anche poter dire che, dal punto di vista della reputazione, la tua azienda sta facendo un ottimo lavoro, ma se non è effettivamente ciò che vedono le persone esterne, beh, probabilmente è qualcosa su cui è necessario lavorare”, ha affermato Clancy Childs, il chief product officer di Signal AI.
Reimmaginare l’attività di PR come “normale”
L’azienda è iniziata nove anni fa come sforzo di monitoraggio dei media per raccogliere dati dalle fonti di notizie e dai social media. Era in gran parte mirato a parole chiave e ha scoperto che esisteva un mercato pronto per le aziende che avevano bisogno di pensare in modo strategico alla propria immagine.
Il nuovo annuncio mostra alcuni risultati del recente round di raccolta fondi da 50 milioni di dollari della società lo scorso dicembre. A quel tempo, Highland Europe insieme a Redline Capital, MMC, Hearst e GMG Ventures hanno investito per costruire meccanismi migliori per quello che chiamavano “aumento decisionale”.
L’External Intelligence Graph è emerso dagli sforzi dell’azienda per sfruttare le capacità dei nuovi algoritmi emergenti dall’apprendimento automatico (ML). Il team di Signal AI voleva pensare ai dati di testo come più di un flusso di caratteri da cercare, ma piuttosto come una raccolta di entità con relazioni tra loro che possono essere tracciate e misurate.
“Non seguiremo un approccio in cui facciamo scrivere alle persone enormi query basate su parole chiave per cercare di disambiguare le cose”. ha spiegato Childs. “Utilizzeremo effettivamente l’elaborazione del linguaggio naturale, la risoluzione delle entità e tutti questi fantastici giocattoli, in modo efficace per rendere più facile per le persone. Non voglio scrivere una query lunga una pagina per spiegarti cos’è Apple Computer. Voglio solo essere in grado di cercare Apple come entità addestrata dall’IA”.
Tendenze del settore
Signal AI sta vendendo i suoi servizi sia alle aziende che vogliono tenere d’occhio le notizie stesse, sia agli investitori che desiderano aiutare a scegliere potenziali investimenti. Alcuni clienti sono professionisti come i responsabili delle comunicazioni che mirano a tenere traccia delle menzioni della propria azienda e dei loro concorrenti. Altri vogliono semplicemente capire quali aziende hanno successo e quali falliscono nel mondo dell’opinione pubblica, per assicurarsi che i loro investimenti siano solidi.
Questi grandi modelli ed eventi linguistici stanno diventando sempre più comuni. Secondo quanto riferito, Google utilizza il suo ampio modello interno del linguaggio e del mondo per guidare il modo in cui classifica le risposte per il motore di ricerca. Facebook e Twitter vendono essenzialmente la conoscenza degli utenti attraverso il mercato pubblicitario, consentendo agli inserzionisti di selezionare un pubblico in base ai loro interessi.
Microsoft e Nvidia hanno recentemente pubblicizzato il loro modello di grandi dimensioni, Megatron-Turing NLG 530B , un immenso modello di linguaggio che ha 530 miliardi di parametri disposti in 105 strati. Questo è stato il culmine di un progetto di ricerca, ma entrambe le aziende stanno integrando risultati simili nei loro prodotti a molti livelli.
Alcuni stanno iniziando ad aprire questi grandi sistemi ai clienti. Microsoft aiuta le aziende a creare sistemi di classificazione e raggruppa anche modelli predefiniti in uno strumento per lavori come l’ordinamento e la classificazione delle immagini. Google’s Cloud offre l’API del linguaggio naturale in grado di rilevare entità e analizzare il sentimento nei testi grezzi.
Sotto il cappuccio
Il nuovo External Intelligence Graph sposa algoritmi simili con un’ampia raccolta di articoli di notizie che Signal AI ha accumulato nel corso degli anni. Alcuni provengono da fonti autorizzate come LexisNexis e altri vengono raccolti dal Web aperto tramite scraping o altre tecniche.
Signal AI sta vendendo il suo servizio attraverso un’interfaccia web e, per alcuni clienti avanzati, un’API. Stanno permettendo alle aziende di addestrare modelli di base di ciò che vogliono monitorare, quindi popolerà una dashboard sia con i risultati di ricerca diretta, sia con informazioni su come sta cambiando il sentiment.
“Il nostro grafico sull’intelligence esterna prende il fiorente contenuto non strutturato del mondo e lo trasforma in informazioni fruibili per aumentare le decisioni aziendali odierne, fornendo alle organizzazioni un nuovo tipo di intelligence critica immediata”. ha affermato Luca Grulla, il CTO di Signal AI, “Siamo in grado di fornire un tipo completamente nuovo di dati attraverso il nostro esclusivo External Intelligence Graph e ci aspetta un nuovo entusiasmante capitolo nello sfruttamento dei dati non strutturati”.
Mentre i risultati grezzi della ricerca possono essere utili, le informazioni più utili possono derivare dall’osservazione dell’evoluzione del grafico dell’intelligenza esterna. Cioè, alcune aziende guadagnano o perdono nelle menzioni con un sentimento positivo. Oppure le aziende si avvicinano ad alcuni argomenti nel tempo.
Childs ha offerto un esempio dell’azienda Tesla. Un tempo, il suo nome nel grafico potrebbe essere strettamente connesso ai veicoli elettrici. Ultimamente, però, quando appariranno notizie sui suoi algoritmi di guida autonomi, si avvicinerà a quelle entità.
“Questo tipo di connessioni e relazioni tra queste entità e argomenti rende più facile per le aziende interessate a gestire la propria reputazione e identificare la propria posizione rispetto ai propri obiettivi”, ha affermato Childs.
Il lavoro per i manager dell’azienda è solo diventato più complicato poiché alcuni investitori e clienti hanno iniziato a chiedere una migliore contabilità per obiettivi non monetari come la gestione ambientale. Calcolare i profitti è semplice. Tenere traccia dei progressi verso la costruzione di un marchio affidabile, tuttavia, è più difficile.
“[Molte aziende] non sono più solo interessate all’unica linea di fondo di ‘Stiamo realizzando abbastanza profitti?'”, ha spiegato Childs. “Questo fornisce loro metriche di reputazione quantificabili su cose come ESG [ambientali, sociali e di governance] che sono molto utili per le aziende che stanno cercando di gestire il loro tipo di capitalismo degli stakeholder e le responsabilità ESG”.
