00:00:00 Il declino dei consulenti tradizionali
00:02:33 Problemi con infomercial orientati dai fornitori
00:05:05 Problemi con le demarcazioni dei quadranti
00:07:11 Report che non mettono in discussione le affermazioni dei fornitori
00:09:30 Importanza dei meriti tecnici
00:11:11 Fornitori AI che migliorano la ricerca approfondita
00:13:22 Agenti AI organizzano la ricerca sul web
00:15:36 Migliorare i LLM con le istruzioni
00:17:27 Affermazioni esagerate avvantaggiano fornitori e clienti
00:19:55 Classifica dei report LLM basata sulla validità delle prove
00:21:56 Generazione rapida di report dettagliati
00:23:21 I LLM superano i consulenti in conoscenza tecnologica
00:26:03 Precisione nella ricerca utilizzando i LLM
00:28:09 Fornitori che offrono visioni di mercato neutrali
00:30:46 Sfide dei dati spazzatura nei LLM
00:33:51 Vantaggi dei LLM nella ricerca software
00:36:19 Prompt influenzati dal bias minano l’oggettività dei LLM
00:39:35 Imparare rapidamente le tecniche di prompting
00:42:15 Riduzione del rischio di disinformazione
00:45:21 Efficienza negli studi di mercato rapidi
00:47:37 Consulenti come partner aziendali
00:50:40 La competenza dei consulenti supera i bias
00:52:07 L’addestramento AI migliora le prestazioni
00:54:51 I dirigenti preferiscono analisi chiare e ben scritte
00:57:27 L’AI riduce tempo e costi nella ricerca
00:57:55 L’intervista termina con gratitudine
Sommario
In una conversazione su LokadTV, Conor Doherty e Joannes Vermorel discutono di market research in supply chain management, criticando le metodologie tradizionali ed esplorando il ruolo trasformativo dell’intelligenza artificiale e dei Large Language Models (LLMs). Vermorel sfida i bias presenti nella ricerca di mercato convenzionale, influenzata dagli interessi dei fornitori, e loda la capacità dell’IA di fornire report completi e imparziali. Il dialogo sottolinea la promessa dell’IA di fornire rapidamente approfondimenti dettagliati rispetto agli approcci tradizionali, nonostante le preoccupazioni sulla qualità dei dati e sul bias tecnologico. Vermorel e Doherty riflettono sulla potenziale obsolescenza delle società di consulenza tradizionali, sostenendo collaborazioni innovative tra l’IA e l’expertise umana per ridefinire l’intelligenza supply chain.
Sommario Esteso
In un recente dialogo ospitato su LokadTV, Conor Doherty, Direttore della Comunicazione di Lokad, si confronta con Joannes Vermorel, CEO e Fondatore di Lokad, per analizzare le complessità che riguardano la ricerca di mercato nel campo del supply chain management. Questa conversazione coinvolgente si concentra sulle metodologie tradizionali di ricerca di mercato, sul ruolo trasformativo dell’IA, in particolare dei Large Language Models (LLMs), e sul panorama in evoluzione per i fornitori di software e i consulenti.
Doherty apre il discorso affrontando gli eterni dilemmi che le aziende affrontano nel selezionare i fornitori di software, osservando le insidie potenziali generate dai conflitti di interesse con i provider di software. Vermorel critica gli approcci convenzionali alla ricerca di mercato, evidenziando come gli incentivi finanziari spesso distorcano i report a favore dei fornitori di software aziendale. Tali report sono tipicamente afflitti da carenze a causa della mancanza di una profonda competenza degli analisti, concludendosi in analisi che non sono né approfondite né soddisfacenti.
Doherty cerca di capire se la critica di Vermorel risuona ampiamente all’interno del settore. Vermorel sottolinea che i principali report di ricerca di mercato spesso non riescono a fornire approfondimenti significativi sui panorami competitivi, caratterizzati da analisi deboli che servono unicamente a diffondere narrazioni parziali a favore dei fornitori. Questa critica si estende agli strumenti popolari di valutazione del mercato, come i quadranti, che, secondo Vermorel, sono superficiali e privi di intuizioni visionarie, ad eccezione di casi come Brightwork.
Discutendo ulteriormente di Brightwork, Vermorel attribuisce al suo approccio distintivo l’impiego di veri ingegneri del software che valutano in modo indipendente le complesse soluzioni aziendali, mantenendo l’immunità dai bias dei fornitori. Successivamente l’attenzione si sposta sul potenziale dell’IA di cambiare radicalmente la ricerca di mercato, portando Doherty a domandare in che modo l’IA, in particolare i LLM, affronti le sfide esistenti. Secondo Vermorel, i progressi nell’IA ora supportano analisi asincrone, favorendo report completi che superano le precedenti iterazioni dei LLM.
Vermorel dipinge un quadro dei LLM come strumenti efficaci ed efficienti, in grado di identificare le affermazioni dei fornitori supportate da prove mentre scarta quelle meno fondate. Doherty ribadisce i vantaggi di questa propensione dell’IA attraverso la creazione semplice di prompt, che genera approfondimenti di mercato sorprendentemente dettagliati. Vermorel esalta le virtù della ricerca guidata dall’IA—esecuzione a velocità fulminea, ricerche economiche scalabili, un tempo impensabili per le aziende tradizionali.
Tuttavia, pur riconoscendo le promettenti capacità dell’IA, sia Doherty che Vermorel ammettono il bias tecnologico intrinseco in questi strumenti digitali, in contrasto con le insidie degli studi di mercato condotti da analisti inesperti. L’IA, sostengono, racchiude una comprensione ampia, producendo così report più completi, a differenza dei metodi limitati dalla specializzazione umana.
Doherty si avventura in uno scenario riguardante i sistemi di aviazione, esplorando come il feedback dei fornitori integrato nei prompt dei LLM possa migliorare la ricerca di mercato pertinente alla gestione seriale delle scorte. Vermorel approfondisce il potenziale di personalizzare i risultati basandosi sulle intuizioni dei fornitori, evidenziando come caratteristiche indispensabili come il monitoraggio delle singole unità possano diventare punti focali all’interno di report economici guidati dall’IA.
Sorgono preoccupazioni riguardo alla qualità dei dati in ingresso che influenzano i risultati dei LLM. Vermorel afferma che anche dati di scarsa qualità possono produrre risultati validi grazie alla capacità dei LLM di esaminare e confrontare le informazioni esistenti. Squadre di ingegneria superiori, sostiene, inevitabilmente producono contenuti online migliori, orientando favorevolmente le valutazioni dei LLM. Nonostante i potenziali bias, le capacità rapide e iterative dell’IA offrono dettagli ricchi più velocemente rispetto ai metodi tradizionali.
La discussione introduce l’affidabilità dei LLM nonostante le preoccupazioni sulle imprecisioni dovute a “allucinazioni”, spingendo Vermorel a chiarire che, sebbene possano verificarsi errori nei fatti, il recupero di informazioni online assistito dai LLM consente a questi strumenti di superare gli errori umani durante ricerche più approfondite.
In esaminare la ridondanza delle società di consulenza di mercato, Vermorel sostiene che molte aziende potrebbero diventare obsolete a meno che non ridefiniscano la loro competenza tecnica oltre l’IA—che rimane rara e costosa. Tuttavia, l’elemento umano insostituibile che i consulenti offrono nel supporto aziendale rimane una considerazione fondamentale.
Doherty mette in discussione la legittimità della competenza delle società di consulenza, accennando alle esagerazioni storiche. Vermorel riconosce l’esistenza di esperti, seppur pochi, che si confrontano con l’ampiezza necessaria per valutare accuratamente i diversi software aziendali. Egli mette in dubbio il realismo di aspettarsi che i consulenti padroneggino coerentemente domini così vari.
Rivolgendosi a collaborazioni innovative che sfruttano il potenziale dell’IA, Vermorel commenta la discordanza tra le capacità dell’IA e gli attuali modelli di business della consulenza, in cui i workflow rapidi, guidati dall’IA, sovvertono i tradizionali flussi di entrate. Doherty riflette sul favore duraturo che le aziende riservano ai marchi consolidati rispetto all’eccellenza tecnica, illustrando la distinzione strategica tra le consuete vie del successo e le emergenti alternative guidate dall’IA.
Il dialogo torna a incentrarsi sulla comunicazione efficace, con Vermorel che sostiene la sperimentazione di ricerche guidate dai LLM. Sebbene questi approfondimenti condotti dall’IA offrano un potenziale efficiente e di riduzione dei costi, Vermorel ammette che anche le metodologie tradizionali hanno un valore, in particolare nei contesti di ricerca avversaristica dove si esaminano a fondo le affermazioni.
Concludendo con una nota di gratitudine e apprezzamento riflessivo, Doherty chiude l’episodio, ringraziando Vermorel per aver condiviso i suoi profondi insight. In mezzo alle mutevoli correnti nei panorami della ricerca di mercato, le prospettive di Vermorel invitano a una riflessione stimolante sull’integrazione del potenziale trasformativo dell’IA con i tradizionali framework di analisi incentrati sull’uomo, segnando un’era di possibilità pronte a ridefinire l’intelligenza supply chain.
Trascrizione Completa
Conor Doherty: Bentornati su LokadTV. Individuare il fornitore di software giusto per voi è complicato e spesso richiede molta ricerca di mercato. Storicamente, i consulenti di mercato hanno aiutato le persone a navigare in questo terreno difficile.
Joannes Vermorel: Sfortunatamente, secondo Joannes Vermorel, non solo esistono innumerevoli potenziali conflitti di interesse, ma grazie ai progressi dell’IA, ciò potrebbe non importare affatto, perché l’era del consulente di mercato potrebbe essere ormai giunta e andata.
Conor Doherty: Ora, come sempre, se volete supportare quello che facciamo qui, mettete mi piace al video, seguiteci su LinkedIn e iscrivetevi al nostro canale YouTube. E con questo, vi presento la conversazione di oggi sulla ricerca di mercato supply chain con Joannes Vermorel. Quindi, Joannes, grazie per esserti nuovamente unito a me.
Abbiamo discusso in modi indiretti, abbiamo parlato in precedenza dell’efficienza e persino dell’etica della ricerca di mercato tradizionale, e mi sembra che tu abbia espresso una notevole dose di scetticismo, per usare un eufemismo. Ora, prima di approfondire come l’IA potrebbe influenzare il futuro della ricerca di mercato supply chain, puoi fare una panoramica dei problemi che hai con l’attuale stato della ricerca di mercato?
Joannes Vermorel: Ah, quindi suppongo che abbiamo tre ore per addentrarci nel buco del coniglio, o per usare un’altra analogia, una matrioska—sapete, hai un problema, lo apri, e poi c’è un altro problema all’interno, e un altro ancora, e continui a svelare sempre più problemi.
Piuttosto che “tradizionale”, penso userò il termine “ricerca di mercato mainstream”, ed è altrettanto disfunzionale come tutte le altre. Quali sono i grandi problemi a un livello molto alto? Abbiamo incentivi completamente fasulli. In breve, le società di ricerca di mercato sono pagate dai fornitori. I loro incentivi sono naturalmente orientati a fare ciò che è meglio per i loro clienti, e al giorno d’oggi, direi, almeno il 90% dei loro clienti sono fornitori di software aziendale.
Conor Doherty: Quindi, dici che ci sono clienti diretti e indiretti. Stai dicendo che la stragrande maggioranza delle loro entrate proviene dai fornitori?
Joannes Vermorel: Sì, non da aziende che cercano consulenza. In questa situazione, ti ritrovi con infomercial. Di nuovo, se quasi tutti i ricavi provengono dai fornitori del settore enterprise, allora li stai servendo; non importa, gli incentivi sono semplicemente troppo forti. Questo, direi, è il problema a un livello molto alto.
Prima di tutto, il fatto è che l’analista medio non è particolarmente esperto in tecnologia software. Inoltre, ci sono molti altri problemi, ma questi sono davvero gli estremi. Abbiamo incentivi sbagliati nelle mani di persone che, in definitiva, mancano di competenze, esperienza e anche di una comprensione di base del software, e di conseguenza ottieni documenti molto deludenti. In sintesi, questo è ciò che non va nella ricerca di mercato mainstream.
Conor Doherty: Questo riguarda solo te, o pensi che sia una visione abbastanza comune al giorno d’oggi?
Joannes Vermorel: Penso che persone come me, con esperienza come software vendor, abbiano visto i sistemi da un punto di vista interno. Direi di essere generalmente d’accordo. Non credo che nessuno dei miei colleghi guardi quei report e pensi: “Oh, è molto interessante; ho scoperto qualcosa di rilevante sul mio pari.” Se la ricerca di mercato fosse fatta correttamente, sarebbe estremamente interessante analizzare i propri concorrenti.
La mia opinione è che il livello di analisi, anche per le più grandi società di ricerca di mercato, sia inferiore a quanto mi aspetterei da un tirocinante di Lokad. È scarso; è veramente scarso.
Conor Doherty: Stai parlando, per esempio, dei quadranti e della loro demarcazione, come: “Questo è un leader, quest’altro non lo è.”
Joannes Vermorel: Sì, e ancora, ciò riflette, come dicevo, un problema a matrioska, alla base di chi finisce per scrivere quei report. Questi report non sono prodotti da visionari o persone di talento incredibile, ma da chi si comporta come un giornalista—in senso negativo—nel campo delle tecnologie software enterprise.
Conor Doherty: Beh, sembra che sin dall’inizio più cose possano essere vere contemporaneamente. Ad esempio, potresti avere consulenti i cui clienti diretti sono fornitori che raccomandano quegli stessi fornitori, ma quei fornitori potrebbero comunque essere le migliori soluzioni sul mercato. Quindi, stai dicendo che lo stato della ricerca è terribile e i risultati pessimi a causa dei conflitti di interesse?
Joannes Vermorel: Sì, ma sfortunatamente la lista dei problemi è davvero lunga. La metodologia è solitamente completamente fasulla, proprio perché le persone—sono pochissime le eccezioni, come la ricerca Brightwork condotta da un tizio chiamato Shaun Snapp, che sta facendo un lavoro di altissima qualità, anche se è estremamente rara.
Quando chi conduce questa ricerca di mercato non capisce come vengono progettate le tecnologie software, si adotta una metodologia molto superficiale che dà per scontate le affermazioni dei fornitori, e si ottengono report estremamente superficiali, vere e proprie infomercial per i fornitori.
Una metodologia adeguata implicherebbe una sfida approfondita all’argomentazione tecnica di ogni fornitore, ma serve qualcuno in grado di porre tali domande. Spesso, quando leggi quei report di ricerca di mercato, la metodologia non mette mai effettivamente in discussione la realtà delle affermazioni dei fornitori.
Così tante cose vanno storte—gli studi di caso, ad esempio, vengono presi per scontati se provenienti dai fornitori, arrivando con un conflitto di interesse, e quindi non possono essere considerati affidabili, ecc. È una lista molto lunga di problemi.
Conor Doherty: Poiché hai menzionato, credo sia stato Brightwork, cosa c’è di diverso nella metodologia di quell’uomo rispetto al mainstream che hai appena descritto?
Joannes Vermorel: Tutto inizia con una persona che è in realtà un bravo ingegnere del software, qualcuno che capisce come funziona il software per le imprese. Il primo passo è produrre un report con qualcuno abbastanza intelligente da fare il lavoro. Se non lo fai, ti troverai ad avere ogni sorta di problemi con il report finale, indipendentemente dalla metodologia e dagli incentivi che adotti.
Poiché questa persona è pienamente competente, può iniziare ad adottare una metodologia che abbia senso, ad esempio effettuando valutazioni tecnologiche, esaminando quale valore ha la tecnologia da sola. Ha dei meriti? È ben progettata? Come si confronta con tecnologie alternative simili?
Se vuoi un prodotto per l’impresa — una soluzione in ambito software per le imprese è molto complessa, composta da tanti pezzi — guarda ai diversi componenti e valuta come ogni pezzo si confronta con alternative all’avanguardia. Hai bisogno di una prospettiva “divide et impera”, che richiede una conoscenza della tecnologia.
Quel caso è un caso limite, un’eccezione che conferma la regola secondo cui le società di ricerca di mercato sono, per lo più, relativamente fasulle. Questa piccola azienda ha una dichiarazione di missione credibile, affermando di non accettare denaro dai fornitori, il che risolve molti problemi.
La ricerca di mercato può essere fatta bene, ma la ricerca di mercato mainstream è pessima.
Conor Doherty: In che modo l’IA e, in particolare, i LLM si inseriscono in questa equazione? Perché so che ne sei un grande fan e delle loro applicazioni nella ricerca di mercato.
Joannes Vermorel: Sì, è qualcosa emerso piuttosto recentemente con il rilascio da parte di una serie di fornitori di IA di capacità di ricerca approfondita. Circa due anni fa, quando strumenti come ChatGPT sono stati rilasciati per la prima volta, questi strumenti avevano capacità di ricerca web limitate e non erano molto bravi. Il problema era che i LLM, i modelli di linguaggio di grandi dimensioni, sono lenti, e se vuoi che un compito interessante venga svolto sul web, non puoi farlo in modo interattivo. Ciò significa che non puoi chiedere, “ChatGPT, fammi un confronto tra i software di gestione dell’inventario più rilevanti” e attivare l’opzione di ricerca. Perché il LLM cerca di darti una risposta in, diciamo, 30 secondi, il che significa che, realisticamente, il modello può esaminare solo circa tre, quattro pagine web. Questo non è nemmeno lontanamente sufficiente, e quindi i risultati erano per lo più spazzatura.
Ora, poche settimane fa, OpenAI ha rilasciato una modalità di ricerca approfondita. Alcuni altri concorrenti avevano già questa modalità. Google, con Gemini, ha già la propria modalità di ricerca approfondita, e l’idea è semplicemente rinunciare alla natura interattiva della risposta. Quindi il LLM eseguirà le operazioni in modo asincrono, e tu tornerai più tardi. Puoi tornare mezz’ora dopo, e il tuo report sarà pronto. Quello che accade “under the hood” è simile a un agente specializzato. È come se dicesse al LLM: “Ok, ti è stato affidato il compito di fare questa ricerca approfondita sul web. Per prima cosa, devi organizzare una raccolta di ricerche web tramite un motore di ricerca, diciamo Bing, dove raccoglierai le pagine rilevanti.” Poi analizzerai ogni pagina singolarmente per verificare se contiene qualcosa di valore, e infine raccoglierai tutte queste analisi parziali in un report sintetico che risponde alla domanda o al compito dell’utente. Funziona in maniera splendente. Sono rimasto positivamente sorpreso. In sostanza sono gli stessi LLM, ma con dosi di automazione che li rendono davvero validi.
E come regola empirica, diciamo che OpenAI, quando si fa ricerca approfondita, controllerà circa 50-60 pagine. Quindi è piuttosto consistente, e sospetto che ne esamini molte di più, ma scarti molte pagine. Direi dunque che probabilmente esamina all’incirca 200 pagine. Di queste, scarta la maggior parte perché non sono fonti sufficienti per l’analisi.
Conor Doherty: Se lo indirizzi a essere sufficientemente robusto.
Joannes Vermorel: No, no, no, lo fa da solo. Vedi, è solo una questione di calibrare ciò che hanno fatto. Sembra che, a questo punto, scelga circa 200 pagine che appaiono più rilevanti, ne conservi non più di, diciamo, 50, e poi produca un report con un’analisi approfondita delle parti più rilevanti di quelle pagine. Forse, sai, tra cinque anni saranno 2.000 pagine e 200 volte tanto, quindi c’è un limite. Puoi vedere che in gioco c’è la dimensione della finestra di contesto del LLM.
Sospetto che questo sia ancora un fattore importante nel determinare quante fonti puoi raccogliere per il tuo report finale. Ma se torniamo alla ricerca di mercato, queste cose funzionano splendidamente se aggiungi qualche istruzione extra per farle funzionare. In particolare, devi fornire al LLM alcune indicazioni, perché i modelli attuali tendono, se usati così come sono, ad essere molto ingenui. Quando dico “i modelli”, intendo che i LLM sono molto ingenui quando si tratta di gestire il software per le imprese.
Quindi devi avere un prompt che aggiunga molti elementi alla metodologia perché venga prodotto un report ragionevolmente decente. In realtà è molto semplice. Devi aggiungere qualificatori tipo: “Voglio un report alla massima ricerca della verità, senza retorica di marketing, sii estremamente scettico, non dare per scontato nessuna affermazione fatta dai fornitori. Assicurati assolutamente che ogni singola affermazione che valuti come un elemento positivo della soluzione sia supportata, e non scartare tutte le affermazioni che sono solo asserzioni a vuoto.”
Esattamente, oppure semplicemente affermazioni che sono ovviamente prodotte in presenza di un massiccio conflitto di interessi. Ad esempio, se un fornitore dice, “Per un software di gestione dell’inventario, otteniamo un aumento di produttività del 50%"—
Voglio dire, sono esattamente il tipo di affermazioni di cui dovresti essere molto, molto diffidente. Quando guardi qual era il tuo punto di riferimento, sai, rispetto a cosa? Rispetto a carta e penna? Quello non è un buon punto di riferimento. Inoltre, quando si tratta di case study per il software per le imprese, il cliente ha altrettanto interesse a sostenere che ci sia stato un profitto massiccio, perché chiunque fosse il manager responsabile del progetto appare come un eroe, ed è positivo per il suo avanzamento di carriera.
Quindi non dare per scontato che, poiché l’affermazione dei benefici viene accompagnata dal cliente, essa non sia influenzata da bias. Porta lo stesso grado di bias, se non di più, rispetto a quando si tratta solo del fornitore di software. In sostanza, nel prompt devi dire: “Cerca la verità al massimo. Sii estremamente scettico. Scarta le affermazioni di benefici quando non riesci a comprenderne la logica.” La cosa fondamentale è che, se il fornitore afferma di apportare benefici, spiega anche come lo fa, come giunge a quella misurazione? Se lo fa, lo studio può avere una certa credibilità. Se l’affermazione è solo “lo dico io” o perché il mio cliente, che per caso è un mio amico, lo dice, allora no. Vedi, in definitiva il prompt non è molto complicato.
Inoltre, devi aggiungere qualche salvaguardia, se hai esperienza nel settore, per individuare segnali d’allarme o affermazioni che sono semplicemente assurde. Ad esempio, nel prompt diresti che chiunque sostenga di poter ridurre l’inventario del 50% è un pagliaccio. Non è possibile, nemmeno lontanamente. Quindi, per favore, nel report riduci la valutazione di chi fa quelle affermazioni folli, perché non è a loro favore. È come un segnale d’allarme che dimostra incompetenza.
Conor Doherty: Inoltre, senza voler intervenire, devo far notare che, ancora una volta, chiunque ascolti e conosca il settore probabilmente sta pensando lo stesso di me in questo momento. Hai praticamente squalificato tutto ciò che è mai stato pubblicato da chiunque, in qualsiasi momento, nella storia della supply chain, perché anche se ti perdessi il 99% di quelle trappole, sono sicuro che a un certo punto ne avresti incontrata una.
Joannes Vermorel: Sì, e poi è sempre una questione di proporzioni, e i LLM sono abbastanza bravi a coglierle. Vedi, dici che qualcosa conta come elemento negativo. E poi i LLM — è molto interessante vedere come si formano questo tipo di report — formulano una valutazione tipo: “Oh, questo fornitore, oh, sembra che tutto ciò che dice siano affermazioni di marketing completamente infondate, e la stragrande maggioranza di esse è semplicemente assurda in questo caso.” Ma spesso li classifica, per cui diventa: “Questo in base alle metriche, questo era il migliore, questo era il peggiore perché presentava queste affermazioni infondate.”
Esattamente. E quindi, è importante fornire, anche come parte del prompt, alcuni suggerimenti su come individuare gli aspetti positivi e negativi. E ciò che è interessante è che i fattori negativi funzionano molto bene. Quindi elenca quelle cose che appaiono molto opache, affermazioni incredibilmente vaghe, che sono semplicemente troppo belle per essere vere, eccetera, eccetera. Ancora, potresti dover iterare; i risultati possono variare leggermente. Ma in circa 20 minuti puoi avere un prompt. Sai, non stiamo parlando di un prompt lungo 10 pagine, i prompt che ho usato erano lunghi circa un quarto di pagina. Quindi è qualcosa che puoi produrre in 20 minuti, e poi va bene, e otterrai uno studio di mercato praticamente su qualsiasi argomento, a proposito. E funziona. Direi che quello che ottieni è già di gran lunga migliore di quanto producano le società professionali di ricerca di mercato o addirittura le società di consulenza.
Conor Doherty: Beh, almeno, sarebbe anche più economico. Anche se fosse di qualità indistinguibile, cosa che non stai affermando, ma anche se lo fosse, è comunque più veloce ed economico.
Joannes Vermorel: Sì, esattamente. Voglio dire, il bello è che ottieni il tuo report in 20-30 minuti, e hai già tipo un report molto dettagliato di 20 pagine con le citazioni, esattamente, che indicano da dove provengono le informazioni. E si tratta di un’enorme quantità di lavoro. La cosa interessante è che con queste capacità di ricerca approfondita fornite dagli, direi, specialisti di IA di oggi, puoi fare in poche ore ciò che a un assistente avrebbe richiesto settimane per compilare. Ed è davvero impressionante, e la qualità — ed ecco perché dico che è molto impressionante — è che se inquadri il problema come una ricerca massima della verità, sì, i LLM, si può discutere che abbiano dei bias, ma fanno un tentativo abbastanza decente di — per mia esperienza — essere orientati verso la verità. Non significa che sia perfetto, certamente no, ma è piuttosto buono. È davvero buono. E direi magari non al di sopra dell’umano, ma abbastanza — voglio dire, ci sono dei compromessi. Ancora, quanto sei disposto a spendere? Quanto tempo vuoi investire?
Stavo dicendo che il problema è che la maggior parte di quei report sono realizzati da persone che non hanno alcuna comprensione della tecnologia. La magia è che quei LLM hanno una comprensione relativamente decente di tutte le tecnologie. Sì, non sono maghi dei database, ma dimostrano una competenza superiore alla media nella progettazione dei database, nelle sfide dei database e così via.
Quando fai ricerche di mercato, la sfida è che ci sono così tante aree di cui sai così poco. La bellezza è che, se fatto con un LLM, il LLM è quasi mai completamente ignorante di qualsiasi area dell’azienda che stai esaminando. Questo rende quei tipi di report molto completi. Ho sperimentato molto e, in generale, sono rimasto piuttosto colpito dalla qualità di ciò che può essere prodotto. È un po’ sconcertante.
Conor Doherty: Ancora una volta, solo per cercare di contestualizzare questo per chi ascolta, magari con un esempio. Storicamente, so che è un esempio a cui torno molte volte, ma la tua distinzione o categorizzazione dei tipi di software per le imprese tra sistemi di records, report e sistemi di intelligence dei records — ERP, sistemi di report con strumenti BI e poi sistemi di intelligence con software di decision-making —. Hai fatto notare che per eccellere in uno, sacrifici l’altro — non puoi essere Superman in tutte queste cose.
Ora, alla domanda: se stessi conducendo uno studio di ricerca di mercato utilizzando un LLM, sarebbe in grado di distinguere tra le affermazioni? Ad esempio, un fornitore di ERP che dice, “Il nostro sistema ERP è fantastico nella gestione dei records, e siamo anche in grado di fare previsioni incredibili e ottimizzazione del decision-making,” cosa che tu, come esperto, sai essere fondamentalmente un’assurdità sconcertante. La quasi totalità delle persone non riconoscerebbe a prima vista che, a livello strutturale, in termini di progettazione del software, in realtà non si possono brillare in tutte queste cose.
Direi che un LLM potrebbe distinguere tutto ciò, essenzialmente a costo zero.
Joannes Vermorel: Probabilmente no. Non è, ancora una volta, così semplice, ma se sei a conoscenza di questa classificazione che ho introdotto, puoi comunicarla al LLM e lui farà rispettare la tua intenzione. Puoi semplicemente dire, “A proposito, sto cercando un sistema di records che escluda rigorosamente le altre cose.” Puoi anche fornire un link alla pagina e dire, “Per favore, prendi in considerazione questa classificazione nella tua valutazione.” Questo renderebbe l’analisi più approfondita.
Ma direi che è il tipo di cosa per cui in realtà non serve neanche, perché il mio suggerimento è che la ricerca di mercato con LLM è solo il primo passo per andare super veloce. La mia raccomandazione resta quella di optare per una ricerca di mercato avversariale, in cui chiedi ai fornitori stessi di spiegare chi sono i loro pari, cosa ritengono buono o cattivo dei loro pari, e chi sono i pari che rispettano di più, e se ci sono degli ostacoli nella loro visione che devono essere presi in considerazione.
Puoi fare la tua ricerca di mercato in 30 minuti, realisticamente due ore, e poi otterrai il tuo primo report solido — non stai nemmeno fissando il computer per quei 30 minuti. Scrivi il prompt e potresti fare una o due domande di qualificazione, tipo, “Come lo vuoi? Vuoi un report?” Poi torni, prendi un caffè, tanto vale.
Avrai bisogno di un po’ di tempo per digerire un report, quindi diciamo due ore. Poi passi alla ricerca di mercato avversariale.
Invii un paio di email a quei vari fornitori, magari scegli tre, e quei fornitori ti risponderanno — ciò fa parte della metodologia della ricerca di mercato avversariale — con qualche spunto su come considerare il tuo problema.
Se c’è un fornitore come Lokad che ti dice, “Attenzione, il problema che stai esaminando in realtà riguarda diversi prodotti complementari, ma prodotti molto distinti,” e se la motivazione ti convince, allora dovresti semplicemente ripetere la ricerca di mercato utilizzando nuovamente il LLM.
Dicendo “Ok, ho questo pezzo di comprensione fornito da un fornitore, ma non è qualcosa di completamente neutro; è solo una comprensione del mercato. Non è una comprensione che favorisca esclusivamente questo particolare fornitore.” Puoi anche prendere i report che sono già stati realizzati e farsene valutare l’efficacia.
Ad esempio, supponiamo che tu sia un’azienda che possiede componenti per aeromobili e desideri la gestione dell’inventario. Quindi, il primo fornitore che contatti ti dice, “Attenzione, devi avere un sistema che supporta la gestione dell’inventario seriale.” Ciò significa che non si tratta di mantenere dieci unità in magazzino; significa che per ogni unit in stock, esiste un certo numero e devi tenerne traccia.
Esistono sistemi di gestione dell’inventario che supportano l’inventario seriale e altri che non lo supportano. Tra quelli che supportano la gestione dell’inventario, alcuni lo trattano come un cittadino di prima classe, cioè come il caso d’uso principale, mentre gli articoli senza numero seriale sono considerati cittadini di seconda classe.
Esistono altri sistemi di gestione dell’inventario in cui accade il contrario. Un fornitore può dirti che è una funzionalità molto importante se desideri avere una gestione dell’inventario seriale. Questo è completamente diverso rispetto alla semplice gestione dell’inventario tradizionale.
Va bene, un fornitore te lo dice e tu non lo sapevi. Quindi, adesso rifarò la mia ricerca sui sistemi di gestione dell’inventario dicendo, “Ehi, devo davvero prestare attenzione a questa capacità di gestione dell’inventario seriale. È fondamentale perché lavoro nel settore dell’aviazione.” Rieffettua questa ricerca di mercato tenendo a mente questo criterio e rigenera i rapporti.
Vedo i LLM come molto complementari a questo studio di mercato in modalità antagonistica. Ricevendo qualche spunto di feedback dai fornitori, puoi semplicemente incorporare quelle intuizioni extra su come affrontare il problema nel prompt del tuo LLM, e poi ripetere il processo rigenerando. È economico, relativamente veloce, e otterrai qualcosa sempre più su misura per il tuo caso d’uso.
Conor Doherty: Certamente, in teoria sembra una buona idea. Ma non ti imbatti nel problema preesistente, ovvero che i LLM sono addestrati su dataset? Hai già denunciato lo stato dell’attuale letteratura in supply chain, quindi se volessi condurre uno studio di mercato utilizzando un LLM e gli fornisci tutti questi parametri, spunti e qualificatori accurati, egli dovrà comunque leggere le informazioni disponibili pubblicamente. Se le informazioni disponibili pubblicamente sono scadenti, non significa che input scadenti daranno output scadenti?
Joannes Vermorel: No, voglio dire, di nuovo eccoci al problema degli LLM: una delle cose più incredibili è che, pur ricevendo input di bassa qualità, producono output di qualità, il che è molto strano. È per questo che penso ci sia voluto tanto tempo perché anche la comunità del software scoprisse queste cose; è completamente controintuitivo e va radicalmente contro il dogma di dieci anni fa, ovvero input pessimi, output pessimi.
Si scopre che quando inietti l’intero web in quei modelli, ottieni qualcosa di davvero decente, il che è strano. Voglio dire, quando pensi che ChatGPT abbia assimilato tutte le sciocchezze di Reddit e rimanga equilibrato, è davvero notevole.
Qui, direi che funziona. La sfida è che, sì, i fornitori a volte dispongono di materiali di qualità molto bassa, ma ancora una volta, un LLM utilizzerà tutto ciò per effettuare una valutazione comparativa.
Se tutti sono altrettanto scadenti, diventa difficile, ma molto spesso accade che alcuni fornitori siano ben peggiori di altri. Forse anche il fornitore di punta non è il tuo fornitore ideale; gli manca qualcosa. Qualcuno deve essere il migliore.
Esattamente, e la mia osservazione informale è che, quando si parla della qualità dei prodotti, della qualità dei software, della qualità delle tecnologie, esiste un’immensa correlazione tra la qualità dei materiali pubblicati sul sito web del fornitore e ciò che accade dietro le quinte.
Le aziende che hanno team di ingegneria decenti dispongono di contenuti sui loro siti web che spiegano cosa fa il prodotto, come lo fa, ecc., e la qualità è invariabilmente buona. Al contrario, se il team è piccolo ed esternalizzato in qualche paese a basso costo e sottosviluppato, allora, sorpresa, la qualità del sito web e dei contenuti tecnici risulta scarsa.
Nessuna sorpresa, queste cose tendono ad andare di pari passo. Ed è per questo che il caso d’uso degli LLM per la ricerca di mercato è così potente, almeno per quanto riguarda il software. Esiste un’immensa correlazione tra la qualità dei contenuti online e la qualità del prodotto; vanno davvero di pari passo. Non credo, in tutta la mia carriera, di aver visto alcuna eccezione a questa regola.
Conor Doherty: Ok, e non solo, mi viene in mente che c’è la possibilità che ciò che stai descrivendo e certamente ciò che è già disponibile possa, in effetti, produrre uno studio di mercato oggettivamente migliore su tutta la gamma di opzioni disponibili, ma la domanda diventa: è davvero questo ciò che l’utente finale, in questo caso le aziende clienti, desiderano? Per esempio, sono certo che, per portare avanti questo esperimento mentale, um, la società di Joannes, un’azienda chiamata Lokad, vuole trovare un fornitore e si esegue uno studio di mercato completo in cui ci sono 10 opzioni, nove delle quali sono i grandi nomi che tutti conosciamo, e poi il numero 10 è l’ERP di Conor.
E l’ERP di Conor è il migliore, ma nessuno ne ha mai sentito parlare, anche se, insieme alle tue metriche, è l’opzione migliore. Ha il miglior software, tutta la migliore documentazione pubblica, spiega come viene fatto tutto ed è fantastico. Poi lo mostri internamente e dicono, “Chi diavolo è Conor? Dammi uno dei grandi nomi.” Voglio dire, perché le persone vogliono i grandi nomi.
Joannes Vermorel: No, voglio dire, prima di tutto, ancora una volta, i LLM sono sorprendentemente bravi. Sai, si tratta di un’azienda senza nome. Cosa qualifica un’azienda senza nome se ha pochissimi materiali, pochissima documentazione, pochissime funzionalità, praticamente poco in tutto, esperienza, clienti prestigiosi, sì, ma ancora una volta, questo si rifletterà nella profondità di ciò che fanno, sai.
Se guardi OpenAI, fino a molto recentemente era un’azienda senza nome, giusto? È esplosa completamente nel 2023. Prima di allora, era un’azienda molto oscura, con ingenti finanziamenti ma comunque poco nota nella Silicon Valley. Quindi, vedi, la mia opinione è che, ancora una volta, i LLM siano abbastanza bravi in questo tipo di valutazione, e ne terranno conto. Terranno conto anche di migliaia di altre cose.
Quindi non pensare che quando dico di essere il più veritiero possibile, l’LLM finirà per comportarsi da idiota e suggerire qualcosa come un fornitore super, super oscuro proveniente da Bashtoan o simili. Questo non è ciò che otterrai da essi. Ora, se parti già con delle preconoscenze, se sai già cosa vuoi, allora non usare un LLM per giustificarti.
Sai, questo è un pensiero illusorio. Se presumi di voler condurre una vera ricerca di mercato, allora dovresti effettivamente sospendere le tue preferenze per certi fornitori. Altrimenti, perché vuoi fare questa ricerca di mercato? Se hai già deciso di voler scegliere un fornitore, allora scegline uno. Scegli direttamente quel fornitore e risparmia a te stesso il processo fasullo per giustificare le decisioni che hai già preso. Così risparmierai tempo e denaro per l’azienda.
Quindi, vedi, se hai già deciso e poi conduci una ricerca di mercato, questo è insensato. Non esiste un argomento logico a supporto di questo approccio, quindi devi affrontare il problema almeno da una prospettiva in cui non hai ancora deciso, e quello che stai cercando di ottenere con questo LLM è semplicemente avere una dichiarazione massimamente veritiera e obiettiva.
E questo, credo, dimostra ancora una volta che, a questo proposito, quegli strumenti sono abbastanza efficienti, e se temi davvero che tali strumenti abbiano delle limitazioni, inoltre, se pensi che l’LLM stia semplicemente trascurando un fornitore che dovrebbe esaminare o simile, puoi semplicemente fornirlo. Puoi letteralmente dire, “Voglio il fornitore A, B, C, D, F e chiunque altro, oltre a questi, che ritenga sia il più rilevante.”
Quindi, vedi, non ci sono regole fisse qui. Puoi letteralmente modificare il tuo prompt, e l’LLM adatterà semplicemente la composizione, ma cerca di farlo in un modo che non introduca un enorme bias. Quindi, ad esempio, se vuoi elencare esplicitamente un fornitore, devi fare attenzione a non suggerire chi vuoi che vinca il processo.
Perché se suggerisci all’LLM, “Sento che questa è la migliore opzione, esegui un case study, conduci uno studio di mercato sul software di gestione dell’inventario e non dimenticare quel fornitore che ritengo davvero il numero uno,” stai introducendo un’enorme dose di bias. Quindi qui, semplicemente — ma ancora, non devi essere estremamente intelligente per capirlo. Si tratta solo di formulare il tuo prompt in modo neutro. Altrimenti, otterrai un bias nel tuo rapporto.
Conor Doherty: Quindi Joannes, penso che valga la pena piantare qui un segnale. Voglio dire, lo abbiamo fatto in una certa misura prima, ma per delinearlo davvero. Quando parliamo delle competenze, delle capacità di alfabetizzazione digitale richieste per produrre questo tipo di informazioni, non sono avanzate. Non stiamo parlando di scrivere in Python o qualcosa del genere. Questo è roba basilare, giusto?
Joannes Vermorel: Sì, penso che se alcune persone decidessero di introdurre un diploma di prompting o una certificazione di prompting per essere in grado di interagire con un LLM, sarebbero cose che si possono padroneggiare in due giorni. Puoi avere la tua certificazione di prompting in due giorni. Sì, non è difficile. È assolutamente semplice.
E ancora, puoi persino interagire con uno strumento per capire cosa non va nella tua richiesta. Quindi è un processo abbastanza interattivo che ti offre anche dei feedback su come migliorarti se li chiedi. Bene, il secondo punto, perché il primo riguardava le competenze richieste per fare questo, ma il secondo punto, e come hai menzionato pochi istanti fa, era l’affidabilità.
Ora, non lo intendevi in questo contesto, ma apre una preoccupazione che sono sicuro alcune persone hanno quando ascoltano questo, ovvero che storicamente l’affidabilità dei LLM è stata messa in dubbio. Ad esempio, allucinare, o so che ti piace il termine confabulare. Chiedi a un LLM di fare qualcosa, “Ehi, trova questa informazione,” e lui non vuole dirti, “In realtà non lo so,” o “Non ci sono informazioni,” e si limita a inventare informazioni, per lo più dal nulla.
Quanto plausibile o valida sia questa preoccupazione nel contesto di una ricerca approfondita, che ovviamente non è lo stesso modello a cui la gente solitamente pensa quando si parla di LLM?
È lo stesso modello, ma il punto è che, in genere, quando si effettua una ricerca approfondita, l’LLM viene istruito di andare a cercare le informazioni sul web. Quindi, ancora una volta, gli LLM non sono database di fatti e pepite di conoscenza. Sono stati addestrati su questo, è vero, ma se chiedi, “Qual è l’altitudine esatta del Monte Everest?” lui se lo ricorderà, ma se può effettivamente cercare l’informazione online, sarà molto più facile per lo strumento esserne assolutamente sicuro.
Quindi, secondo la mia esperienza, la quantità di confabulazione o allucinazione utilizzando la ricerca approfondita di OpenAI è piuttosto bassa. Si nota davvero che il modello sfrutta le informazioni presenti sulla pagina per costruire la propria valutazione, e così non stai chiedendo al modello di inventare o ricordare tutto ciò che sa su fornitori oscuri. Non ci prova nemmeno.
Semplicemente direbbe, “Ok, ecco l’elenco delle pagine che ho recuperato da questo fornitore. Cosa mi dicono queste pagine?” È così che funziona. È ancora possibile che l’LLM inventi cose, ma direi in misura molto minore rispetto a un essere umano. Sai, un esempio di errore sarebbe che sulla pagina del fornitore si dice, “Abbiamo oltre mille clienti,” e poi l’LLM nel rapporto afferma, “Affermano di avere 1.000 clienti.”
Si tratta di un’approssimazione sottile; in un caso dicevano “oltre 1.000” ed è stato distorto in esattamente 1.000. Ok, di nuovo, nella mia esperienza è una distorsione piuttosto minima. Le distorsioni sono poco frequenti, e quando si presentano, sono relativamente insignificanti, a differenza, per esempio, di inventare un intero fornitore dal nulla e attribuirgli qualità e debolezze del tutto infondate. Questo non succederà.
Questo non succederà. Il 100% dei fornitori avrà un sito web con fonti da elencare e tutto il resto. Non ho mai visto un rapporto che inventi cose dal nulla in modo esagerato. È successo, ma è stato sottile e a volte sei addirittura sul confine dell’inferenza. Sai, sembra che abbiano questo, e prendi una scorciatoia dicendo che lo hanno, anche se non è del tutto chiaro. Quando guardi la documentazione, è in qualche modo implicito, e l’LLM ci è cascato.
Conor Doherty: Beh, sì, ovviamente. Ancora, anche se pagassi una società di consulenza per produrre un rapporto, presumibilmente lo leggeresti e lo valuteresti tu stesso. Quindi non è che si possa semplicemente prendere il risultato dei ricercatori approfonditi per oro colato, come se fosse assolutamente perfetto. Devi comunque interrogarti.
Joannes Vermorel: Interrogarti, sì, esattamente. Voglio dire, ancora, non puoi sospendere i tuoi giudizi. Devi farne uso. E, ancora, penso che la cosa in cui quegli strumenti brillano davvero sia che puoi iterare a un ritmo semplicemente impossibile, anche con i migliori consulenti. È come se potessi ripetere uno studio di un mese — qualcosa che richiederebbe un mese a un umano — ma svolto a mano in 30 minuti. È estremamente impressionante. Voglio dire, ancora, stiamo parlando di produrre un rapporto di 20 pagine, super strutturato, completamente su misura per la tua richiesta in 30 minuti. Cambia completamente le regole del gioco per quanto riguarda la tua capacità di iterare.
Puoi effettivamente finire per fare 20 studi di mercato consecutivi, ognuno dei quali si basa sull’iterazione del precedente, in modo da essere sempre più concentrato su ciò che desideri veramente.
Conor Doherty: Beh, hai parlato un attimo fa di formulare inferenze. È ragionevole per chi ascolta dedurre che vedi il ruolo del consulente di mercato e delle società di consulenza, ecc., come destinati a diventare superflui o che lo siano già a causa di questa tecnologia?
Joannes Vermorel: Se parliamo in termini di risultato consegnabile e si presume che il risultato sia uno studio di mercato, allora in effetti molte, se non la maggior parte, delle società di ricerca di mercato e dei consulenti che offrono questo tipo di servizio diventano completamente obsoleti, a meno che non riescano davvero a dimostrare di poter fare meglio di una macchina. Tutto parte dal fatto di avere persone estremamente capaci a livello tecnico, in grado di produrre un’analisi più intelligente di quella che può fare l’LLM.
Esiste, ma sarà super di nicchia, semplicemente perché non ci sono molte persone di questo calibro in questi settori e, al momento, sono più lente e costose. Sì, stiamo parlando di qualcosa in cui, sì, sarà molto più lento. Quei venditori di software non stanno acquistando studi di mercato da loro; ciò che acquistano è pubblicità. Finché i venditori di software enterprise saranno disposti a spendere denaro per quelle società di ricerche di mercato, queste andranno benissimo, il che non ha nulla a che fare con l’esistenza di LLM capaci di produrre studi di mercato.
Non è per questo che quei venditori di software enterprise pagano; stanno pagando per la pubblicità. È solo un canale. In alternativa, potrebbero spendere quei soldi in annunci Google; decidono semplicemente di spenderli su alcune società di ricerche di mercato o una frazione del loro budget in quest’area.
Per i consulenti, secondo me, molto, molto frequentemente ciò per cui le aziende o, anzi, i dirigenti pagano veramente è la compagnia o il supporto morale, e questo non è qualcosa che l’LLM ti fornirà. Suona un po’ sciocco, detto in questo modo, dire: “Oh, perché hai pagato per questa missione da 100.000 dollari?” “Mi sentivo solo, mi sentivo insicuro, avevo bisogno di qualcuno che mi coprisse le spalle, quindi li ho presi. Sono bravi; mi supportano.” Questo suona un po’ ridicolo, ma sì, penso che in larga misura, sai, questo spieghi questo tipo di atteggiamento, spiega la maggior parte del business della consulenza.
Il fatto che tu stia acquistando uno studio di mercato è solo una scusa per formulare una missione in modo che non suoni così sciocco come “Sto cercando un corporate coach.” Ma intendo, a parte questo, ecco perché penso che potrebbe non cambiare affatto. L’esistenza degli LLM e le loro capacità potrebbero non cambiare molto in questo ambito, perché in definitiva non era questo che veniva acquistato. Il rapporto era solo una scusa per qualcos’altro. Non era ciò che, realmente agli occhi del management, giustificava il pagamento dei consulenti fin dall’inizio.
Conor Doherty: Quindi, leggendo tra le righe, avendo ascoltato tutto ciò, sarebbe ragionevole dire che non vedi le società di consulenza di mercato come possedenti competenze preziose da applicare direttamente alla ricerca di mercato? Quindi, la loro competenza non risiede in quel dominio, né adesso né, storicamente, si potrebbe addirittura sostenere, ma sei molto scettico sul fatto che un consulente—un consulente professionista—possa mettere a frutto quella competenza preziosa, quella qualità intangibile, tra questi 8 miliardi di esseri umani e probabilmente un milione, sai, di consulenti in tutto il mondo.
Joannes Vermorel: Sì, certo, devono esserci dozzine, centinaia di persone capaci di farlo. Ora la domanda è: quanti davvero sono in grado di farlo? Qual è la percentuale? Secondo me, la percentuale di persone che, all’interno dei circoli della consulenza, sono in grado di fare questo tipo di valutazione per quanto riguarda il software enterprise, meglio degli LLM, è semplicemente trascurabile.
E, eticamente o privi di pregiudizi, sì, esattamente. Voglio dire, entrambi. Ma credo che il pregiudizio sia più pronunciato per le società di ricerche di mercato. Per i gruppi di consulenza, penso che la maggior parte di essi non abbia il problema nella stessa misura; hanno il problema, ma è relativamente piccolo. Il problema molto più grande è semplicemente possedere le competenze e la capacità per effettuare questa valutazione in primo luogo.
E ancora, questo perché, in qualità di consulente, continui a fare cose incredibilmente diverse. Sai, è molto difficile. Oggi ti viene chiesto di essere esperto in software di gestione degli inventari; il giorno dopo, devi essere un esperto di rapporto di resa per una linea di produzione chimica. La quantità di missioni diverse è semplicemente sbalorditiva, e quindi non è molto realistico contare su persone estremamente competenti in questo genere di attività.
Conor Doherty: Quindi, Joan, è interessante perché, ascoltandoti e seguendo questa discussione sulle società di consulenza di mercato, ricordo che circa un anno e mezzo fa, due anni fa—e di nuovo, correggimi se sbaglio—anche se sono stato io a scrivere il documento, abbiamo esaminato un paper della Harvard Business School, che credo si chiamasse “Navigating the Jagged Technological Frontier.” Ed è stato prodotto in modo interessante, se ricordo correttamente, con il BCG, Boston Consulting Group.
Nel documento, e lo riassumerò in maniera massiccia, e sottolineo che chiunque può commentare se sbaglio, sto pensando in tempo reale, che le persone che hanno ricevuto formazione con LLM o AI generativa hanno ottenuto prestazioni migliori in certi compiti, sia qualitativi che quantitativi, rispetto a chi non ha ricevuto questa formazione. Quindi, la mia domanda per te ora è: chiunque ascolti questo potrebbe altrettanto bene dirti, “Beh, Joannes, se forniamo questi strumenti, che sono migliorati negli ultimi 18 mesi, a consulenti altamente qualificati, non produrranno proprio i migliori rapporti di consulenza al mondo?”
Joannes Vermorel: Sì, lo farebbero. Voglio dire, sicuramente nelle mani di consulenti, si potrebbero produrre rapporti fantastici. Ma ora il punto è che questo è il modello di business delle società di consulenza. Non puoi far pagare a una grande società di consulenza come BCG o McKinsey per due ore di lavoro, quindi ciò mette in discussione, in un certo senso, il modello di business. Ma, ancora, se torniamo all’idea che il rapporto è davvero ciò che viene acquistato, sfido davvero questa ipotesi.
Secondo me, non è ciò per cui si paga, quindi la disponibilità della tecnologia è irrilevante perché non è ciò che viene acquistato nella quasi totalità di quelle missioni di consulenza.
Conor Doherty: Una delle cose con cui tenderei effettivamente ad essere d’accordo, nel senso che più a lungo ho lavorato in questo settore e più ho ascoltato, più ho parlato con professionisti a fiere ed eventi, più mi sono reso conto che le approvazioni di marchi noti sono il metro di misura che la gente generalmente cerca. Come modo per concludere la conversazione, c’è una frase, “Meglio fallire convenzionalmente che avere successo in modo non convenzionale,” perché, nelle grandi aziende, c’è la percezione: “Beh, non voglio essere l’azienda che rischia con questa società oscura che, su carta, secondo un consulente o un LLM, potrebbe essere la migliore opzione. Preferisco attenersi al menu ristretto di nomi consolidati e di successo.” Allora, quali sono i tuoi pensieri in merito?
Joannes Vermorel: Sono, di nuovo, tutto relativo. La maggior parte delle aziende di software enterprise non sono nuovissime; anche se si parla di Lokad, stiamo parlando di un’azienda che ha 15 anni. Non è esattamente super giovane. Secondo me, il problema è più che tutto avere qualcosa che sia in qualche modo convincente.
E il problema tipico che il top management potrebbe dover affrontare è che finiscono per ricevere messaggi dai loro subordinati che sono completamente poco chiari, con capacità di scrittura mediocri e analisi dei problemi altrettanto scadenti. I consulenti forniscono un PowerPoint da incubo lungo 80 diapositive che non ha senso compiuto o ne ha ben poco, e questo rappresenta un vero grattacapo per l’alta direzione. Devono prendere una decisione e, pertanto, ricorrono a qualcosa che percepiscono come meno rischioso.
Ma ancora, non penso che la maggior parte delle persone che riescono a scalare i vertici dei dirigenti siano degli idioti. Se c’è qualcosa di convincente, spiegato in maniera ordinata, seguiranno semplicemente quella linea. E dove penso che gli LLM stiano facendo una svolta radicale è nella capacità di produrre un ragionamento scritto di altissima qualità per supportare la scelta di questa opzione rispetto a quell’altra.
Questo è un aspetto in cui, se osservo la maggior parte delle grandi aziende, le capacità tipiche di scrittura sono piuttosto scarse. Alcune aziende, come Amazon, sono notoriamente conosciute per avere dirigenti capaci di scrivere memo di alta qualità di cinque pagine. È molto raro, e penso che gran parte del successo di Amazon dipenda da questa capacità di affrontare i problemi per iscritto, non con PowerPoint, e di riflettere in profondità su qualcosa. Qui, l’aspetto interessante degli LLM è che rendono improvvisamente questo esercizio molto più accessibile a persone che non possiedono tutte quelle capacità di scrittura. Ovviamente, avere buone capacità di scrittura ti renderà ancora migliore, ma in generale, è semplicemente un enorme facilitatore.
Conor Doherty: Quindi, come pensiero conclusivo e come consiglio, sosterresti l’utilizzo degli LLM, almeno, per creare una comunicazione più significativa?
Joannes Vermorel: Direi che se stai considerando qualcosa come la ricerca di mercato, inizia con queste capacità di ricerca approfondita offerte da mezza dozzina di fornitori di chatbot AI che supportano questa funzione. Questa sarà molto probabilmente un’esperienza rivoluzionaria per te, e ti renderai conto che puoi fare in ore ciò che altrimenti avrebbe richiesto mesi e costato molto denaro, risultando anche molto economico.
Sì, sarà molto economico. Questo è tutto; basta che tu veda con i tuoi occhi, rimarrai piacevolmente sorpreso. Poi il passo successivo è semplicemente affidarsi alla consulenza per la ricerca di mercato, che è anche molto leggera, ma stiamo parlando di qualcosa che richiederebbe probabilmente diversi giorni, non solo diverse ore.
Conor Doherty: Bene, Joannes, non ho altre domande. Grazie mille per il tuo tempo e per aver condiviso degli spunti interessanti, e grazie mille per averci seguito. Ci vediamo la prossima volta.
