Come EBSCO garantisce l'accuratezza della sua IA
EBSCO esegue valutazioni di qualità sulle risposte generate dall'IA per assicurarsi che rispettino gli standard attesi e che la qualità e non si deteriori nel tempo. In ogni fase del processo dell’intelligenza artificiale, è possibile misurare la qualità, adottare misure per migliorarla oppure, involontariamente, introdurre errori che la compromettono. Ecco perché è fondamentale valutare la qualità in ogni fase, oltre ad altri aspetti come i bias, i costi, l’impatto ambientale e l’equità, e altri ancora, in modo regolare e con trasparenza nei criteri di valutazione adottati.
Utilizziamo le seguenti tecniche per garantire la qualità dei risultati delle funzionalità basate sull'IA.
Retrieval-Augmented Generation (RAG)
L'IA si basa su contenuti autorevoli, il che riduce significativamente il rischio di "allucinazioni", ovvero casi in cui l'IA genera informazioni inesatte o prive di fondamento.
Basando le sue risposte su informazioni verificate e complete, l’intelligenza artificiale è in grado di generare output più affidabili, accurati nel contesto e degni di fiducia. Questo approccio consente agli utenti di avere maggiore fiducia nelle informazioni fornite.
Le valutazioni di sistema includono aspetti come la latenza (quanto tempo impiega l’IA a completare un’attività), affidabilità operativa (quanto è disponibile il sistema quando serve), efficienza in termini di costi e impatto ambientale (responsabilità verso la sostenibilità e l’uso consapevole delle risorse), barriere di sicurezza e privacy, revisione peer-reviewed (aiuta a ridurre le distorsioni), controllo della variabilità delle risposte (un parametro che regola quanto l’IA può essere creativa o rigorosa), e molte altre misure di sicurezza e controllo a livello di sistema.
Revisione rigorosa da parte di bibliotecari ed esperti di settore (PMI)
Le funzionalità di intelligenza artificiale vengono sottoposte a test approfonditi e a una revisione accurata da parte di un gruppo eterogeneo di utenti, tra cui ricercatori, bibliotecari e docenti, per garantire che siano efficaci e integrate in modo responsabile nel processo di ricerca.
Questo processo di test approfondito ci consente di raccogliere feedback preziosi e perfezionare ogni funzionalità per soddisfare i più alti standard di accuratezza, usabilità e responsabilità etica.
Coinvolgendo gli utenti finali durante tutto il processo di sviluppo, ci assicuriamo che i nostri strumenti di intelligenza artificiale supportino e valorizzino realmente il percorso di ricerca, offrendo spunti e vantaggi che rispettano la complessità e l’integrità del lavoro accademico.
Questo impegno verso un’intelligenza artificiale responsabile garantisce che la nostra tecnologia sia in linea con le esigenze e le aspettative della comunità accademica, promuovendo fiducia e affidabilità in ogni fase. Per
saperne di più sulla nostra esperienza nel settore
Griglia di valutazione per l’analisi delle risposte generate dall’IA
Un esempio di griglia di valutazione che EBSCO utilizza per l'analisi delle risposte generate dall'IA:
- Tempestività: le informazioni presentate in Insight sono aggiornate e non sono obsolete?
- Tono: le informazioni contenute in Insight corrispondono al tono dell'articolo?
- Terminologia: la terminologia utilizzata in Insight corrisponde a quella dell'articolo?
- Accuratezza: le informazioni contenute in Insight sono accurate in base ai dettagli contenuti nell'articolo?
- Tematica: I temi principali dell'articolo sono trattati nell'Insight?
- Utilità: l'Insight è stato utile come materiale integrativo all'abstract e/o alla ricerca?
EBSCO si è sempre dedicata a dati affidabili e di alta qualità, e la qualità dell'IA non è diversa.
Rimani informato
Contattaci per saperne di più sull'IA in EBSCO, per iscriverti ai nostri programmi beta sull'IA o per collaborare con noi a iniziative di ricerca e sviluppo.