Premessa 1: L’immagine in evidenza è stata realizzata usando l’algoritmo generativo DALL-E 2, da qualche mese di moda sui social. Si sa che nel gioco dell’imitazione di turinghiana memoria le intelligenze artificiali provano sempre ad ingannare gli umani…
Premessa 2: Concludere analisi inappuntabili e prevedere in modo deterministico quali saranno gli sviluppi e gli impatti di ChatGPT e dei suoi fratelli equivale a trarre giudizi definitivi su Argentina-Francia 3-3 avendo guardato solo i primi 30 minuti di partita. “Dominio Argentina, finirà almeno 5-0 per Messi e compagni, la Francia non esiste, questi galletti li stanno facendo all’asado”. Eppure le cose cambiano e, tra cigni neri come una pandemia ed eventi più prevedibili come una fiammata di Kylian Mbappé, i trend possono cambiare rapidamente. Per fortuna la tecnologia, come il calcio, conosce vie che i più non scorgono.
[Disclaimer: i riferimenti all’attualità calcistica rappresentano il footprint di autenticità umana dell’articolo, in quanto il dataset di addestramento a cui ha avuto accesso l’AI del chatbot è fermo al 2021.]
In questi giorni infervora il dibattito tra gli esperti, o presunti tali, sulla capacità di resilienza delle professioni digitali nei confronti di questo terremoto proveniente dalla California, territorio noto sia per le sue faglie che per le sue start up motori della ricerca e sviluppo in campo digitale degli ultimi 20 anni.
L’avvento dell’intelligenza artificiale user-friendly, come si è visto in questi giorni, abbatte la soglia di accessibilità dello sfruttamento di diverse tecnologie, come lo sviluppo di script in diversi linguaggi di programmazione (esempio Python) o di markup (come l’HTML). In questo momento scrivere un piccolo software come un plugin WordPress o una tabella rotante HTML, corredata dalle rispettive linee di CSS e Javascript, è un gioco da ragazzi. Per l’articoletto di link building 1.0 à la “Cos’è la link building” poi è game over.
E quindi, perché dovrebbero assumerci e pagarci uno stipendio oppure saldare le fatture che emettiamo?
Sussumiamo la domanda in una questione più generale:
dove si trova il valore aggiunto che contraddistingue i professionisti?
Finora è stato saper fare le cose che portano i risultati, seguendo modelli più o meno convenzionali. Nel prossimo futuro il valore aggiunto sarà saper far fare le cose, quindi saper usare gli strumenti AI per aumentare la produttività in termini di risultato.
Il valore aggiunto, nel breve periodo, potrebbe risiedere proprio nella qualità dei prompt che verranno forniti alle varie interfacce AI o, ancora meglio, nella scelta della miglior intelligenza artificiale ristretta per assolvere a determinati compiti (difficilmente un algoritmo generativo DALL-E 2 potrà generare un markup di Schema, solo per fare un esempio concreto).
La combinazione di esperienza pregressa, competenze più o meno verticali e creatività nell’escogitare forme sempre nuove di uso dell’AI rappresenteranno il fulcro di quello che possiamo definire intelligenza aumentata.
Il caffè, al momento, la macchina non lo prepara accendendosi da sola e premendo i tasti dell’impostazione, piuttosto si trita i chicchi da sola, sposta i bicchieri e si autopulisce.
Ma come lo si vuole il caffè?
Lungo? Corto? Espresso?
Già zuccherato?
Ma con zucchero normale o di canna?
Quanto miscelato con i vari aromi?
Tornando al caso pratico e digitale: cosa si intende, nel concreto, per qualità del prompt?
Prompto nelle casse: “fammi Schema estraendo le entità”
Ecco un esempio pratico in ambito SEO.
Obiettivo del task: “creare un markup Schema con proprietà “about” e “mention” partendo dall’estrapolazione delle entità di un testo.”
(Breve spiegazione per i non SEO specialist: è disponibile un vocabolario semantico gestito e aggiornato da Schema.org che ha la funzione di offrire ai motori di ricerca, attraverso un linguaggio di markup da inserire all’interno del codice HTML, dei dati strutturati che rendono la pagina web eligibile alla visualizzazione di alcuni suoi contenuti in modo speciale all’interno del box del proprio risultato di ricerca.)
Il prompt iniziale verrà copiato e incollato sul ChatGPT, aggiungendo in fondo, ovviamente, il testo tratto da un articolo. Nel caso in parola si parla di una biografia del re Carlo Alberto di Savoia, tratta dal sito di Fatti Per La Storia. In generale tutto ciò che viene scritto tra virgolette e in corsivo rappresenta un “prœmpt”…
La lista comprende un’altra decina di entità.
Ecco lo script che è stato prodotto:
No, il markup di Schema viene fuori infinito se presentato con i Microdati, poi l’esigenza è quella di ottenere una cosa rapida da copiare e incollare al volo su WordPress all’interno dell’articolo: serve il formato JSON+LD. E poi sono tutte egualmente importanti e centrali queste entità nell’economia dell’articolo? Bisogna provare ad introdurre un filtro, ad esempio il salience score (il punteggio di importanza relativa di un’entità all’interno di un documento), per ridurre il loro numero all’interno dello script.
Potrebbe interessarti anche: Come spiegare la SEO a tuo nonno
No amico chatbot, hai cannato il soggetto dell’articolo!
Per fare una cosa pulita si riprende il prompt iniziale ma modificato.
“Creare un markup Schema in formato Json-ld con proprietà “about” e “mention” partendo dall’estrapolazione delle entità di un testo. Il markup avrà come about il protagonista dell’articolo e come mention le 5 entità più rilevanti in base al salience score delle entità.”
Ecco la risposta:
Ottimo lavoro, ma l’articolo è About Carlo Alberto, non About Palazzo Carignano, che era comunque la sua residenza. Forse è presente una sbavatura nel prompt. Proviamo a chiedere di ristrutturarlo considerando che il markup è da inserire in un articolo e che quindi è necessario il type Article.
“mi ristrutturi questo markup tenendo conto che il type è Article e Carlo Alberto è l’oggetto di About?”
Questo è il risultato:
lo script è stato tagliato dallo screenshot per ragioni di spazio ma la richiesta è stata soddisfatta per intero.
Ma quanti Carlo Emanuele esistono? Il problema della disambiguazione
Una questione è ancora aperta: la disambiguazione. Di quale Carlo Emanuele parliamo?
Basta fare un giro sulle correlate di Google per capire che vi è più di un sovrano o principe della famiglia Savoia con questo nome. Quale Carlo Emanuele ha riconosciuto come entità il chatbot? Per scoprirlo chiediamo di affiancare ad ogni entità la rispettiva pagina Wikipedia.
prompt: “stesso markup ma con url di Wikipedia della rispettiva entità”
Bene, era il sesto principe di Carignano nonché padre di Carlo Alberto.
Ma di Carlo Alberto si è scordato la URL!
“aggiungi la url di wikipedia a Carlo Alberto, mantenendo lo stesso markup”
Ora sì che va bene!
Controlliamo, per scrupolo, che esistano veramente le pagine di Wikipedia corrispondenti.
Ad esempio:
https://it.wikipedia.org/wiki/
Principessa_di_Sassonia-Curlandia
Il risultato:
Non esiste, se l’è inventata di sana pianta.
Allora facciamo un passo indietro e riformuliamo l’intero prompt, inserendo una nuova specifica: inserire nel markup le entità che abbiano associata una reale pagina Wikipedia.
“Creare un markup Schema Article in formato Json-ld con proprietà “about” e “mention” partendo dall’estrapolazione delle entità di un testo. Il markup avrà come about il protagonista dell’articolo e come mention le 5 entità più rilevanti che abbiano una pagina Wikipedia in lingua italiana realmente popolata. Inserisci le URLs nel campo URL:.”
Ma il problema non viene risolto lo stesso, perché ricordiamo che al momento il chatbot non può accedere al Web. Vediamo se il problema può essere aggirato richiedendo le pagine in inglese.
Dopo verifica il risultato non cambia, link a una pagina non popolata.
Il problema sembra proprio il riconoscimento di questa entità in particolare, la principessa di Sassonia e duchessa di Curlandia, che richiama una URL che non esiste ancora (ovviamente questo non significa che la persona non sia mai esistita).
Proviamo ad eliminare il vincolo delle entità più rilevanti.
“Creare un markup Schema Article in formato Json-ld con proprietà “about” e “mention” partendo dall’estrapolazione delle entità di un testo. Il markup avrà come about il protagonista dell’articolo. Le entità sotto mention devono avere una pagina Wikipedia in italiano realmente popolata con cui sei stato addestrato. Inserisci le URLs nel campo URL:.”
No, questo prompt non ha risolto nulla.
Alla fine tocca chiedere sempre a Google
Un’ipotesi di soluzione è quella di effettuare la ricerca per KG MID, ovvero il codice univoco identificativo dell’entità nel Knowledge Graph, ma poiché l’id potrebbe cambiare nel tempo questa non è la soluzione migliore possibile. Attenzione però: esiste un ID che identifica le entità non riconosciute. Quindi ecco un nuovo prompt:
“Creare un markup Schema Article in formato Json-ld con proprietà “about” e “mention” partendo dall’estrapolazione delle entità di un testo. Il markup avrà come about il protagonista dell’articolo e come mention le 5 entità più salienti. Se all’entità è associata l’id KGMID del Knowledge Graph kg:/m/0c2s2s1 non metterla nel markup. Se l’entità ha un id diverso da kg:/m/0c2s2s1 inserisci solo il campo url: con la pagina di Wikipedia italiana corrispondente.”
Meglio, ma il risultato non è soddisfacente al 100% nemmeno così perché la pagina di Maria Cristina Albertina è un’altra. Nel frattempo il chatbot si è pure stufato di mostrare l’interfaccia con sfondo nero, chissà perché, forse anche le AI dopo un po’ si annoiano a ricevere sempre le stesse richieste…
Occorre un ulteriore raffinamento del prompt:
“riscrivi il markup tenendo conto che Maria Cristina Albertina è Maria Cristina di Sassonia”
Finalmente habemus principessam! (si perdoni il latino molto maccheronico)
Skynet può aspettare (almeno per un altro po’)
Cosa abbiamo appreso da questo piccolo use case?
- ChatGPT è uno strumento molto potente che però, al giorno d’oggi, non riesce ad autocompletare i prompt dell’user secondo le sue reali intenzioni. Al momento l’unico modulatore della richiesta per un output veramente convincente è la competenza e la conoscenza del settore.
- Un elemento di differenziazione a livello professionale potrebbe essere la conoscenza pratica di numerosi use cases per diversi usi, aggiungendo però la propria creatività per personalizzare i prompts in base alle proprie necessità particolari (in un sito di storia le proprietà About e Mention sono probabilmente più importanti rispetto ad un e-commerce, mentre un Price è molto meno rilevante. Certamente però se non si conosce la semantica del vocabolario dei dati strutturati il percorso risulterà più farraginoso perché servirà un “brAInstorming” più lungo per giungere al medesimo risultato).
- L’esperienza del professionista è un aiuto fondamentale per riconoscere e correggere gli inevitabili errori che commette l’AI, che offre risposte su base probabilistica.
Il paradosso della SEO (salvo totali cambi di paradigma) è che questa professione, nata per fornire le migliori risposte, dovrà sforzarsi nel formulare le migliori domande.
Se vuoi creare contenuti per la tua azienda o attività commerciale, leggi: Consulenza per Blog Aziendale: da mucchio di pagine inutili a calamita per clienti
Ciao sono Luca Bastianelli, SEO Manager. Ma preferisco definirmi un umanista prestato dalla società al mondo di Google e della tecnologia, perché “chi sa solo di SEO non sa nulla di SEO” (semicit.)
