Abbiamo sviluppato un modello di IA capace di comprendere in modo più accurato il linguaggio burocratico della Pubblica Amministrazione e dei settori finanziari e assicurativi, con l’obiettivo di agevolare il repertimento delle informazioni e automatizzare  la gestione dei documenti negli enti pubblici.

Abbiamo dimostrato come i Language Model più piccoli, ma altamente specializzati, possano garantire ottimi risultati, anche quando i dati disponibili sono limitati, configurandosi come una soluzione strategica e molto efficace per accelerare la trasformazione digitale su piccola scala.

Con il giusto addestramento, le reti neurali artificiali possano valutare in maniera estremamente accurata la complessità di un testo, agevolando la semplificazione dei documenti quando ce n’è bisogno e contribuendo a migliorare l’accessibilità delle informazioni.

Abbiamo valutato quanto accuratamente i Large Language Models sappiano interpretare le relazioni causali e temporali, evidenziando limiti che possono influire sul loro utilizzo in applicazioni critiche.

Abbiamo costruito un sistema di QUEstion answering che permette ai cittadini e agli operatori di recuperare rapidamente informazioni dalla Pubblica Amministrazione grazie a un approccio semantico basato sui FRAme e adattabile a diversi domini.

Abbiamo sviluppato un approccio per semplificare automaticamente i testi e adattarli alle competenze di parlanti non madrelingua di italiano, utilizzando modelli Transformer parametrizzabili e dati raccolti tramite un’analisi del comportamento reale degli utenti.