Mitigare i rischi dell'IA

Introduzione all'AI per il lavoro

James Chapman

AI Curriculum Manager, DataCamp

Mitigare la fabbricazione di conoscenza

Mentalità fidati ma verifica

Ricontrolla sempre le info critiche
- 📈 Numeri e dati
- 📖 Citazioni e riferimenti
- 🏛 Fatti e date storiche
- 💻 Dettagli tecnici

Fabbricazione di conoscenza

Previsione della prossima parola

¹ https://openai.com/index/why-language-models-hallucinate/

🤝 Permesso di astenersi: "Se non sei sicuro, dì 'Non lo so' invece di indovinare."

🎯 Calibrazione: "Segna ogni affermazione come: certa / incerta / inferita."

📚 Cita o etichetta: "Per ogni fatto, fornisci una fonte o etichettalo come senza fonte."

🧹 Auto-verifica: "Elenca ciò che potrebbe essere sbagliato o che hai assunto."

🧭 Limita l’ambito: "Restringi la risposta a quanto dichiarato nell’input. Non estrapolare."

Controlla sempre la data del knowledge cutoff
Verifica tutto ciò che è avvenuto dopo
- 💰 Prezzi
- 🏛 Regolamenti
- 👷 Cambi di personale
- 📰 Notizie
🌐 Usa il supporto di navigazione web

Ignoranza della recenza

Valuta criticamente gli output
- 🤝 Materiali di assunzione
- ✨ Contenuti di marketing
- 👉 Decisioni
❗ Strumenti per rilevare bias

Output con bias

🧭 Guida l’IA verso oggettività e analisi critica
🤔 Resta scettico sugli output dell’IA
💬 Chiedi esplicitamente feedback critico
- Quali problemi potenziali ha questo approccio?
- Quali prospettive alternative esistono su questo tema?

Piaggeria dell’IA

Non condividere mai:
- 🔑 Password o credenziali
- 🔍 Dati personali dei clienti (es. PII)
- 📣 Informazioni proprietarie dell’azienda
- 📜 Strategie o piani riservati