Ricerca e Sviluppo: attività strategiche per Monk

La passione di noi monk per l’innovazione è tutt’altro che un mistero. Da anni Monk Software investe in Ricerca e Sviluppo e da altrettanto tempo l’innovazione è parte integrante della nostra missione. L’obiettivo, da un lato, è di dare un contributo rilevante nel panorama tecnologico attuale; dall’altro, di potenziare i nostri prodotti conversazionali (EIMe, Bob e Adam Framework) con funzionalità che offrano un vero valore aggiunto alle aziende che li hanno scelti.

È un approccio sul campo, quello Monk, e sul campo misura i risultati ottenuti. Alla fine del 2020, tra i frutti di un lavoro avviato oltre due anni fa abbiamo potuto celebrare la pubblicazione della nostra prima ricerca scientifica, condotta in collaborazione con CNR-Confindustria, l’Università Campus Biomedico e l’ItaliaNLP Lab di Pisa.

Come tutto è cominciato

Quando, nel 2018, il World Economic Forum indicò i Digital Helper tra le prime dieci tecnologie emergenti dell’anno, le nostre attività di R&S erano già da tempo focalizzate sul mondo dell’intelligenza artificiale, del machine learning e dell’NLP.

Nel 2019, questo impegno si è concretizzato attraverso una partnership con CNR-Confindustria, che ha finanziato l’avvio di un dottorato di ricerca rivolto allo studio dei Digital Helper per le E-Community in ambito sanitario. Un progetto ambizioso, al quale si sono uniti ItaliaNLP Lab prima e Campus Biomedico poi, andando a completare e arricchire il profilo scientifico dell’iniziativa.

Il primo anno di lavoro è culminato con la pubblicazione del paper “A Machine Learning approach for Sentiment Analysis for Italian Reviews in Healthcare”, consultabile sul sito del Ceur.

Lo studio e le sue applicazioni in ambito aziendale

Il titolo racchiude in sé il cuore del lavoro: “A Machine Learning approach for Sentiment Analysis for Italian Reviews in Healthcare” è la prima ricerca sul tema dedicata alla Sentiment Analysis in lingua italiana per il settore sanitario.
Improntato sui principi chiave della trasparenza e della spiegabilità del machine learning, lo studio si concentra sull’analisi del Sentiment delle recensioni pubblicate sul sito QSalute.

Il lavoro mette a confronto i risultati ottenuti grazie all’implementazione di un classificatore SVM basato su LibLinear e quelli ottenuti con BERT, mostrando peraltro le differenze tra i due sistemi rispetto all’analisi di dataset sbilanciati.

In un contesto di mercato in cui la customer journey inizia online con la ricerca delle recensioni sui prodotti e i servizi, la Sentiment Analysis e, più in generale, l’NLP rappresentano un’opportunità fondamentale per raccogliere dati utili a migliorare il rapporto col cliente e prendere decisioni informate. Vale per l’ambito healthcare così come per le aziende.

*Per esempio, un chatbot supportato da algoritmi di Machine Learning consente di automatizzare più efficacemente buona parte dei compiti ripetitivi e ridurre il carico di lavoro del customer care, diminuendo i costi e i tempi di risposta, e migliorando di conseguenza l’esperienza dell’utente. Soprattutto, uno strumento di questo tipo mette l’azienda in condizione di acquisire preziose informazioni sulle preferenze, il linguaggio e le problematiche reali dei clienti finali.

Uno sguardo al futuro

Questa prima pubblicazione rappresenta un tassello di tanti nella roadmap che guida le nostre attività di R&S.

Lo sviluppo dei prodotti Monk Software prosegue, così come le iniziative e le collaborazioni dedicate alla ricerca. E, se il 2020 da questo punto di vista è stato positivo, il 2021 promette di non essere da meno. Vedrà la luce, infatti, un nuovo progetto, ancora a tema Digital Helper, promosso grazie all’iniziativa “Progetti Strategici” della Regione Lazio.

Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes:

<a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>