"AI preparedness guidelines for archivists"

Su iniziativa di ARA, The Archives and Records Association UK & Ireland, sono state pubblicate le “AI preparedness guidelines for archivists” (“Linee guida per la preparazione degli archivisti all’intelligenza artificiale”), scritte con il contributo di Giovanni Colavizza, professore presso le Università di Copenhagen e Bologna, e Lise Jaillant, della Loughborough University. Le linee guida costituiscono uno dei primi risultati del progetto FLAME, dedicato all’utilizzo dell’intelligenza artificiale nel settore GLAM (Galleries, Libraries, Archives and Museums). Di seguito la presentazione del documento a cura degli autori.

“L’intelligenza artificiale (AI) è un tema ormai ricorrente nel mondo degli archivi. Manager e stakeholder si interrogano sulla possibilità che possa rendere più veloce la descrizione dei documenti, facilitare l’individuazione di contenuti sensibili, o ancora ampliare le possibilità di accesso ai dati e alle informazioni.

Questo documento fornisce indicazioni pratiche su come preparare le collezioni archivistiche all’uso dell’AI, nel rispetto dei principi archivistici e degli impegni etici.

Il messaggio chiave è semplice: l’AI può supportare il lavoro archivistico, ma solo se le collezioni vengono rese ‘AI-ready’ attraverso un’adeguata preparazione, documentazione e governance. L’automazione è una necessità limitata, non una soluzione magica.

Cosa si intende per “AI-ready”?

In queste linee guida si distinguono due principali tipologie di AI che gli archivi possono incontrare:

AI per compiti specifici (task-specific AI)

Modelli addestrati per svolgere attività ben definite, come:

• classificare tipologie documentali;

• individuare nomi, luoghi o date;

• segnalare informazioni personali o sensibili.

AI generative (generative AI)

Grandi modelli linguistici e strumenti affini che:

• riassumono documenti o aggregati di documenti;

• propongono bozze di descrizioni o parole chiave;

• offrono risposte in linguaggio naturale a domande sulle collezioni.

Un approccio particolarmente rilevante per gli archivi è il Retrieval-Augmented Generation (RAG). Questo metodo permette in prima battuta di recuperare documenti o metadati pertinenti da una collezione ben strutturata, offrendo poi questo materiale al modello generativo per ottener in cambio una risposta o una sintesi.  Grazie a ciò, si riducono i rischi di ‘allucinazioni’, ancorando i risultati alle fonti reali.

Indipendentemente dagli strumenti adottati, l’AI può essere utile e affidabile solo se le collezioni di partenza sono preparate secondo quattro dimensioni fondamentali: completezza, metadati e accesso, tipologie e formati dei dati, e metriche specifiche per l’applicazione”.

Approfondisci su archives.org.uk