AI multimodale: cos’è e cosa puoi farci al lavoro
Multimodale Un’AI multimodale gestisce più tipi di contenuto insieme, come testo, immagini, audio e a volte video. Puoi fotografare un documento e farle domande su quello che c’è scritto.
Redazione SpaccioAI15 ottobre 20261 min di letturaLivello intermedio
Un’AI multimodale lavora con più tipi di contenuto, non solo con il testo. Puoi darle una foto, un PDF, un audio o una schermata e farle domande a voce o per iscritto. Alcune producono anche immagini e voce, non solo parole. «Modalità» significa proprio questo, cioè il tipo di contenuto. Le funzioni esatte cambiano da uno strumento all’altro, quindi verifica cosa permette quello che usi.
Un esempio
Un artigiano fotografa un preventivo scritto a mano da un fornitore e chiede all’assistente di trasformarlo in una tabella con voce, quantità e prezzo. Poi gli chiede di segnalare le righe poco leggibili. Controlla i numeri uno per uno, perché una cifra letta male in una foto storta è un errore facile.
Da non confondere con
Non è solo l’OCR, la tecnica specifica che trasforma un’immagine di testo in testo vero. L’AI multimodale fa un lavoro più largo, perché oltre a leggere può anche descrivere, confrontare e rispondere a domande su ciò che vede.