Cloudflare pubblica in anteprima su Workers AI il modello IA «Clairic», specializzato nell’estrazione di campi dai documenti

Cloudflare ha pubblicato in anteprima su Workers AI, la sua piattaforma di esecuzione per l’IA, «Clairic», un modello che estrae dai documenti i valori dei campi specificati. L’utente indica campi come il numero d’ordine o l’importo della fattura e il modello restituisce i valori nel formato richiesto, insieme al relativo grado di confidenza. È prevista a breve anche la pubblicazione dei pesi del modello in modalità open weights; sono inoltre mostrati esempi di elaborazione in combinazione con un LLM.

Un’IA che estrae campi, non che scrive testi

Quando si parla di IA generativa, molti pensano a uno strumento capace di scrivere testi con grande fluidità. Clairic, invece, ha caratteristiche quasi opposte. Si limita a estrarre campi specifici, come «recuperare l’importo totale da una fattura» o «trovare il numero d’ordine in un’e-mail».

Anche il suo funzionamento ha delle peculiarità. Un LLM tradizionale genera il testo concatenando una parola alla volta, a livello di token; Clairic, invece, non procede in questo modo e restituisce in un’unica elaborazione le risposte per tutti i campi richiesti. Se nel documento non trova il valore corrispondente, restituisce «null» (ovvero, nessun risultato), senza inventarsi una risposta: una caratteristica utile sul piano pratico.

Oltre all’estrazione, il modello dovrebbe essere in grado di eseguire semplici calcoli e di fornire stime e previsioni. In altre parole, è più facile pensare a Clairic come a un addetto alla «preparazione» dei dati, che organizza informazioni sparse in una forma più pratica da usare, piuttosto che come a un modello incaricato di scrivere testi.

I modelli si dividono i compiti nella gestione delle richieste

L’esempio d’uso proposto da Cloudflare è particolarmente ricco di spunti. Il caso riguarda un’e-mail di reclamo di un cliente. Per prima cosa, Clairic estrae dal messaggio il numero d’ordine, l’importo e i dettagli del danno, quindi stima il costo della riparazione.

A questo punto entra in gioco «Clef», un modello dedicato alle decisioni. In base alle regole aziendali, sceglie se procedere con un rimborso o con una riparazione. Infine, l’LLM GLM-5.3 scrive la risposta destinata al cliente.

L’aspetto interessante è che non si affida tutto a un unico modello gigantesco. Immaginando una situazione in un’azienda, è un po’ come avere un addetto alla reception che organizza le informazioni, un responsabile che decide il da farsi e una persona esperta di scrittura che prepara la risposta. Cloudflare chiama «System One» i gruppi di modelli più piccoli, incaricati delle elaborazioni rapide, e ne prevede l’uso in sequenza insieme agli LLM.

A mio avviso, è proprio questa l’idea centrale dell’annuncio. Quando si pensa di introdurre l’IA, si tende a concentrarsi sulla scelta di «un solo modello, il più intelligente possibile». Ma, se si scompone un’attività nei suoi vari compiti, non tutti richiedono il massimo delle capacità cognitive. Progettare i processi in modo da usare strumenti diversi a seconda del ruolo potrebbe diventare una prassi consolidata per l’IA applicata al lavoro.

I dati sulla velocità mostrano i vantaggi della suddivisione dei compiti

Vediamo anche i dati più interessanti. Secondo il confronto di Cloudflare, l’elaborazione in tre fasi descritta sopra richiede 19,3 secondi. Affidando le stesse tre fasi esclusivamente a GLM-5.3, il tempo sale a 61,7 secondi e il costo, secondo l’azienda, è quasi doppio.

Va però precisato che questi dati riguardano uno specifico esempio di elaborazione. La stessa differenza non si verificherà necessariamente in ogni attività: è più corretto considerarli un’indicazione di quanto possa cambiare il risultato suddividendo i compiti. Resta comunque il fatto che il divario supera il triplo in termini di tempo, e questo invita a riflettere sull’utilità di progettare processi articolati in più fasi.

Anche i limiti sono indicati chiaramente. Clairic non è ancora in grado di gestire in modo affidabile sequenze di calcoli prolungate. Per il momento, si afferma che gli sviluppatori dovranno eseguire queste elaborazioni con codice scritto da loro.

Un mondo in cui diversi modelli specializzati svolgono rapidamente e a basso costo i compiti per cui sono più adatti è comunque una prospettiva interessante per il lavoro quotidiano. I vantaggi di questa suddivisione dovrebbero essere particolarmente evidenti nelle attività ripetitive e ad alto volume, come l’elaborazione delle fatture o la gestione delle richieste dei clienti. Lasciamo agli LLM i compiti che solo loro possono svolgere. Clairic ci offre uno sguardo su questo possibile futuro.