Quando il “One Big Beautiful Bill” (OBBB) è stato introdotto come un enorme documento non strutturato di 900 pagine, il team TurboTax di Intuit ha dovuto affrontare una sfida enorme. Non avevano moduli standard da seguire, nessuna istruzione ufficiale dell’IRS e una scadenza rigorosa da rispettare. Tradizionalmente, l’attuazione di una legislazione così complessa richiederebbe mesi di lavoro manuale.
Invece, Intuit ha sviluppato un flusso di lavoro specializzato basato sull’intelligenza artificiale che ha compresso mesi di lavoro in pochi giorni. Questa non è stata solo una vittoria per la preparazione fiscale; ha creato un modello per qualsiasi settore, come quello sanitario, legale o finanziario, che deve tradurre normative complesse in software precisi e ad alto rischio.
La sfida: complessità senza una tabella di marcia
Per comprendere la portata di questo risultato, è necessario osservare il modo in cui Intuit ha gestito in precedenza i principali cambiamenti legislativi. Durante il Tax Cuts and Jobs Act (TCJA) del 2017, il team ha lavorato senza intelligenza artificiale, decodificando manualmente le sezioni legali e tracciando il modo in cui erano interconnesse.
L’OBBB presentava ostacoli ancora maggiori:
– Caos strutturale: è arrivato come un documento non strutturato senza uno schema fisso.
– Incoerenza legislativa: le versioni della Camera e del Senato utilizzavano un linguaggio diverso per descrivere le stesse disposizioni.
– Il problema del “bersaglio mobile”: Il team ha dovuto iniziare a scrivere codice prima ancora che l’IRS avesse rilasciato moduli o istruzioni ufficiali.
In un settore regolamentato, il margine di errore è pari a zero. Un singolo errore nel calcolo delle imposte può avere conseguenze legali e finanziarie significative per milioni di utenti.
Il flusso di lavoro: dal testo giuridico al codice funzionale
Intuit non ha semplicemente “chiesto a ChatGPT” di scrivere il proprio codice. Hanno invece implementato una strategia a più livelli che è passata dall’analisi generale all’implementazione altamente specializzata.
1. Distillazione rapida dei documenti
Il team ha utilizzato Large Language Models (LLM) generici come ChatGPT per eseguire il pesante lavoro di analisi dei documenti. Hanno utilizzato questi modelli per:
– Riassumere le versioni della Camera e del Senato.
– Riconciliare le differenze tra i due.
– Filtra il testo massiccio per identificare solo le disposizioni specifiche che hanno avuto un impatto sui clienti TurboTax.
Questa fase ha trasformato quelle che prima erano settimane di lettura manuale in poche ore.
2. Colmare il divario con l’intelligenza artificiale specifica per dominio
I modelli generali di intelligenza artificiale si scontrano con un muro quando si tratta della codifica vera e propria. TurboTax non funziona su linguaggi di programmazione standard; si basa su un linguaggio proprietario, specifico del dominio gestito da Intuit.
Per risolvere questo problema, il team si è rivolto a Claude. A differenza dei modelli generali, Claude è stato utilizzato per una mappatura approfondita delle dipendenze, identificando come le nuove disposizioni legali avrebbero interagito con decenni di codice complesso esistente. Ciò ha consentito agli sviluppatori di ignorare ciò che rimaneva invariato e di concentrarsi esclusivamente su ciò che stava cambiando.
3. Automatizzazione dell’esperienza utente e test
Per garantire che la velocità non compromettesse la qualità, Intuit ha creato due strumenti proprietari fondamentali:
– Interfaccia utente generata automaticamente: uno strumento che genera automaticamente schermate di prodotto in base alla nuova legge, riducendo la necessità di progettazione manuale.
– Test unitario avanzato: I test tradizionali ti dicono solo se un pezzo di codice “passa” o “fallisce”. Il nuovo framework di Intuit identifica il segmento di codice esatto che ha causato un errore e ne spiega il motivo, consentendo agli sviluppatori di correggere istantaneamente gli errori all’interno del framework.
Un progetto per le industrie regolamentate
Il successo di questo progetto fornisce un quadro in quattro parti per qualsiasi organizzazione che lavora entro rigidi limiti normativi:
- Utilizza l’intelligenza artificiale generale per l’analisi: sfrutta gli LLM commerciali per analizzare, riepilogare e filtrare enormi quantità di dati non strutturati.
- Utilizzare strumenti specializzati per l’implementazione: quando si passa dalla “lettura” alla “costruzione”, passare a strumenti in grado di comprendere il proprio ambiente specifico e proprietario.
- Dai priorità ai test intelligenti: non limitarti a creare test “superato/fallito”; costruire un’infrastruttura diagnostica che spieghi perché si è verificato un errore.
- Distribuire la fluidità dell’intelligenza artificiale: l’intelligenza artificiale non dovrebbe essere uno strumento riservato agli ingegneri; deve essere integrata in tutti i reparti per garantire che l’intera organizzazione possa convalidare e utilizzare la tecnologia in modo efficace.
“Si tratta di disporre di competenze umane per poter convalidare e verificare praticamente qualsiasi cosa”, afferma Sarah Aerni, vicepresidente della tecnologia presso Intuit.
Conclusione
Combinando l’intelligenza artificiale generica per l’analisi rapida con strumenti proprietari per codifica e test specializzati, Intuit ha dimostrato che l’intelligenza artificiale può accelerare drasticamente i cicli di sviluppo senza sacrificare l’assoluta precisione richiesta dalle industrie regolamentate.
