Azure AI Language è il servizio unificato di Azure per l’elaborazione del linguaggio naturale (NLP). Raggruppa sotto un’unica risorsa una serie di capacità che in passato erano distribuite su servizi separati (come Text Analytics e LUIS), offrendo un unico endpoint e una sola chiave per analizzare, comprendere e interpretare testo scritto. È il servizio di riferimento ogni volta che l’esame descrive uno scenario in cui bisogna “capire” del linguaggio umano non strutturato.

Le capacità prebuilt

Buona parte delle funzioni di Azure AI Language è prebuilt (pre-addestrata): sono modelli già pronti che restituiscono un risultato senza bisogno di dati o training da parte tua. Le principali sono:

  • Sentiment analysis: valuta se un testo esprime un’opinione positiva, negativa, neutra o mista, restituendo anche un punteggio di confidenza. È perfetta per analizzare recensioni, feedback dei clienti o post sui social.
  • Key phrase extraction: individua i concetti principali di un documento (le “frasi chiave”), utile per riassumere rapidamente grandi volumi di testo o indicizzare contenuti.
  • Named Entity Recognition (NER): riconosce e classifica entità come persone, luoghi, organizzazioni, date e quantità presenti nel testo.
  • Entity linking: collega un’entità riconosciuta a una voce univoca di una knowledge base (tipicamente Wikipedia), disambiguando i termini.
  • PII detection: identifica e può oscurare informazioni personali sensibili (numeri di telefono, email, codici).
  • Language detection: rileva automaticamente la lingua di un testo.
  • Summarization: genera riassunti estrattivi o astrattivi di documenti o conversazioni.

Queste funzioni non richiedono alcun addestramento: si invocano e restituiscono subito un risultato.

Le capacità addestrabili

Altre funzionalità sono customizable: parti da un modello base e lo addestri sui tuoi dati per adattarlo al tuo dominio specifico.

Question answering

La funzione question answering costruisce un livello conversazionale sopra una base di conoscenza (documenti, FAQ, manuali). Da un insieme di coppie domanda-risposta genera un bot in grado di rispondere in linguaggio naturale. È la scelta tipica per un help desk automatico o una FAQ intelligente.

Conversational Language Understanding (CLU)

Conversational Language Understanding (CLU) è il modello che permette a un’applicazione di interpretare l’intento dietro una frase dell’utente. CLU si basa su due concetti fondamentali:

  • Intent: l’obiettivo o l’azione che l’utente vuole compiere (es. PrenotaVolo, ControllaMeteo).
  • Entity: le informazioni specifiche estratte dalla frase, necessarie a soddisfare l’intento (es. la città di destinazione, la data).

Ad esempio, alla frase “Prenota un volo per Roma domani”, CLU associa l’intent PrenotaVolo ed estrae le entità destinazione = Roma e data = domani. CLU va addestrato fornendo frasi di esempio (utterances) etichettate. È il cuore di bot, assistenti virtuali e interfacce vocali in cui bisogna comprendere richieste formulate liberamente.

La differenza chiave

Ricorda la distinzione fondamentale per l’esame: question answering serve a fornire una risposta attingendo a una knowledge base; CLU serve a capire cosa vuole fare l’utente (intento) e con quali dettagli (entità), per poi orchestrare un’azione. I due si combinano spesso nello stesso bot.

Trappole tipiche d’esame

  • Scenario: devi determinare se le recensioni di prodotto sono positive o negative → risposta giusta: sentiment analysis di Azure AI Language (funzione prebuilt, nessun training).
  • Scenario: vuoi che un chatbot capisca frasi come “vorrei annullare l’ordine” e ne ricavi l’azione e i dettagli → risposta giusta: Conversational Language Understanding (CLU), basata su intent ed entità. Non question answering.
  • Scenario: devi creare un bot che risponda automaticamente alle FAQ aziendali attingendo a un documento esistente → risposta giusta: question answering, non CLU.
  • Scenario: ti chiedono quale capacità richiede di essere addestrata sui propri dati → risposte giuste: CLU e custom NER / custom text classification; sentiment, key phrase e language detection sono invece prebuilt.
  • Scenario: devi estrarre i temi principali da migliaia di documenti senza scrivere query → risposta giusta: key phrase extraction, non named entity recognition (che classifica entità specifiche, non i concetti generali).