Oltre ai grandi filoni della computer vision e del natural language processing, l’ecosistema Azure copre una serie di workload AI più specializzati che l’esame AI-900 si aspetta tu sappia riconoscere. La chiave non è sapere come si configurano, ma capire quale servizio scegliere dato uno scenario di business.
Content moderation e content safety
Quando un’applicazione accetta contenuti generati dagli utenti (commenti, immagini, testi caricati), serve un modo per individuare materiale dannoso: violenza, odio, contenuti sessuali, autolesionismo. Questo workload si chiama content moderation ed è oggi realizzato con Azure AI Content Safety.
- Analizza testo e immagini e assegna un livello di severità a più categorie di rischio.
- Include protezioni pensate per l’AI generativa, come il rilevamento di prompt injection / jailbreak e il controllo del grounding delle risposte.
- Si usa quando l’obiettivo è mantenere una piattaforma sicura e conforme, filtrando l’input degli utenti o l’output dei modelli.
Sistemi di raccomandazione e personalizzazione
Un recommendation system suggerisce all’utente il prossimo articolo, film o prodotto in base al comportamento suo e di utenti simili. La personalization adatta i contenuti in tempo reale per aumentare engagement e conversioni. È il workload tipico di e-commerce, streaming e portali di contenuti: lo riconosci quando lo scenario parla di “suggerire il prossimo elemento” o “personalizzare l’esperienza”.
Anomaly detection
L’anomaly detection identifica automaticamente valori o pattern che si discostano dalla norma all’interno di dati, spesso serie temporali.
- Casi d’uso: rilevamento di frodi su transazioni, monitoraggio di sensori IoT, individuazione di picchi anomali di traffico o cali di performance.
- Segnale d’esame: lo scenario descrive dati che cambiano nel tempo e la necessità di “capire quando qualcosa è insolito” senza definire regole fisse a mano.
Knowledge mining e document intelligence
Il knowledge mining estrae informazioni e connessioni da grandi archivi di documenti eterogenei per renderli ricercabili: il servizio di riferimento è Azure AI Search, che indicizza i contenuti e ne arricchisce i metadati.
La document intelligence (in precedenza Form Recognizer) va oltre l’OCR: comprende la struttura dei documenti ed estrae in modo intelligente campi da fatture, ricevute, contratti, moduli e carte d’identità, restituendo dati strutturati (coppie chiave-valore, tabelle).
- Knowledge mining → “voglio cercare dentro migliaia di documenti”.
- Document intelligence → “voglio estrarre campi specifici da moduli/fatture”.
La famiglia Azure AI services
Tutti questi workload sono erogati tramite Azure AI services, la famiglia unificata di API cloud che espone modelli pre-addestrati per vision, speech, language, decisione e AI generativa (inclusa Azure AI Foundry per costruire soluzioni con LLM). Si accede a questi servizi tramite una risorsa su Azure con endpoint e chiave.
Prebuilt vs custom
Il concetto più valutato è la differenza tra modelli pronti all’uso e soluzioni addestrate sui propri dati:
- Modelli prebuilt: già addestrati da Microsoft, utilizzabili immediatamente via API. Ideali quando il compito è generico (riconoscere lingua, trascrivere audio, leggere una fattura standard). Rapidi, economici, nessun dataso richiesto.
- Soluzioni custom: addestri il modello sui tuoi dati etichettati per riconoscere categorie, entità o layout specifici del tuo dominio (es. Custom Vision, modelli di document intelligence personalizzati, classificazione testo custom). Da preferire quando i modelli generici non coprono le tue classi o i tuoi documenti particolari.
Regola pratica: parti dal prebuilt; passa al custom solo se i risultati non bastano per il tuo caso specifico.
Trappole tipiche d’esame
- Bloccare commenti offensivi e immagini inappropriate degli utenti → Azure AI Content Safety (content moderation), non un modello di sentiment.
- Rilevare transazioni fraudolente o picchi anomali nei sensori nel tempo → anomaly detection, non computer vision.
- Estrarre importo, data e fornitore da migliaia di fatture → document intelligence, non OCR “semplice” né un LLM generico.
- Rendere ricercabile un grande archivio documentale eterogeneo → knowledge mining con Azure AI Search, non document intelligence.
- Serve riconoscere componenti industriali specifici assenti nei modelli standard → soluzione custom (Custom Vision), non il modello prebuilt di image analysis.