Di disruptiveS ci siamo già occupati oltre un anno fa, quando il CEO Andrea Schiesaro ci ha raccontato il suo obiettivo di mettere l’intelligenza artificiale e la digital automation al servizio della crescita delle imprese.
La società, parte del Gruppo Axiom1, si definisce infatti una Aigency specializzata nello sviluppo di soluzioni su misura che combinano modelli di IA, automazione e visione strategica.
Successivamente, con Paolo Brera, Executive Director, abbiamo approfondito il tema dei RAG (Retrieval-Augmented Generation systems), architetture capaci di combinare modelli linguistici avanzati e sistemi di recupero dati personalizzati, con l’obiettivo di creare agenti IA istruiti correttamente.
Questi rispondono solo dopo aver consultato archivi, documenti e cataloghi interni alle aziende, riducendo così in modo significativo le allucinazioni tipiche dei grandi modelli linguistici.
Oggi invece la conversazione prosegue con Paolo Steila, Senior Partner, che ci ha illustrato la proposta forse più ambiziosa dell’azienda: Verbalitic.
Il significato dietro le parole
«Il problema oggi non è soltanto raccogliere dati, ma riuscire a trasformare il linguaggio grezzo e destrutturato di enormi quantità di testi in un sistema di comprensione profonda, capace di guidare decisioni strategiche», esordisce Steila. Una frase che sintetizza bene la missione di una piattaforma di analisi del linguaggio naturale capace di trasformare commenti, recensioni e post social in mappe dettagliate di sentiment, emozioni e argomenti.
“Non vogliamo limitarci a dire se un prodotto piace o non piace”, chiarisce Steila, «ma capire perché, in quali aspetti specifici e con quali sfumature emotive viene percepito. L’obiettivo è isolare e analizzare le singole componenti dell’esperienza, così da individuare ciò che genera soddisfazione o insoddisfazione e tradurlo in insight strategici». L’esordio è arrivato tutt’altro che casualmente coi videogiochi, ossia con EA Sports FC.
La transizione di Electronic Arts da FIFA è stata così il banco di prova: tre edizioni consecutive, milioni di recensioni, lingue e culture diverse, per capire come sia cambiata la percezione del brand. E come trasformare la materia prima più volatile, il linguaggio umano, in un vantaggio competitivo.
Il cuore della pipeline
La forza di Verbalitic risiede in una pipeline che integra Topic Modeling, Sentiment Analysis, Emotion Detection e Aspect Extraction in un unico flusso coerente di analisi.
In termini semplici, significa scomporre ogni testo in micro-unità di senso per coglierne le sfumature. «Noi lo chiamiamo segmentazione sub-sentence», spiega Steila, «perché invece di trattare una recensione come un blocco unico, isoliamo ogni frase o parte di frase che esprime un concetto autonomo e la analizziamo separatamente. In questo modo possiamo identificare opinioni distinte anche all’interno dello stesso paragrafo, preservando il contesto e la terminologia specifica».
A quel punto entra in gioco il sentiment continuo: non un semaforo verde o rosso, ma un “termometro emotivo” che va da 0 a 1, dove i valori intermedi catturano tutte le sfumature. «Una recensione globalmente positiva può contenere frasi molto critiche su un aspetto specifico», precisa Steila. Un esempio? Lo stesso utente può esprimere forte apprezzamento (punteggio di 0,88) per il gameplay, e solo 0,15 per le microtransazioni, evidenziando due reazioni opposte all’interno della stessa recensione.
In parallelo, un sistema di rilevamento delle emozioni classifica le frasi in 16 categorie: dalle otto emozioni di base di Plutchik (gioia, rabbia, paura, sorpresa…) ad altre otto specifiche del dominio analizzato. Questa componente sfrutta un modello fine-tuned su dataset selezionati, combinando analisi lessicale e reti neurali per garantire precisione anche su testi complessi o con sfumature emotive sottili.
Il motore di Verbalytics individua le emozioni associate a ogni frase, distribuendole in 16 categorie: dalle otto emozioni fondamentali di Plutchik ad altre otto definite appositamente per il dominio analizzato, in questo caso il gaming.
Infine, entra in gioco il topic modeling. Questo sistema combina modelli linguistici avanzati con tecniche di riduzione dimensionale e clustering per raggruppare automaticamente frasi e testi in insiemi tematicamente coerenti.
In questo modo, l’analisi riesce a individuare centinaia di argomenti distinti all’interno di grandi volumi di testo, riconoscendo non solo i temi già previsti dal committente, ma anche argomenti emergenti che non erano stati esplicitamente cercati.
Scoprire l’inaspettato
Ed è proprio qui che, secondo Steila, Verbalitic fa la differenza: «Spesso proprio questi temi imprevisti si rivelano i più preziosi per anticipare tendenze, intercettare problemi nascosti o scoprire nuove opportunità.»
Nel caso del calcistico di EA Sports FC, dall’analisi delle recensioni delle ultime tre edizioni del gioco sulla piattaforma Steam sono emersi centinaia di temi ricorrenti, tra cui i pacchetti dell’Ultimate Team, al centro di opinioni contrastanti, e il dibattito sull’integrazione del calcio femminile.
All’interno di quest’ultimo tema è stato individuato un “caso Van Dijk”, un insieme ricorrente di commenti: nelle recensioni su FC24 e FC25 il nome del difensore olandese ricorre spesso come simbolo di una critica più ampia al realismo delle statistiche e della fisica nelle partite con squadre miste.
Molti utenti segnalano infatti situazioni in cui calciatrici fisicamente inferiori rispetto allo statuario difensore del Liverpool (195cm per 92 chili), riescono a spostarlo o a batterlo nei duelli corpo a corpo, percependo un bilanciamento poco credibile.
Il team di disruptiveS: Paolo Brera, Executive Director e Senior Innovation Partner (sx). Paolo Steila, Head of Strategy e Senior Partner; Andrea Schiesaro, CEO.
«Questo è solo un esempio della mappatura dell’ampia gamma di percezioni e aspettative della player base su aspetti specifici del gioco. Sono insight che possono diventare input preziosi per lo sviluppo del prodotto o per strategie di engagement mirate. Per noi l’analisi non è solo descrittiva: è esplorativa», aggiunge Steila.
Questa capacità di scoprire l’inaspettato è resa possibile da un’architettura che non si limita a usare modelli “out of the box”. «Selezioniamo i modelli più adatti, li ottimizziamo e li inseriamo in pipeline su misura per il dominio del cliente», sottolinea Steila, «perché la qualità degli insight dipende dalla precisione con cui si legge il contesto».
Quando l’IA generativa connette i puntini
Dopo che la pipeline ha identificato sentiment, emozioni e argomenti, entra in gioco l’IA generativa. «Non la usiamo per inventare risposte», puntualizza Steila, «ma per sintetizzare i dati, individuare trend, connessioni sottili e segnali deboli».
Nel caso delle recensioni Steam di EA Sports FC, l’analisi ha messo in luce come l’apprezzamento per diversi elementi del gioco si intrecciasse con osservazioni critiche, dando vita a un vivace dibattito su aspetti chiave dell’esperienza di gioco e su come questi si siano evoluti nel passaggio da un’edizione all’altra.
Il problema è che, nell’era in cui i dati sono il nuovo oro nero, chi li ha tende a custodirli gelosamente. I social in primis. E quindi se Verbalitic oggi ha un limite, non è nell’analisi ma nell’accesso ai dati.
Ecco come il topic modeling viene riprodotto graficamente in Verbalitic.
«La nostra pipeline può analizzare qualunque testo», precisa Steila, «ma il limite oggi è il reperimento: se il cliente non è proprietario dei dati, quando esiste un’API ufficiale possiamo operare in modo sicuro e scalabile; in caso contrario, non sempre è possibile adottare soluzioni alternative come lo scraping».
È un punto che rivela una filosofia operativa precisa: puntare alla qualità e alla sostenibilità dei progetti, senza scorciatoie rischiose.
Oltre i confini attuali
Guardando avanti, Steila non ha dubbi: «Il bello è che l’architettura di Verbalitic è già pronta per affrontare nuove lingue, nuovi mercati e contesti completamente diversi dal gaming».
Grazie a una pipeline modulare, la piattaforma può essere adattata rapidamente a settori come la politica, l’hospitality o la sanità, mantenendo la stessa capacità di leggere tra le righe e individuare segnali deboli prima che diventino evidenti.
È un approccio che, una volta superati i limiti di accesso ai dati, promette di trasformare qualunque flusso di feedback in una bussola per decisioni più consapevoli e tempestive.
E può funzionare come “fotografia” storica una tantum, meno costosa e perfetta per analisi retrospettive, o come monitoraggio continuo quasi in tempo reale, più impegnativo ma capace di intercettare tempestivamente cambi di percezione.
