Blog

Come il Google Machine Learning aumenta la produttività di G Suite

La nostra giornata lavorativa è scandita da appuntamenti, creazione di report, progetti da portare a termine, email da evadere. E queste sono solo alcune delle attività con le quali impieghiamo il nostro tempo e che possono influire sulla produttività del lavoro.

Google parla di “overhead” ovvero di tempo trascorso a lavorare su attività non direttamente riconducibili alla ricerca di nuove idee o alla fase creativa del lavoro. Secondo uno studio di Google, infatti, il lavoratore medio dedica solo il 5% del proprio tempo per  pensare a nuovi progetti e idee e il tempo restante viene occupato da altre attività.

È qui che interviene e può essere di supporto il Google Machine Learning, con i suoi algoritmi e le previsioni basate sull’analisi dei dati.

G Suite è potenziato dal Google Machine Learning

G Suite è la suite di strumenti di collaborazione che aiuta ad aumentare la produttività e grazie ai modelli del machine learning Google rende ancora più efficienti le giornate di lavoro, automatizzando alcuni processi come, ad esempio, la pianificazione delle riunioni o suggerendo documenti o informazioni pertinenti a quello su cui stiamo lavorando.

La prima applicazione per la quale è stato utilizzato il machine learning in G suite è stata Gmail con lo scopo di eliminare lo spam tra i messaggi. Da sempre, il funzionamento di Gmail si basa su un sistema di regole e questo ha reso necessario la creazione di regole sempre nuove nel tempo per far fronte a tutti i singoli modelli di spam. Dopo circa un decennio la precisione con cui Google riesce a rilevare lo spam rasenta il 99%.  

A partire dal 2014, il sistema di regole di Gmail è stato potenziato per generare regole usando algoritmi di machine learning e portando la rilevazione dello spam ad un livello superiore. Attualmente si utilizza il Tensor Flow che rigenera in continuazione il “filtro spam”, in modo che il sistema ha imparato a predire quali messaggi di posta elettronica possono contenere dello spam.

L’apprendimento automatico trova nuovi modelli e si adatta molto più rapidamente rispetto ai precedenti sistemi manuali: è una grande parte del motivo per cui più di un miliardo di utenti di Gmail evita spam nel loro account.

Un altro esempio efficace di integrazione del Google machine learning in G Suite è dato da Smart Replay che è in grado di generare ben tre risposte in linguaggio naturale ad una email. Così, se vi trovate nell’impossibilità di rispondere ad un messaggio, Smart Replay potrà farlo per voi.

L’obiettivo di Google è di aiutare le aziende e chi ci lavora a realizzare sempre di più grazie alle sue soluzioni. Probabilmente anche voi avrete già avuto modo di sperimentare il machine learning integrato nel vostro lavoro quotidiano.