La validazione delle Personas — profili che rappresentano differenti tipologie di utenti — è spesso un processo lungo e dispendioso, in particolare in settori complessi come quello sanitario. Ma una nuova ricerca condotta da Emanuele Tauro ed Enrico Caiani del Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano propone una soluzione più efficiente, intelligente ed economica.
Il team ha messo a punto un metodo innovativo basato sull’intelligenza artificiale, sfruttando una tecnica chiamata self-supervised machine learning. La vera novità è che il sistema si fonda esclusivamente sui dati già raccolti durante la creazione delle Personas, eliminando la necessità di ulteriori — e costose — fasi di validazione.
In pratica, i ricercatori hanno utilizzato l’80% dei dati disponibili per creare le Personas, raggruppando gli utenti in base alle somiglianze. Diversi modelli di AI sono stati allenati per imparare a riconoscere le loro caratteristiche. Successivamente, hanno messo alla prova questi modelli sul restante 20% dei dati per vedere se riuscissero ad indovinare a quale Persona apparteneva ogni individuo, usando un sistema di voto tra i modelli. L’efficacia del processo è stata valutata utilizzando metriche come accuratezza e precisione.
Il metodo è stato sperimentato su due dataset sanitari molto diversi: il primo con oltre 1.000 partecipanti, il secondo con 176. Nonostante le differenze nella numerosità e nella distribuzione dei gruppi, il sistema ha ottenuto risultati eccellenti, identificando correttamente le Personas in oltre l’88% dei casi.
Ma il dato più rilevante è un altro: questo approccio non solo consente di risparmiare tempo e risorse, ma dimostra anche che le Personas possono riflettere in modo significativo le differenze nei bisogni e nei comportamenti delle persone. Una risorsa preziosa per la sanità, il marketing e ogni ambito in cui comprendere le esigenze degli utenti è cruciale.