🏢 Gestore di Dialogo Chatbot Governativo

Il passaggio viene attivato o esplicitamente — il cittadino dice "parla con una persona" — oppure implicitamente, quando lo stesso ciclo di compilazione slot scatta più di un paio di volte, quando la fiducia del classificatore di intenti resta bassa per diversi turni, o quando la richiesta tocca qualcosa che il bot non è autorizzato a risolvere. Instradare a un operatore umano presto, prima che il cittadino si frustri, è considerato una metrica di successo nei sistemi ben progettati, non un fallimento — un passaggio efficiente è molto meglio di un lungo ciclo senza uscita.

Un grande modello linguistico può gestire formulazioni aperte, intenti misti in una frase e domande di follow-up senza un grafo scritto a mano, perché genera la risposta successiva da una distribuzione appresa sul linguaggio anziché abbinando parole chiave. Quella flessibilità ha un costo in termini di prevedibilità: un LLM può uscire dallo script, allucinare una policy, o accettare un indirizzo mai realmente validato. Una macchina a stati basata su regole come questa è molto meno flessibile riguardo alla formulazione, ma ogni percorso al suo interno è enumerabile, testabile e verificabile — motivo per cui molti sistemi governativi e regolamentati abbinano ancora un front-end LLM a una macchina a stati deterministica o a un livello di validazione degli slot sottostante per tutto ciò che ha conseguenze legali o finanziarie.

Il rilevamento dell'intento risponde a "cosa vuole fare l'utente" — pagare una bolletta, richiedere un permesso, segnalare una buca — ed è di solito deciso una volta vicino all'inizio di una conversazione. L'estrazione di entità o slot risponde a "quali valori specifici mi ha dato" — un indirizzo, un tipo di permesso, una data — e può avvenire in quasi ogni turno mentre la conversazione riempie i dettagli necessari per agire sull'intento. Un messaggio può portare entrambi contemporaneamente: "c'è una buca in Via Roma" imposta l'intento (segnala_problema) e può compilare uno slot (posizione) in un'unica frase, cosa che l'NLU di questa simulazione gestisce verificando entrambi i pattern su ogni messaggio in arrivo.

I servizi governativi sono vincolati da regole che devono essere applicate in modo coerente e difendibile — una tariffa di permesso sbagliata citata, o una scadenza fiscale comunicata male, ha conseguenze reali e può essere soggetta a richieste di libertà di informazione o audit. Una macchina a stati finiti garantisce che certi passaggi avvengano sempre nello stesso ordine e non possano mai essere saltati, e ogni possibile percorso attraverso la conversazione può essere elencato e testato in anticipo. Quella verificabilità e prevedibilità di solito vale di più per un ente pubblico della conversazione più naturale che un LLM puro potrebbe offrire.