Polpo ha osservato che gli analisti politici e altri professionisti che utilizzano informazioni politiche e governative dedicano troppo tempo alla ricerca manuale di informazioni parlamentari in fonti di dati disparate. Il processo era costoso, dispendioso in termini di tempo e suscettibile di errori umani e rendeva difficile monitorare le informazioni politiche rilevanti per individui e organizzazioni specifici.

Decisi a rispondere a questa chiara e urgente esigenza del settore pubblico olandese, i fondatori originali dell'azienda hanno deciso di costruire una piattaforma che fornisse supporto automatizzato per le ricerche di dati parlamentari e consentisse agli utenti professionali di dedicare più tempo al processo decisionale strategico.

Polpo nasce da una collaborazione fruttuosa tra diverse aree di competenza, riunita dai co-fondatori dell'azienda: Johan van Zaanen, Caspar Pille e Desmin Dekker. Come spiega Van Zaanen: "Non molte persone hanno un’affinità con la tecnologia e la linguistica e possono applicarla alle scienze politiche. Ogni soluzione di intelligenza artificiale richiede un esperto di dominio che abbia familiarità con il testo, lo stile e gli standard, costruendo un ponte tra contenuti e tecnologia. Ciò richiede competenze complementari, spesso da parte di più di una persona."

Joost Vos, Technical Specialist in NLP e Data Science presso IBM, aggiunge: "Anche se l'esperto di dominio non è principalmente orientato alla tecnologia, deve comunque capire come creare algoritmi. Il suo contributo deve essere tradotto in un'architettura tecnologica che più o meno imita il comportamento umano. Richiede collaborazioni che pensino fuori dagli schemi, una mentalità diversa e la volontà di uscire dal sentiero battuto per comprendere la mentalità e il contesto professionale dell'altro."

Partendo da un piccolo team, Polpo ha cercato di aggregare le diverse fonti di dati che coprivano gli enormi volumi di dati parlamentari aperti nei Paesi Bassi. L'obiettivo era quello di acquisire e analizzare il flusso di dati quasi in tempo reale. Ad aggravare il problema, i dati erano quasi interamente costituiti da documenti di testo, che sono intrinsecamente difficili da analizzare utilizzando software convenzionali. Polpo ha quindi cercato soluzioni utilizzando un approccio basato sull'intelligenza artificiale.

"Abbiamo costruito la nostra dashboard e il nostro landscape", afferma Van Zaanen. "La tecnologia IBM è un'elaborazione intelligente dei documenti. L'input aggregato da fonti online viene archiviato nel database, che interagisce con IBM Watson per l'arricchimento dei dati e quindi visualizza i risultati in una dashboard."

Supportato dal partner commerciale You-Get e consigliato da IBM, Polpo ha utilizzato la tecnologia Watson Explorer combinata con la tecnologia IBM Content Analytics Studio (ora parte di IBM Watson Discovery) per aggregare fonti di dati disparate e generare modelli basati sull'AI. L'obiettivo finale desiderato era un'applicazione web completamente integrata e basata su abbonamento per i professionisti degli affari pubblici, con tecnologia IBM Watson integrata.

La sfida più grande all'inizio è stata capire come "filtrare il rumore", spiega Van Zaanen. "I termini politici sono molto dipendenti dal contesto, quindi le parole devono essere mappate nel contesto. La parola "energia", ad esempio, è troppo ambigua; l'istruzione non è lo stesso contesto del clima o delle aziende elettriche. Scansioniamo un testo e identifichiamo il contesto usando parole secondarie. IBM Watson Explorer imita questo processo. La natura intelligente di IBM Watson consente di continuare a identificare cose nuove; anche se alcune parti si evolvono, sono ancora allineate."

"L'AI etica e la trasparenza sono principi integrati", aggiunge Vos. "C'è sempre un essere umano nel processo. Non si autoalimenta."

"L'algoritmo è in realtà parte di un panorama di soluzioni", spiega Van Zaanen. "Per prima cosa abbiamo creato la nostra dashboard, e poi abbiamo utilizzato il miner di IBM con la tecnologia Watson e l'interfaccia IBM come punto di confronto per vedere cosa c'è nei dati, ottenendo nuove informazioni come ispirazione per la creazione di funzionalità. Anche il front-end è autocostruito, progettato in base al feedback iterativo degli utenti. Polpo ha adottato un modello di sviluppo continuo in cui il feedback dei clienti definisce la roadmap."

La piattaforma Polpo Political Monitoring riunisce tutte le informazioni politiche pertinenti in un unico posto, applica l'elaborazione intelligente dei documenti tramite l'AI e consente ai suoi utenti di applicare filtri intelligenti. Garantendo che gli utenti ricevano informazioni accurate, aggiornate e personalizzate rilevanti per loro, Polpo facilita tutti i professionisti che monitorano le informazioni politiche garantendo informazioni tempestive e complete su tutti gli sviluppi politici nei Paesi Bassi.

L'azienda e la sua piattaforma sono ancora in evoluzione. Van Zaanen spiega: "Polpo ha un'identità e una cultura in continuo sviluppo. La piattaforma è costruita per accogliere costantemente nuove dashboard e fonti: agile fin dalla progettazione. Man mano che la piattaforma e il codice crescono, diventa più difficile, ma il tempo di sviluppo non aumenta esponenzialmente; rilasciamo un aggiornamento ogni due settimane. Ci concentriamo su un miglioramento rapido e incrementale, sintetizzando il feedback in un cambiamento implementabile."

"I maggiori cambiamenti nel modello potrebbero essere i temi principali che cambiano vicino alle elezioni", aggiunge Vos. "Ma è possibile cercare le concordanze ed estrapolare dai dati."

Dopo essere passata dai 5 co-fondatori iniziali all'attuale team di 12 persone, Polpo è uscita dalla fase di start-up e continua a crescere rapidamente. Ciononostante, l'azienda è piuttosto piccola per utilizzare un prodotto IBM su larga scala, come spiega Vos: "Polpo è relativamente unica nell'applicazione di questa tecnologia nei Paesi Bassi, sebbene IBM Watson supporti le soluzioni in lingua olandese. I migliori risultati si ottengono con start-up o scale-up. Ottengono più valore aggiunto rispetto alle aziende più grandi, perché la curva di adozione è più veloce. I team più piccoli, più innovativi e sperimentali sono più disposti ad abbracciare il valore aggiunto di un servizio digitale."