Umjetna inteligencija (UI)

Make AI Understand Your Business by Teaching It Your Code

Pomozite umjetnoj inteligenciji da razumije vaše poslovanje tako što ćete je podučiti svojem kodu

Pitajte AI asistenta što znači „aktivan korisnik” i mogao bi vam dati sasvim razuman odgovor koji je pogrešan za vaše poslovanje. Mogao bi uračunati svakoga tko ima račun. Vaš sustav za naplatu možda uračunava samo korisnike s plaćenom pretplatom i bez neriješenog zahtjeva za otkazivanje. Nadzorna ploča korisničke podrške mogla bi se pak služiti posve drukčijom definicijom.

Ono što nedostaje nije opširniji upit. Potreban je pristup odlukama koje je vaša organizacija već ugradila u softver: pravilima, iznimkama, nazivima i radnim postupcima koji generičku aplikaciju prilagođavaju vašem poslovanju. Ako AI sustav naučite služiti se tim kontekstom, on može postati korisniji, no to zahtijeva više pažnje od pukog prosljeđivanja repozitorija i nadanja da će iz njega izvući korisne uvide.

Vaš kod sadrži znanje o poslovanju, ali uz određene ograde

U kodu su često zapisana pravila koja nikada nisu dospjela u priručnik. Servis za naplatu može otkriti kada se primjenjuje popust. Provjera ovlasti može pokazati tko smije odobriti povrat novca. Testovi mogu obuhvatiti iznimku za određenu vrstu ugovora. Ti detalji mogu pomoći asistentu da odgovara na pitanja, predlaže izmjene i snalazi se u kodnoj bazi uz razumijevanje poslovne domene.

No kod je dokaz o tome što sustav radi, a ne nužno mjerodavna izjava o tome što se u poslovanju želi postići. Neki uvjet može biti privremeno zaobilazno rješenje, ostatak stare migracije ili pogreška. Komentari mogu biti zastarjeli, a testovi mogu čuvati ponašanje koje nitko nije namjeravao uvesti. Učinkovit asistent mora razlikovati opaženo ponašanje od pravila čiju primjenu ljudi očekuju.

Počnite s pitanjem koje ima praktičnu svrhu: „Zašto ova narudžba nije ispunjavala uvjete za povrat novca?” ili „Što treba promijeniti kada uvedemo novu razinu pretplate?” Ta vam pitanja pomažu prepoznati relevantne sustave i procijeniti jesu li asistentovi odgovori doista korisni.

Dajte asistentu kartu prije nego što krene na teren

Velik repozitorij nije dobar prvi način za objašnjavanje poslovanja. Izradite sažet vodič koji asistentu govori gdje treba tražiti i kako tumačiti ono što pronađe. On može biti dio uobičajene dokumentacije uz kod.

  • Definirajte pojmove iz domene. Objasnite riječi poput „korisnik”, „račun” i „aktivan”, uključujući slučajeve u kojima se timovi koriste različitim definicijama.
  • Prikažite važne radne postupke. Navedite servise, spremišta podataka i ulazne točke uključene u radnje kao što su naručivanje ili povrat novca.
  • Navedite mjerodavne izvore. Uputite na pravilo, implementaciju ili tim odgovoran za određeno pravilo te objasnite kako postupiti ako među njima postoje nesuglasja.
  • Zabilježite poznate zamke. Zabilježite stare putanje izvršavanja, generirani kod, zastavice značajki i pojmove čije se značenje mijenja ovisno o kontekstu.

Neka taj materijal bude dovoljno sažet da ga je moguće održavati. Kratka, ažurna karta vrjednija je od opsežnog dokumenta koji s velikom sigurnošću opisuje prošlogodišnju arhitekturu. Dodijelite odgovornost za nju i pregledajte je kada se promijene radni postupci na kojima se temelji.

Dohvaćajte relevantan kontekst umjesto da šaljete sve

Za konkretno pitanje asistentu je obično potreban samo mali dio sustava: funkcija, kod koji je poziva, relevantni testovi i možda dokument s pravilima. Sustav za dohvat može pretražiti te materijale i modelu pružiti odabrane izvatke uz podatke o tome gdje se nalaze. Za manje kodne baze može biti dovoljno pretraživanje koje vodi razvojni programer.

Pretpostavimo da netko pita zašto je zahtjev za povrat novca odbijen. Koristan kontekst mogao bi uključivati funkciju za provjeru ispunjavanja uvjeta, testove za razlog odbijanja i trenutačna pravila za povrat novca. Odgovor bi trebao razdvojiti ono što kod provjerava od onoga što pravila propisuju, navesti relevantne datoteke ili dokumente i upozoriti na svako uočeno nesuglasje. Ako potrebni podaci o transakciji nisu dostupni, asistent bi trebao reći da ne može utvrditi razlog za tu konkretnu narudžbu.

Dohvat ne jamči točnost. Pretraživanje može propustiti ključnu granu, odabrati zastarjeli dokument ili vratiti funkciju sličnog naziva iz drugog servisa. Testirajte ga pitanjima čiji odgovori ovise o iznimkama i ponašanju više servisa, a ne samo o očitim podudaranjima ključnih riječi. Provjerite jesu li pronađeni odgovarajući materijali i jesu li točno upotrijebljeni u konačnom odgovoru.

Pristup prilagodite zadatku

Poslovni kontekst može uključivati osjetljive materijale: izvorni kod, podatke o korisnicima, pristupne podatke, uvjete ugovora i interne rasprave. Prije povezivanja asistenta s izvorom podataka odlučite što mu je potrebno za svaki zadatak. Alatu koji objašnjava pravilo provjere valjanosti možda su potrebni kod i testovi; možda mu nisu potrebni podaci o korisnicima iz produkcijskog okruženja.

Gdje god je moguće, koristite se postojećim kontrolama pristupa, ograničite podatke koje alati vraćaju i provjerite kako odabrani pružatelj modela i integracija postupaju sa zadržavanjem podataka i pristupom njima. Ne unosite tajne podatke u upite i zapisnike. Dohvaćeni tekst tretirajte kao podatke, a ne kao upute koje mogu nadjačati pravila rada asistenta: datoteka u repozitoriju ili zahtjev korisničkoj podršci mogu sadržavati obmanjujuće ili zlonamjerne upute.

Ako asistent može izvršavati radnje, odvojite čitanje od pisanja. Prije nego što mu dodijelite šire ovlasti, dopustite mu da pripremi prijedlog izmjene ili nacrt odgovora za pregled. Za radnje sa značajnim posljedicama, kao što su povrat novca ili promjena ovlasti, provodite autorizaciju i poslovna pravila u samoj aplikaciji. Model može pomoći u tumačenju zahtjeva, ali ne bi smio biti jedina kontrola koja sprječava neovlaštenu radnju.

Razumijevanje mjerite kroz ponašanje

Uspješne demonstracije lako je inscenirati. Sastavite mali skup reprezentativnih pitanja za procjenu, uključujući višeznačne pojmove, zastarjelu dokumentaciju i slučajeve u kojima je točan odgovor „Nemam dovoljno informacija”. Neka stručne osobe pregledaju očekivane odgovore i dokaze potrebne da ih potkrijepe.

Tražite više od tečnog teksta. Je li asistent prepoznao pravo pravilo? Je li naveo materijale koje osoba koja pregledava odgovor može provjeriti? Je li priznao nesigurnost? Je li izbjegao otkrivanje informacija koje podnositelj zahtjeva ne bi smio vidjeti? Kada predloži izmjenu koda, pokrenite odgovarajuće provjere i pregledajte načine na koje može doći do pogreške, baš kao što biste učinili za bilo koji drugi doprinos.

Ponovite te procjene kada se promijene kod, dokumenti, metoda dohvata ili model. Odgovor koji je danas koristan ne dokazuje da će sustav sutra prepoznati novu iznimku. Pogrešne odgovore promatrajte kao tragove: problem može biti u nedostatnoj dokumentaciji, lošem dohvatu, preširokim ovlastima ili tumačenju modela.

Neka razumijevanje bude zajednička odgovornost

Učenje AI-ja o poslovanju djelomično je zadatak oblikovanja informacijske arhitekture. Ono otkriva gdje je jezik kojim se tvrtka služi nedosljedan, gdje su njezina pravila razasuta ili gdje se dokumentacija i implementacija ne podudaraju. Otklanjanje tih nedostataka pomaže članovima tima jednako kao i automatiziranim sustavima.

Cilj nije da asistent zvuči kao osoba iz tvrtke. Cilj je pružiti mu dovoljno pouzdanog konteksta da bude koristan, dovoljno ograničenja da bude siguran i dovoljno poniznosti da pokaže dokaze na kojima temelji odgovore. Vaš ga kod može naučiti kako poslovanje funkcionira; vaš tim i dalje mora odlučiti što je važno za poslovanje.

Portret autora bloga

Mihajlo

Ja sam Mihajlo — programer vođen znatiželjom, disciplinom i stalnom željom da stvorim nešto smisleno. Dijelim uvide, tutorijale i besplatne usluge kako bih pomogao drugima da pojednostave svoj rad i rastu u svijetu softvera i umjetne inteligencije koji se neprestano razvija.