Poslovanje

Own Your Code: Architect AI That Learns Your Business Reality

Budite gospodar svojeg koda: Osmislite arhitekturu umjetne inteligencije koja uči iz stvarnosti vašeg poslovanja

Funkcionalnost koja se temelji na umjetnoj inteligenciji može proizvesti uglađen odgovor, a pritom pogrešno razumjeti poslovanje kojem služi. Asistent za korisničku podršku mogao bi obećati povrat novca koji pravila tvrtke ne dopuštaju. Prodajni alat mogao bi sažeti podatke o korisničkom računu, a da ne zna da je neriješeni incident doveo u pitanje produljenje ugovora. Jezik zvuči samouvjereno, ali proizvod je izgubio dodir sa stvarnošću.

Preuzeti odgovornost za vlastiti kod znači preuzeti odgovornost za taj raskorak. Model je važan, ali važni su i sustavi koji mu pružaju kontekst, pravila koja određuju dopuštene radnje te ljudi koji odlučuju kako izgleda koristan odgovor. Tehnički voditelji koji te dijelove smatraju sastavnicama arhitekture proizvoda mogu izgraditi sustave umjetne inteligencije koji postaju sve korisniji kako tvrtka uči.

Počnite od odluke, a ne od modela

Prije nego što odaberete uslugu umjetne inteligencije, odredite odluku ili zadatak koji želite unaprijediti. „Pomoći timu za podršku da rješava pitanja o naplati” bolje je polazište od „dodati razgovornog asistenta”. To timu omogućuje da razgovara o tome kome je potrebna pomoć, koje su informacije potrebne i kako izgleda dobar ishod.

Razmotrite asistenta za korisničku podršku koji djelatnicima pomaže odgovarati na pitanja o povratu novca. Potrebni su mu važeća pravila, relevantni podaci o narudžbi i dovoljno konteksta da razlikuje zakašnjelu isporuku od oštećenog proizvoda. Također bi trebao prepoznati kada je u slučaju potrebna ljudska prosudba. Tečan odgovor samo je jedan dio posla; točna preporuka koju djelatnik može provjeriti vrednija je.

Rano zapišite granice ovlasti. Može li asistent sastaviti nacrt odgovora, preporučiti povrat novca ili ga zaista izvršiti? Svaki korak nosi drukčiju razinu odgovornosti. Ako počne s nacrtima, tim može saznati u čemu je sustav uspješan i gdje mu nedostaje kontekst prije nego što mu dodijeli ovlast za djelovanje.

Odredite jasno mjesto za poslovno znanje

Mnogim proizvodima koji se temelje na umjetnoj inteligenciji potreban je pristup informacijama koje se mijenjaju: pravilima određivanja cijena, dokumentaciji o proizvodima, podacima o korisnicima ili internim postupcima. Unošenje svega tog znanja u uputu modelu stvara nepouzdan proizvod. Netko ga mora redovito ažurirati, a aplikacija možda nema pouzdan način da utvrdi koja je verzija aktualna.

Umjesto toga, utvrdite koji su sustavi mjerodavni za relevantne podatke. Repozitorij pravila mogao bi biti mjerodavan za pravila povrata novca, a sustav za narudžbe za status kupnje. Aplikacija može dohvatiti informacije potrebne za određeni zahtjev i proslijediti ih modelu kao kontekst. Taj se pristup često naziva generiranje potpomognuto dohvatom, no praktično je načelo jednostavno: za zadatak pribavite odgovarajuće podatke.

Dohvat ne jamči točnost. Dokumenti mogu biti zastarjeli, pretraživanje može propustiti relevantnu iznimku, a dva izvora mogu biti u sukobu. Oblikujte korisničko iskustvo tako da te neizvjesnosti budu vidljive. Pokažite djelatniku koje je pravilo poslužilo kao osnova za preporuku, uključite verziju pravila ili datum ažuriranja kada su dostupni i omogućite mu da prijavi problem s izvorom.

Kada se pravila mogu pouzdano izraziti i provjeriti, zadržite donošenje mjerodavnih odluka u kodu ili u sustavima koji su za njih odgovorni. Na primjer, aplikacija može provjeriti je li narudžba unutar propisanog roka za povrat prije nego što zatraži od modela da objasni dostupne mogućnosti. Model može pomoći u priopćavanju odluke, a da pritom ne postane jedini koji o njoj odlučuje.

Pretvorite učenje u proces razvoja proizvoda

Sustav umjetne inteligencije ne uči automatski o vašem poslovanju samo zato što ga zaposlenici upotrebljavaju. Za poboljšanje je potreban promišljen put od opažanja do promjene. Ta promjena može značiti ispravak dokumenta, poboljšanje dohvaćanja informacija, izmjenu upute, promjenu logike aplikacije ili prilagodbu samog zadatka.

Uspostavite kratak postupak provjere na temelju stvarnog rada:

  1. Prikupljajte primjere u kojima je asistent pomogao, pogriješio ili opravdano prepustio slučaj osobi, uz odgovarajuće kontrole pristupa i zaštite privatnosti.
  2. Zamolite stručnjake za područje da objasne što bi bilo potrebno za koristan odgovor.
  3. Utvrdite uzrok prije promjene modela ili upute. Nedostatak konteksta i netočan dokument s pravilima zahtijevaju različite ispravke.
  4. Pretvorite reprezentativne primjere u provjere koje tim može ponoviti kada se sustav promijeni.
  5. Pregledajte rezultate nakon objave i unesite nova saznanja u popis zadataka za razvoj proizvoda.

Za asistenta koji se bavi povratima novca korisna provjera mogla bi uključivati oštećeni proizvod kupljen neposredno izvan uobičajenog roka za povrat, za koji pravila predviđaju iznimku. Tim može procijeniti je li asistent pronašao iznimku, točno je predstavio i izbjegao obećati ishod za koji nije bio ovlašten. Uključite slučajeve u kojima je ispravno reći da dostupne informacije nisu dovoljne.

Predvidite podjelu odgovornosti u timu

Proizvodi koji se temelje na umjetnoj inteligenciji prelaze granice odgovornosti koje timovi za razvoj uobičajenih funkcionalnosti ponekad mogu previdjeti. Inženjeri razumiju integraciju i načine na koje sustav može zakazati. Stručnjaci za korisničku podršku razumiju jezik kojim se korisnici služe. Kolege iz pravne službe ili operativnih poslova mogu biti odgovorni za pravila. Voditelji proizvoda mogu povezati te perspektive s mjerljivom potrebom korisnika.

Jasno odredite te odgovornosti. Tko može ažurirati izvorne materijale? Tko odobrava promjenu pravila za povrat novca? Tko istražuje štetnu preporuku? Tko odlučuje je li asistent spreman poduzeti radnju s ozbiljnijim posljedicama? Imenovana odgovorna osoba ne mora obaviti svaki zadatak, ali netko mora moći okupiti odgovarajuće ljude i donijeti odluku.

To je posebno važno za timove koji rade na daljinu. Zabilježite odluke na mjestu gdje ih ljudi koji održavaju proizvod mogu pronaći, uključujući razloge zbog kojih neka granica postoji i dokaze koji bi opravdali njezinu promjenu. Kratak pisani primjer često se lakše prenosi od pretpostavke iznesene na sastanku. On također pomaže novim kolegama da preispitaju stare odluke bez potrebe da rekonstruiraju njihovu povijest.

Gradite tako da omogućite promjene, uključujući promjenu mišljenja

Ponašanje modela, poslovna pravila i očekivanja korisnika mijenjat će se različitom brzinom. Sučelje između svoje aplikacije i usluge modela održavajte razumljivim, a poslovna pravila, izvorni sadržaj i slučajeve za vrednovanje dostupnima ljudima koji su za njih odgovorni. Tako ćete lakše istražiti pogoršanje rada sustava ili razmotriti drugog pružatelja usluge kada se vaše potrebe promijene.

Planirajte i za uobičajene poteškoće. Izvor može biti nedostupan, odgovor može trajati predugo ili sustav može vratiti odgovor koji se ne može potkrijepiti dohvaćenim informacijama. Odlučite što korisnik vidi u svakom od tih slučajeva. Djelatniku korisničke podrške jasna poruka i način da dođe do relevantnog pravila mogu biti korisniji od samouvjerenog nagađanja.

Uspješnost proizvoda mjerite prema zadatku koji ste odabrali. Vrijeme koje djelatnici troše na provjeru, ispravci, prosljeđivanja slučajeva i povratne informacije korisnika mogu vam nešto otkriti, ali nijedan od tih pokazatelja sam po sebi ne daje cjelovitu sliku. Brži odgovor nije uspjeh ako stvara više posla ili navodi korisnike na pogrešne zaključke. Pregledajte uzorak ishoda s ljudima koji razumiju taj posao.

Cilj nije postići da model zvuči kao da poznaje vašu tvrtku. Cilj je izgraditi proizvod koji može pronaći relevantno znanje, poštovati važne granice i poboljšati se kada ljudi otkriju pogrešku. Preuzmite odgovornost za te veze i vaša umjetna inteligencija može postati dio načina na koji tvrtka uči, umjesto još jednog sustava koji tvrtka mora zaobilaziti u radu.

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.