Напишете код за вештачка интелигенција што навистина го разбира вашиот бизнис
Општ асистент со вештачка интелигенција може да сумира состанок или да дотера е-пошта. Прашајте го зошто е неизвесно дали клиентот ќе ја обнови претплатата и одговорот може да звучи уверливо, а притоа да го пропушти токму оној детаљ што тимот задолжен за клиентот го смета за пресуден. Проблемот ретко е во недостигот на елоквентност. Проблемот е во недостигот на деловен контекст, веродостојни информации и јасно дефинирана улога во работата.
За програмерите и техничките раководители, тој јаз е можност. Не треба да обучувате модел од почеток за да создадете нешто корисно. Но треба да го претворите деловното знаење во производ што може да пронајде релевантни информации, да ги почитува ограничувањата и да му помогне на некого да донесе подобра одлука.
Почнете со одлука, а не со чат-бот
„Додадете вештачка интелигенција во производот“ е насока, а не дефиниција на проблем. Покорисна почетна точка е да се наведат лице, задача што се повторува и последиците од грешка. На пример: специјалист за корисничка поддршка треба да ја утврди соодветната политика за поврат на средства според претплатата и регионот на клиентот, без да пребарува низ повеќе интерни документи.
Таквото дефинирање го менува дизајнот. Асистентот не треба да знае сè за компанијата. Нему му се потребни пристап до тековните документи со политики, доволно контекст за да разликува видови претплати и региони и начин да покаже од каде потекнува неговиот одговор. Исто така, треба да препознае кога достапните информации не се доволни и да го препушти прашањето на човек.
Пред да започнете со изработка на интеграцијата, договорете се како изгледа добар резултат. Дали целта е да се намали времето поминато во пребарување, да се подобри доследноста или да им се помогне на новите членови на тимот да работат самостојно? Изберете мерка што ја одразува конкретната задача и дополнете ја со проверка на квалитетот. Побрзиот одговор не е подобрување ако применува погрешна политика.
Дајте му на моделот контекст што може да го користи
Деловното знаење обично е распоредено меѓу документи, бази на податоци, тикети и знаењето на луѓето. На функционалноста со вештачка интелигенција ѝ е потребен осмислен начин да дојде до релевантните делови. Еден вообичаен пристап е пребарување и прибирање информации: се пронаоѓа материјал поврзан со барањето на корисникот, а потоа тој материјал се вклучува во барањето испратено до моделот.
Да го земеме асистентот за поврат на средства. Апликацијата може да ги користи видот на претплатата и регионот на клиентот за да ги избере применливите документи со политики, да ги прибере релевантните извадоци и да побара од моделот да подготви одговор заснован на нив. Интерфејсот може да ги прикаже насловите на документите и извадоците за специјалистот да може да ја провери препораката.
Инженерската работа околу прибирањето информации е исто толку важна колку и промптот. Добро срочен одговор заснован на застарена политика сепак е погрешен. Доделете одговорни лица за документите, забележете кога последен пат биле прегледани и одлучете како ажурирањата ќе стигнуваат до системот за прибирање информации. Ако две политики се во судир, апликацијата треба да го прикаже судирот наместо незабележливо да го избере најзгодниот одговор.
Зачувајте ги и постојните дозволи. Корисникот треба да добива само информации што е овластен да ги види, вклучително и информации што асистентот ги цитира или сумира. Третирајте го прибраниот текст како податок, а не како инструкции што можат да ги надвладеат правилата на апликацијата. Таа граница станува особено важна кога системот може да пребарува содржини создадени од корисници или документи надвор од организацијата.
Претворете ги деловните правила во јасно дефинирано однесување
Некои одлуки не треба да се препуштат на толкувањето на моделот. Ако за поврат на средства над одреден износ е потребно одобрение, спроведете го тоа правило во кодот на апликацијата или во постојниот систем за одобрување. Моделот може да го објасни правилото и да помогне во подготовката на барањето, но надлежниот систем треба да одлучи дали дејството е дозволено.
Оваа разлика го олеснува и одржувањето на производот. Треба јасно да се знае каде се внесува промената на некоја политика. Ако истото правило постои во промпт, база на податоци и конфигурација на работен тек, тие копии можат да се разидат. Утврдете кој е меродавниот извор и, каде што е практично, овозможете асистентот да се повикува на него.
Кај дејствата што имаат реални последици, одвојте го предлагањето на дејството од неговото извршување. Моделот може да подготви нацрт-одговор до клиент или барање за поврат на средства; човек може да го прегледа пред поднесувањето. Проверете го секој структуриран излез пред да го употребите и третирајте ги полињата што недостигаат или се погрешно форматирани како вообичаени случаи на грешка. Ако некое дејство не успее или барањето се испрати повторно, апликацијата треба да спречи случајно двојно извршување.
Оценувајте ја работата, а не само формулацијата
Убедлива демонстрација може да скрие сериозни слабости. Создајте мал сет за евалуација од репрезентативни задачи, користејќи информации што вашиот тим смее да ги користи. Вклучете едноставни случаи, двосмислени барања, информации што недостигаат, документи што се во судир и ситуации во кои правилниот одговор е случајот да се проследи на повисоко ниво.
Побарајте од луѓето што ја познаваат работата да оценат повеќе од течноста на изразувањето. Во примерот со повратот на средства, тие би можеле да проверат дали одговорот ја користи точната политика, цитира релевантен извадок, препознава кога е потребно одобрение и избегнува да ветува исход што компанијата не може да го гарантира.
Повторувајте ги тие проверки кога ќе го промените промптот, логиката за прибирање информации, моделот или изворниот материјал. Автоматизираните проверки можат да откријат важни грешки, како цитат што недостига или невалиден формат на одговор, но не ја заменуваат стручната процена за тоа дали одговорот е соодветен. Следете ги грешките според видот за тимот да може да разликува проблем со прибирањето информации од нејасна политика или грешка во апликацијата.
Предвидете одговорности по лансирањето
Функционалноста со вештачка интелигенција не е завршена кога ќе го даде својот прв корисен одговор. Некој треба да биде одговорен за нејзиниот изворен материјал, да ги разгледува пријавените грешки, да ги следи доверливоста и трошоците и да одлучува кога функционалноста треба да запре или да се премине на постоен работен тек. Јасно дефинирајте ги тие одговорности пред лансирањето, особено кога тимовите за производ, инженерство, безбедност и операции работат во различни тимови или временски зони.
Почнете со тесна група корисници и задача кај која луѓето можат да го проверат резултатот. Овозможете им на корисниците едноставно да означат проблематичен одговор и да дадат доволно контекст за да објаснат што тргнало наопаку. Разгледувајте ги тие пријави со луѓето одговорни за процесот, а потоа претворете ги проблемите што се повторуваат во промени на производот, информациите врз кои се заснова или сетот за евалуација.
Највредната деловна примена на вештачката интелигенција често помалку наликува на машина што ја познава вашата компанија, а повеќе на добро подготвен колега: информиран со соодветните материјали, јасен во врска со неизвесноста и внимателен во рамките на своите овластувања. Кодот го овозможува тоа, но вистинската умешност е во одлучувањето што системот треба да знае, што смее да прави и како луѓето можат да имаат доверба во неговата работа.