Uzņēmuma vadība ir vienojusies, ka "ar mākslīgo intelektu kaut kas jādara". Kāds jau izmēģinājis ChatGPT e-pastu sagatavošanai, kāds cits līguma kopsavilkumam. Dažreiz tas noder. Tagad kāds piegādātājs piedāvā AI projektu, un neviens nespēj pateikt, vai problēma, ko tas risina, ir patiesa un pēc kā mērīs panākumus.

Īsumā#

AI valodas modeļi ietaupa laiku darbā ar tekstu: lasīšanā, rakstīšanā un pārkārtošanā, ja noder pirmais melnraksts un rezultātu pārbauda cilvēks. Tie labi palīdz:

sagatavot atbildes pēc iepriekšējiem piemēriem;
apkopot garus dokumentus;
izvilkt datus no e-pastiem un dokumentiem bez fiksēta formāta;
šķirot ienākošos pieprasījumus;
meklēt iekšējās zināšanās parastā valodā.

Vāji tie darbojas tur, kur atbildei jābūt precīzai bez pārbaudes, kur vajadzīgās informācijas modelim nav, kur noteikumi jau ir pietiekami skaidri parastai programmatūrai un kur kļūda ir dārga un grūti pamanāma. Praktiskākos rezultātus parasti dod modeļa savienojums ar uzņēmuma sistēmām un datiem, piemēram, ar Model Context Protocol, šaurā uzdevumā, kurā iesaistīts cilvēks. Pirms maksāt par projektu, divas nedēļas pārbaudiet pielietojumu uz īstiem piemēriem un izmēriet, cik bieži rezultātu var izmantot bez labojumiem.

Kur AI strādā labi#

Melnraksti pēc piemēriem

Atbildes uz biežākajiem klientu jautājumiem, piedāvājumi pēc standarta veidnes, amatu apraksti, preču apraksti. Cilvēks rediģē, nevis raksta no nulles.

Kopsavilkumi

Garas e-pastu sarakstes, sapulču atšifrējumi, līgumi, iepirkumu dokumenti. Noder, lai izlemtu, ko lasīt pilnībā, nevis lai aizstātu to, kas tiešām jāizlasa pašam.

Informācijas izvilkšana

Pasūtījuma datu, datumu, summu vai vārdu izgūšana no e-pastiem un dokumentiem, kas nav vienotā formātā, un to ievietošana strukturētā veidā, ko apstiprina cilvēks.

Šķirošana un novirzīšana

Ienākošo pieprasījumu klasificēšana pēc tēmas vai steidzamības un nodošana pareizajam cilvēkam vai rindai.

Atbildes no iekšējām zināšanām

Iespēja darbiniekiem parastā valodā uzdot jautājumus par rokasgrāmatām, kārtību un iepriekšējiem pieteikumiem, atbildē norādot avotu, lai to varētu pārbaudīt.

Kur AI nestrādā labi#

Kad atbildei jābūt precīzai

Aprēķini, juridiskie termiņi, cenas, atlikumi. Modelis var sniegt pārliecinošu, bet nepareizu atbildi. Parasta programmatūra vai ieraksta atrašana īstajā sistēmā ir drošāka.

Kad informācijas modelim nav

Modelis nezina jūsu pašreizējo atlikumu, klienta līguma nosacījumus vai šodienas pasūtījuma statusu, ja vien tam nav dota piekļuve. Bez tās tas minēs.

Kad noteikums jau darbojas

Ja procesu var aprakstīt ar skaidriem noteikumiem, piemēram, "šī piegādātāja rēķini jāiegrāmato uz šo izmaksu centru", parasta automatizācija ir lētāka, ātrāka un paredzamāka. Par to lasiet rakstā ko automatizēt nelielā grāmatvedības komandā.

Kad kļūdas ir dārgas un klusas

Par visu, ko bez pārbaudes sūta klientiem vai iestādēm, un par lēmumiem, kas skar cilvēkus, jāatbild konkrētam cilvēkam.

AI savienošana ar jūsu sistēmām#

Lielākais solis no tērzēšanas asistenta līdz noderīgam rīkam ir piekļuve īstiem datiem un darbībām: pasūtījuma nolasīšana, atlikuma pārbaude, pieteikuma melnraksta izveide. Model Context Protocol ir atvērts standarts, kas ļauj kontrolēti savienot AI lietotnes ar šādiem rīkiem un datu avotiem, lai modelis strādātu ar aktuālu informāciju, nevis minētu. Sīkāk to skaidro raksts kas ir MCP un ko pārbaudīt, pirms pieslēdz AI aģentu.

Jautājumi ir tie paši, kas jebkurai integrācijai: kurus datus tas drīkst lasīt, kādas darbības veikt, kam vajadzīgs apstiprinājums un ko reģistrēt žurnālā.

Pārbaudiet, pirms pērkat#

Izvēlieties vienu uzdevumu, kas atkārtojas bieži un aizņem reālu laiku.
Savāciet 30 līdz 50 īstus piemērus.
Izmēģiniet tos ar piedāvāto pieeju.
Lai cilvēks, kas šo uzdevumu parasti veic, novērtē katru rezultātu: izmantojams tāds, kāds ir; izmantojams ar labojumiem; nepareizs.
Izmēriet laiku katram gadījumam, ieskaitot pārbaudi.
Lēmumu pieņemiet pēc šiem mērījumiem, nevis pēc demonstrācijas ar īpaši izvēlētiem piemēriem.

Pirms darbinieki šādu pārbaužu laikā ievada uzņēmuma informāciju publiskos AI rīkos, vienojieties par noteikumiem, kas aprakstīti rakstā par uzņēmuma datiem ChatGPT.

Nevo izstrādā AI integrācijas ar Model Context Protocol. Kā projekts sākas, aprakstīts lapā AI un MCP risinājumi.

Avoti#

modelcontextprotocol.io

Kur AI palīdz 20 cilvēku uzņēmumā un kur nepalīdz