Większość szefów firm poznała generatywną AI jako okienko czatu, które pisze: maila, podsumowanie, post. Ten obraz jest trafny, tylko za wąski. Te same modele potrafią przeczytać zapytanie klienta, zeskanowaną fakturę albo zapis rozmowy i ustalić, co w nich jest i co powinno stać się dalej, a to spora część tego, czym dział operacyjny zajmuje się przez cały dzień.
Są też zbudowane inaczej niż oprogramowanie, na którym Twoja firma już działa, i inaczej zawodzą. Generatywna AI to uniwersalne narzędzie do pracy, która wymaga oceny nieuporządkowanych informacji, i działa obok oprogramowania, które już masz. Działa na zasadzie przewidywania, więc może się mylić, a to, ile jest warta dla Twojej firmy, zależy dużo bardziej od roli, jaką jej dasz, i od kontroli wokół niej niż od tego, który model wybierzesz.
Przejmuje pracę, która wymaga oceny
Model językowy czyta i pisze zwykłym językiem, więc może wykonywać kroki, które do niedawna mógł zrobić tylko człowiek, bo ktoś musiał coś przeczytać i zdecydować, co to znaczy. W firmie, która obsługuje dużo zleceń i klientów, takie kroki są wszędzie:
- - Przeczytanie zapytania klienta i ustalenie, której usługi dotyczy i jakich informacji brakuje.
- - Wyciągnięcie dostawcy, kwot i terminu płatności z faktury, która przychodzi jako PDF albo zdjęcie.
- - Sprawdzenie zgłoszenia kandydata pod kątem wymagań stanowiska.
- - Zamiana zapisu rozmowy na listę decyzji i zadań z przypisanymi osobami.
- - Przygotowanie szkicu odpowiedzi albo oferty, który człowiek sprawdzi i wyśle.
Wcześniejsza AI robiła wąskie zadania, a każdy model był trenowany do jednego celu na uporządkowanych danych z wielu lat: prognozował popyt albo wyłapywał podejrzane płatności. Model językowy jest uniwersalny. Ten sam model, któremu zwykłym językiem powiesz, co ma robić, rano sortuje zapytania, a po południu sprawdza umowy.
Przewiduje, więc może się mylić
Model językowy uczy się na ogromnej ilości tekstu przewidywać, co będzie dalej, a potem dodatkowo uczy się wykonywać polecenia i rozwiązywać problem krok po kroku. Przewidywanie w takiej skali daje coś, co czyta, streszcza i rozumuje wystarczająco dobrze do prawdziwej pracy. To samo wyjaśnia, jak model się myli:
- - Daje odpowiedź prawdopodobną, a nie sprawdzoną. Twój cennik, Twoich klientów i Twoje zasady poznaje tylko wtedy, gdy system przekaże mu je razem z zadaniem. Kiedy brakuje mu czegoś, czego potrzebuje, uzupełnia lukę tym, czego nauczył się na treningu, i może brzmieć przekonująco, choć się myli, z tą samą pewnością co przy dobrej odpowiedzi.
- - Te same dane wejściowe mogą dać inny wynik. Zapytasz dwa razy, możesz dostać dwie wersje. Przy pisaniu szkiców to pomaga; krok, który za każdym razem musi działać tak samo, potrzebuje ograniczeń i kontroli.
- - To, co czyta, może nim sterować. Mail może zawierać polecenia, a model może je wykonać. Krok, który może działać w Twoich systemach, potrzebuje granic tego, co wolno mu zrobić.
Uzupełnia oprogramowanie, które już masz
Klasyczne oprogramowanie wykonuje reguły, które ktoś napisał. Jest dokładne, tanie w działaniu i za każdym razem robi to samo, a zatrzymuje się na pierwszym przypadku, którego jego autorzy nie przewidzieli. Model językowy działa odwrotnie: maila napisanego w nieoczekiwany sposób przeczyta podobnie jak człowiek, ale jego wynik nigdy nie jest gwarantowany. Jedno i drugie działa razem: reguły do wszystkiego, co stałe, model do kroków, które wymagają oceny.
Potrzebuje wąskiego zadania, właściwych informacji i kontroli
Kiedy model wykonuje krok w Twoim procesie, o tym, czy możesz na nim polegać, decydują trzy rzeczy:
- - Wąskie zadanie. „Przypisz to zapytanie do jednej z naszych pięciu usług i wypisz, czego brakuje” da się sprawdzić. „Obsługuj zapytania klientów” jest zbyt szerokie, żeby to sprawdzić, więc nikt nie wie, czy działa.
- - Informacje potrzebne do zadania. Model widzi to, co dostanie od systemu: zapytanie, listę usług, historię klienta. Kiedy odpowiedź jest zła, najpierw sprawdza się, co model dostał.
- - Kontrola dopasowana do kosztu błędu. Część kontroli to oprogramowanie: kwoty na odczytanej fakturze muszą się sumować, a klient musi istnieć w Twoim CRM. Część to człowiek: oferta wychodzi, kiedy ktoś ją zatwierdzi. Tam, gdzie błąd jest tani i odwracalny, wystarczy sprawdzać wyrywkowo. Wszystko, co trafia do klienta albo przesuwa pieniądze, zaczyna się od tego, że człowiek zatwierdza każdy przypadek; do zatwierdzania tylko wyjątków przechodzi się wtedy, gdy dotychczasowe wyniki pokażą, że krokowi można zaufać.
Może pełnić cztery role, każdą z większą samodzielnością
Ten sam model może pełnić cztery role. Każda kolejna daje mu więcej swobody działania i stawia większe wymagania systemowi wokół niego.
- 1. Narzędzie. Aplikacja do jednego celu zbudowana wokół modelu i Twoich danych, na przykład taka, która odpowiada na pytania na podstawie Twoich dokumentów wewnętrznych albo przygotowuje szkice ofert z cennika i dawnych projektów. Korzysta z niej człowiek i to on decyduje, co zrobić z każdym wynikiem.
- 2. Krok w procesie. Model samodzielnie wykonuje jeden krok procesu, a reszta działa jak dotąd: sortuje przychodzące maile, czyta faktury, wyciąga dane z dokumentów.
- 3. Ciąg kroków. Kilka kroków połączonych od początku do końca: system czyta zapytanie, przypisuje je, sprawdza dostępność, szykuje szkic odpowiedzi i aktualizuje CRM. Człowiek włącza się w ustalonych miejscach, na przykład zatwierdza odpowiedź.
- 4. Agent. Model sam planuje kroki prowadzące do celu, wykonuje je w Twoich systemach i przekazuje człowiekowi decyzje, których nie wolno mu podjąć. Poproszony o przesunięcie rezerwacji klienta sprawdza dostępność, przygotowuje zmianę i wiadomość do klienta, a zmianę ceny przekazuje człowiekowi. Tak już pracują agenci programistyczni, których kod przegląda inżynier.
Zacznij od najniższego stopnia. Narzędzie albo pojedynczy krok szybko i tanio pokażą, czy model radzi sobie z zadaniem na Twoich danych. Ciąg kroków albo agenta warto budować, kiedy proces jest zmapowany, a kontrole zasłużyły na Twoje zaufanie; kolejność, w jakiej firma do tego dochodzi, opisuje artykuł Silnik rozumowania.
Model to część, która się zmienia, więc zacznij od procesu
Modele co kilka miesięcy są lepsze i tańsze, a ten, który wybierzesz dziś, równie dobrze może zostać zastąpiony w ciągu roku. Zostaje to, co zbudujesz wokół niego: proces zmapowany krok po kroku, dane potrzebne modelowi w formie dostępnej dla oprogramowania i kontrole, które mówią Ci, czy to działa. To wszystko przechodzi z Tobą na kolejny model.
Dlatego pierwsze pytanie brzmi: który krok w którym procesie kosztuje Cię najwięcej i czy w ogóle wymaga oceny. Model przychodzi potem.
