Klasificēšana un datu izvilkšana
Modelis var iedalīt e-pastus, dokumentus vai formas saskaņotās kategorijās un sagatavot vajadzīgos laukus cilvēka vai sistēmas pārbaudei.
AI automatizācija
AI automatizācija reāliem uzņēmuma procesiem
Savienojam valodas modeļus ar skaidru uzdevumu, uzņēmuma datiem un pārbaudes soļiem — nevis pievienojam čatbotu bez atbildības robežām.
Kur AI ir lietderīgs
AI ir lietderīgs, ja ievade ir mainīga, bet sagaidāmo rezultātu un pārbaudes robežas var aprakstīt pietiekami precīzi.
Kopsavilkumi un melnraksti
No apstiprināta konteksta var sagatavot sapulces kopsavilkumu, atbildes melnrakstu vai nākamā soļa piezīmi, neuzdodot to par gala lēmumu.
Zināšanu meklēšana
Darbinieks var atrast atbilstošu informāciju apstiprinātos avotos, ja ir skaidrs avotu tvērums, atjaunošanas atbildība un piekļuves tiesības.
Kad pietiek ar parastu automatizāciju
Vispirms pārbaudām, vai modelis vispār ir vajadzīgs
Ja rezultātu var droši iegūt ar stabilu nosacījumu, precīzu formulu vai fiksētu lauku kartējumu, parasta automatizācija būs paredzamāka un vieglāk pārbaudāma.
Determinēti noteikumi
Statusu maiņu, termiņa atgādinājumu vai maršrutēšanu pēc zināma lauka īsteno ar skaidru nosacījumu, nevis modeļa minējumu.
Precīzi aprēķini
Cenas, nodokļus, limitus un citus skaitļus aprēķina pārbaudāma loģika; modelis var palīdzēt nolasīt ievadi, bet ne aizstāt formulu.
Fiksēti datu kartējumi
Zināmu lauku pārvietošanu starp formu, CRM un Odoo veic integrācija ar validāciju un kļūdu ceļu.
AI kontroles pārbaudes lapa
Praktiska plūsma var apvienot abus paņēmienus: modelis klasificē brīvas formas pieprasījumu, bet pārbaudāmi noteikumi validē laukus, izvēlas atļauto nākamo soli un reģistrē rezultātu.
Kur paliek cilvēka kontrole?
Pārliecības slieksnis
Ja modeļa rezultāts neatbilst saskaņotam pārliecības vai kvalitātes slieksnim, plūsma to nenodod tālāk bez pārbaudes.
Apstiprināšanas rinda
Atbildīgais redz ievadi, sagatavoto rezultātu un izmantoto kontekstu, lai pieņemtu, labotu vai noraidītu nākamo darbību.
Eskalācija un audita ieraksts
Izņēmumi nonāk pie nosaukta īpašnieka, bet būtiskās ievades, pārbaudes un darbības tiek reģistrētas atbilstoši plūsmas riskam.
Datu un piekļuves robežas
Pirms pilota nosakām, kāds konteksts uzdevumam tiešām vajadzīgs, kam tas ir pieejams un kādi glabāšanas un piegādātāja nosacījumi ir pieņemami.
Minimāli nepieciešamais konteksts
Plūsma saņem tikai konkrētajam uzdevumam vajadzīgos laukus un avotus, nevis plašu piekļuvi visai uzņēmuma informācijai.
Lomās balstīta piekļuve
Lietotāju, sistēmu un servisu atļaujas nosaka, kuri dati un darbības katrai plūsmas daļai ir pieejami.
Glabāšana un piegādātāja izvērtējums
Saskaņojam, kur dati un rezultāti tiek glabāti, cik ilgi tie nepieciešami un kādi piegādātāja drošības un datu apstrādes nosacījumi jāpārbauda.
Kā ieviešam
Sākam ar vienu šauru uzdevumu un reālistiskiem vērtēšanas piemēriem. Pēc tam ieviešam kontrolētu pilotu ar apstiprinājumiem, uzraugām kļūdas, izmaksas un izņēmumus un paplašinām tikai to plūsmas daļu, kurai ir pietiekami stabili rezultāti.
AI kontroles pārbaudes lapa
Piemēra kontroles punkti pirms pilota
Vai uzdevums un aizliegtās darbības ir skaidri nosauktas? Vai ievadei ir novērtēšanas piemēri? Vai piekļuve aprobežota ar vajadzīgo kontekstu? Vai zemas pārliecības rezultāts nonāk cilvēka pārbaudē? Vai eskalācija, audita ieraksts un plūsmas apturēšana ir pārbaudāma?
Jautājumi pirms darba plūsmas kartēšanas
Kur AI automatizācija dod lielāko ieguvumu?
Lielākais ieguvums parasti ir plūsmās ar daudz mainīgas teksta vai dokumentu ievades, kuru cilvēki atkārtoti klasificē, apkopo vai izmanto pirmajam melnrakstam. Uzdevumam jābūt pietiekami šauram, lai rezultātu varētu novērtēt ar reālistiskiem piemēriem un skaidru pārbaudes soli.
Vai AI var piekļūt uzņēmuma vai klientu datiem?
Piekļuve ir atkarīga no izvēlētās arhitektūras un piešķirtajām atļaujām. Plūsmai dod tikai uzdevumam nepieciešamo kontekstu; sensitīvi dati netiek automātiski sūtīti modelim. Pirms ieviešanas saskaņojam avotus, glabāšanu, lietotāju tiesības un piegādātāja nosacījumus.
Kas paliek cilvēka pārbaudē?
Cilvēks pārbauda rezultātus, kuru kvalitāte vai pārliecība nesasniedz saskaņoto slieksni, kā arī lēmumus ar būtisku ietekmi uz klientu, naudu, piekļuvi vai saistībām. Katram izņēmumam nosakām atbildīgo, apstiprināšanas vietu un eskalācijas ceļu.
Kā AI savienojas ar CRM un esošajiem rīkiem?
Integrācija nodod tikai saskaņotos laukus un darbības starp modeli, CRM un citiem rīkiem. Pirms produkcijas pilota pārbaudām lauku kartējumu, atļaujas, dublēšanos, kļūdu ceļus un to, kā komanda pārņem plūsmu, ja savienojums vai modelis nedod derīgu rezultātu.
Būvēsim sistēmas, kas ļauj darbam plūst.
Atnesiet vienu nekārtīgu procesu. Parādīsim, kur tas lūzt, cik tas maksā un ko labot vispirms.
- Saprast vājās vietas
- Izveidot pareizo sistēmu
- Savienot rīkus un datus
- Piegādāt izmērāmu ietekmi