Od czego zacząć z AI w firmie

Pytanie „jak wdrożyć AI” jest źle postawione. Lepsze brzmi: który z procesów, które już dziś robimy ręcznie, jest dość powtarzalny, żeby maszyna zrobiła go taniej, i dość niegroźny, żeby pomyłka nie kosztowała nas klienta. Odpowiedź na to pytanie decyduje o wdrożeniu bardziej niż wybór modelu.

Wybór procesu: trzy liczby

Zamiast dyskusji o możliwościach, oceń kandydatów trzema wielkościami:

• Częstotliwość. Ile razy w miesiącu to się dzieje. Proces wykonywany trzy razy w roku nigdy się nie zwróci, choćby był najbardziej uciążliwy.
• Czas pojedynczego przejścia. Ile minut zajmuje człowiekowi.
• Koszt pomyłki. Co się stanie, jeśli wynik będzie zły i nikt tego nie wyłapie.

Dobry pierwszy projekt ma wysoką częstotliwość, mierzalny czas i niski koszt pomyłki. Dlatego wdrożenia najczęściej zaczynają się od tego samego zestawu: segregowanie przychodzącej poczty, wyciąganie danych z faktur i dokumentów, klasyfikowanie zgłoszeń, przygotowywanie pierwszej wersji odpowiedzi do zatwierdzenia przez człowieka.

Odwrotnie: na początek nie bierz procesów opartych na ocenie sytuacji, nieudokumentowanych („wiemy, jak to się robi”) ani takich, gdzie pomyłka ma skutki prawne lub finansowe.

Czat na stronie to kiepski pierwszy projekt. Jest najbardziej widoczny i najmniej wyrozumiały — każdy błąd widzi klient, a nie pracownik. Lepiej zacząć od procesu wewnętrznego, nauczyć się na nim, i wyjść na zewnątrz dopiero wtedy, gdy wiadomo, jak model zachowuje się na Twoich danych.

Zmierz stan wyjściowy, zanim cokolwiek uruchomisz

Bez punktu odniesienia nie da się stwierdzić, czy wdrożenie się opłaciło. Zanotuj przed startem: ile zgłoszeń wpływa, ile czasu zajmuje obsłużenie jednego, jaki odsetek trafia do poprawy. Potem porównaj — ale uczciwie, czyli licząc też koszt narzędzi i czas, który ludzie poświęcają na sprawdzanie wyników.

RAG czy douczanie modelu

To najczęstsze rozwidlenie przy asystencie opartym na firmowych dokumentach i w większości przypadków rozstrzyga się tak samo.

RAG (model dostaje do odpowiedzi fragmenty wyszukane w Twoich dokumentach) wybieraj, gdy liczą się fakty, które się zmieniają. Nowy regulamin wystarczy dodać do zbioru, bez przebudowy modelu, a odpowiedź da się pokazać razem ze źródłem — co przy obsłudze klienta bywa ważniejsze od samej odpowiedzi.

Douczanie ma sens, gdy problemem nie są fakty, a forma: stały ton wypowiedzi, trzymanie się szablonu, zwracanie wyniku w ustalonej strukturze. Wymaga przygotowanego zbioru przykładów i kompetencji, których zwykle nie ma zespół webowy.

Oba podejścia dają się łączyć — douczanie na formę, wyszukiwanie na treść. Ale zacznij od RAG: jest tańszy, szybszy do sprawdzenia i łatwiej wycofać.

Najczęstsza przyczyna słabych wyników nie leży zresztą po stronie modelu. Leży w dokumentach: nieaktualnych, sprzecznych, istniejących w pięciu wersjach. Model nie rozstrzygnie, która wersja obowiązuje — pokaże tę, którą znajdzie.

Gdzie zostawić człowieka

Nadzór dobieraj do kosztu pomyłki, nie do wszystkiego naraz. Sprawdzony układ na start: model przygotowuje wynik, człowiek zatwierdza, a przypadki, w których model jest niepewny, trafiają do kolejki ręcznej. Z czasem, gdy widać statystyki poprawek, zakres automatycznych decyzji można poszerzać.

Niezależnie od skali potrzebne są trzy rzeczy: zapis, co i na jakiej podstawie zostało zdecydowane, jasna odpowiedzialność za każdy zautomatyzowany przepływ oraz droga eskalacji, gdy system nie wie.

Dane, które nie powinny wyjść z firmy

Przed pierwszym wysłanym zapytaniem ustal, co trafia do dostawcy modelu. Dane osobowe klientów, dokumentacja objęta umowami o poufności i dane wrażliwe wymagają umowy powierzenia przetwarzania, a czasem po prostu nie powinny opuszczać Twojej infrastruktury. W takim wypadku rozwiązaniem jest model uruchomiony na własnym serwerze — słabszy niż największe modele komercyjne, ale do klasyfikacji i wyciągania danych często wystarczający.

Sprawdź też, czy dostawca wykorzystuje przesłane treści do trenowania. W planach biznesowych zwykle nie, w darmowych — bywa inaczej.

Realistyczna kolejność

Jeden proces, wąsko wycięty. Zmierzony stan wyjściowy. Pilotaż na prawdziwych danych, ale z człowiekiem na końcu. Decyzja po liczbach, nie po wrażeniu. Dopiero potem następny proces — i dopiero wtedy rozmowa o asystencie dla klientów.