Učestalost
Da li se ovaj korak ponavlja dovoljno često da automatizacija ukloni značajan ručni rad?
Svi vodiči
01 02 03 04
Vodiči
Šta treba automatizovati - a šta ostaviti čoveku?
Praktičan okvir za izbor između automatizacije po jasnim pravilima, AI podrške i ljudskih odluka u procesu firme koja pruža usluge.
Autor vodiča: Ian Kirs · ARCHKIRS
Kratak odgovor
Automatizujte posao koji se ponavlja, prati jasna pravila i preskup je da se stalno obavlja ručno. Procenu situacije, izuzetke, komercijalne obaveze i odluke sa ozbiljnim posledicama držite pod ljudskom kontrolom.
Koristite običnu automatizaciju kada pravilo može precizno da se opiše. AI ima smisla tamo gde su ulazni podaci zaista nestrukturirani - jezik, razgovori ili dokumenti - i gde rezultat može da se proveri ili ograniči. Sam AI nije razlog da se neki proces automatizuje.
Izaberite najjednostavniju pouzdanu kontrolu
| Zadatak | Najbolji početni izbor | Zašto |
|---|---|---|
| Sačuvati polja poslate forme | Automatizacija po pravilima | Podaci i odredište su unapred poznati. |
| Poslati rutinsko obaveštenje | Automatizacija po pravilima | Okidač i primalac mogu precizno da se definišu. |
| Izračunati poznatu cenu ili količinu | Automatizacija po pravilima | Ponovljiva matematika ne treba da zavisi od jezičkog modela. |
| Odobriti obim, cenu ili uslove ugovora | Ljudska odluka | To su komercijalne obaveze i mogu zahtevati procenu. |
| Sažeti dugu projektnu diskusiju | AI podrška | AI može da uštedi vreme pri sažimanju ako original ostane dostupan. |
| Prevesti projektne poruke | AI podrška | Jezik je nestrukturiran, a čuvanje originala omogućava proveru rezultata. |
| Sprovoditi pravila pristupa i izolaciju projekata | Automatizacija po pravilima | Bezbednosne granice moraju biti eksplicitne i proverljive. |
| Obraditi neuobičajen izuzetak | Čovek uz podršku sistema | U izuzecima kruta automatizacija najlakše napravi pogrešan rezultat. |
Četiri pitanja pre automatizacije
Jasnoća pravila
Možete li jasno da opišete okidač, ulazne podatke, rezultat i izuzetke?
Cena greške
Šta se dešava ako sistem donese pogrešnu odluku ili pošalje pogrešan rezultat?
Mogućnost provere
Može li osoba kasnije da razume šta se desilo i da ispravi rezultat?
Dobri kandidati za automatizaciju po pravilima
- Prenos poznatih polja iz upita u evidenciju klijenta ili projekta.
- Slanje obaveštenja nakon unapred definisanog događaja.
- Kreiranje dokumenta iz odobrenih strukturiranih podataka.
- Izračunavanje vrednosti po eksplicitnim formulama.
- Promena statusa nakon potvrđene radnje.
- Provera obaveznih polja, prava pristupa ili fiksnih pravila procesa.
Odluke koje obično treba da ostanu ljudske
- Da li projekat odgovara firmi.
- Konačan obim, cena, raspored i ugovorne obaveze.
- Osetljiva odobrenja i izuzeci.
- Promene koje utiču na prava klijenta, pristup, plaćanje ili prihvatanje.
- Nejasne situacije u kojima je cena pogrešne automatske radnje visoka.
Gde AI može da donese stvarnu vrednost
- Sažimanje dugih razgovora uz čuvanje izvornog sadržaja.
- Prevod poruka uz čuvanje originala.
- Izdvajanje nacrta strukture iz nestrukturiranog teksta za kasniju ljudsku proveru.
- Odgovaranje na činjenična pitanja iz ograničenog i proverenog izvora podataka.
- Pomoć osobi pri pregledu i pripremi informacija bez donošenja konačne komercijalne odluke.
Gde je obična logika obično bolja od AI
- Dozvole i bezbednosne granice.
- Poznati proračuni i formule cena.
- Provera obaveznih polja.
- Fiksna obaveštenja i usmeravanje po pravilima.
- Oznake verzija dokumenata i nepromenljive evidencije.
- Svako pravilo za koje ispravan rezultat već može precizno da se napiše.
Povezani primeri
ARCHKIRS primeri: obična logika u osnovi, AI u ograničenim zadacima
ARCHKIRS.SITE koristi determinističke strukture za upite, evidenciju klijenata i projekata, komercijalne proračune, verzije dokumenata i zaštićene privatne podatke.
Project Workspace koristi server-side AI za prevod, sažetke, transkripciju i pitanja zasnovana na podacima repozitorijuma, dok autorizacija, izolacija projekata, granice dokaznog izvora i konačne odluke vlasnika ostaju eksplicitne kontrole sistema.
Prvo mapirajte jedan stvaran proces
Uzmite jedan proces koji se ponavlja i označite svaki korak kao prenos podataka, fiksno pravilo, ljudsku procenu ili tumačenje nestrukturiranih informacija.
Tada je obično mnogo jasnije gde treba obična automatizacija, gde AI podrška, a gde ljudska kontrola.