Konkretny proces zamiast ogólnego pomysłu
Dobrym punktem wyjścia jest czynność, którą zespół powtarza i potrafi opisać na przykładach. Może to być praca z treścią, porządkowanie informacji albo wyszukiwanie wiedzy w firmowych materiałach. Podczas rozmowy ustalamy, czy wykorzystanie AI ma sens w danym procesie.
Znaczenie mają jakość danych wejściowych, sposób oceny odpowiedzi oraz sytuacje, w których wynik musi sprawdzić człowiek. Te wymagania są częścią projektu aplikacji.
Jak określamy zakres aplikacji?
- Zadanie użytkownika i oczekiwany efekt działania aplikacji.
- Źródła danych oraz zasady dostępu do materiałów firmy.
- Sposób korzystania z aplikacji i potrzebne powiązania z obecnym procesem.
- Przykłady do sprawdzenia jakości wyników oraz zasady ich weryfikacji.
Na tej podstawie można zaplanować funkcje, budowę aplikacji i sposób oceny jej przydatności. Zakres rozwoju wynika z potrzeb użytkowników oraz wyników sprawdzenia rozwiązania na uzgodnionych przykładach.
Rezultat pierwszego zakresu aplikacji
Pierwszy zakres powinien pozwalać wykonać określone zadanie i ocenić wynik na przykładach z danego procesu. Ustalamy, co aplikacja ma przyjmować, co zwracać i jak użytkownik wykorzysta rezultat. Taki punkt odniesienia ułatwia decyzję o kolejnych funkcjach i rozwoju rozwiązania.
Jak ocenić jakość odpowiedzi AI?
Przed budową wybieramy reprezentatywne zadania i opisujemy oczekiwany wynik. Kryterium może dotyczyć poprawności informacji, kompletności odpowiedzi lub czasu potrzebnego na sprawdzenie. Warto uwzględnić także trudne przykłady, by zobaczyć, kiedy rozwiązanie wymaga korekty lub dodatkowej weryfikacji.
Kiedy wynik powinien sprawdzić człowiek?
Zależy to od znaczenia zadania i skutków błędu. W projekcie określamy, które wyniki wymagają akceptacji użytkownika przed dalszym użyciem. Ocena przydatności aplikacji obejmuje również nakład pracy potrzebny na taką kontrolę.
Co przygotować przed rozmową?
Opisz jeden proces, który chcesz usprawnić: kto go wykonuje, skąd bierze informacje i co ma otrzymać na końcu. Wskaż najczęstsze trudności oraz to, po czym rozpoznasz poprawę.
Pomocne będą przykłady typowych zadań i oczekiwanych rezultatów. Na początku wystarczy opis lub zanonimizowane materiały. Ustalimy, jakie dane mogą być używane, wymagane funkcje i zakres pierwszego wdrożenia.