Masz je, ale model ich nie widzi
Pytanie idzie do modelu, który nie zna Twoich cen, Twoich klientów ani tego, ile ta robota trwa u Ciebie. Odpowiedź brzmi sensownie i właśnie dlatego jest niebezpieczna.
Model, który zgaduje, jest groźniejszy niż brak modelu, bo brzmi wiarygodnie. Buduję rozwiązania, w których AI pracuje na Twoich liczbach i Twoich regułach — a tam, gdzie odpowiedź musi być zawsze identyczna, w ogóle nie pyta modelu.
Prawie nigdy nie chodzi o model. Prawie zawsze o to, że nie wpięto go w proces, który ludzie faktycznie wykonują.
Pytanie idzie do modelu, który nie zna Twoich cen, Twoich klientów ani tego, ile ta robota trwa u Ciebie. Odpowiedź brzmi sensownie i właśnie dlatego jest niebezpieczna.
Test wypadł świetnie, zespół był na szkoleniu, pół roku później nikt tego nie używa. Demo nie musi znosić nietypowego przypadku, codzienna praca musi.
Ktoś kopiuje dane do okna czatu i przepisuje odpowiedź z powrotem. To nie jest automatyzacja, tylko dodatkowy ręczny etap z lepszą nazwą.
Przy wycenie, umowie albo rozliczeniu pomyłka nie jest usterką wyświetlania, tylko pieniędzmi i odpowiedzialnością. Potrzebna jest granica, za którą model nie sięga.
Każde pytanie idzie do modelu, także to, na które odpowiedź od lat leży w tabeli. Płacisz za wyszukiwanie, które baza zrobiłaby szybciej i za darmo.
Brakuje sposobu sprawdzenia, jak często odpowiedź była trafna. Bez tego „mamy AI” jest deklaracją, a nie wynikiem.
Zaczynam od pytania, na które firma musi umieć odpowiedzieć. Potem sprawdzam, czy do tego w ogóle potrzebny jest model.
W systemie warsztatowym wycena bierze się z historii czasów pracy tego konkretnego warsztatu. Model nie zgaduje, ile trwa wymiana — czyta, ile trwała u Ciebie.
Wyszukiwarka 12 857 kodów diagnostycznych odpowiada z bazy: natychmiast, zawsze tak samo i za zero tokenów. Model jest drogi i zmienny, więc trafia tylko tam, gdzie naprawdę wnosi wartość.
Asystent na tej stronie nie potrafi wymyślić kwalifikacji, których nie mam, bo sięga wyłącznie po fakty zapisane wcześniej. Ta sama zasada chroni Twoje ceny i warunki przed kreatywnością modelu.
Klucze i tokeny leżą w vaulcie na własnym sprzęcie i trafiają prosto do procesu docelowego. Nie pojawiają się w czacie, w kodzie ani w logach, a skan przy każdym commicie pilnuje, żeby tak zostało.
Korzystam z modeli przez API — nie trenuję ich ani nie dostrajam. Formalnego zestawu testów jakości modelu jeszcze nie mam i mówię to od razu, bo dowiedzenie się o tym później kosztowałoby Cię więcej.
12 857 kodów diagnostycznych z tabeli, zero tokenów
Nie potrafi wymyślić kwalifikacji, których nie ma
Skan zależności bez udziału modelu, gdy nie ma znalezisk
Pełne opisy wdrożeń z decyzjami i odrzuconymi alternatywami →
Samo wpięcie modelu w istniejący proces jest zwykle najtańszą częścią. Koszt robi to, co wokół: dostęp do danych, obsługa wyjątków i sprawdzenie, czy odpowiedzi są trafne. Widełki dostajesz po obejrzeniu konkretnego procesu.
ChatGPT nie zna Twoich cen, historii zleceń ani reguł. Wdrożenie w procesie oznacza, że model pracuje na Twoich danych, ma zapisane granice i nie jest pytany tam, gdzie odpowiedź wynika z tabeli.
W firmach, z którymi pracowałem, oznaczało przesunięcie ludzi z przepisywania danych na robotę, której nikt nie miał czasu robić. Jeśli celem jest redukcja etatów, powiem wprost, że to nie jest projekt, w którym będę pomocny.
Ustalamy przed startem, co znaczy trafna odpowiedź w Twoim procesie, i sprawdzamy to na realnych przypadkach. Nie mam jeszcze formalnego zestawu testów jakości modelu — to jest luka, o której mówię otwarcie.
Opisz proces w dwóch zdaniach. Jeśli nie ma tu czego automatyzować, powiem to wprost — ta odpowiedź jest darmowa i oszczędza czas nam obu.
hello@kamiljan.com