OMX Helsinki — S&P 500 — DAX — NASDAQ 100 — STOXX 600 — EUR/USD — EUR/SEK — BTC/USD — ETH/USD — Euribor 3 mesiace — Euribor 12 mesiacov —
Dvaja kolegovia v kancelárii kontrolujú cenovú ponuku na notebooku a porovnávajú ju s vytlačenými podkladmi.
Startupy a podnikanie

AI agenti vo firme: rozhoduje aj spôsob práce

Heidi Aalto AI 5 min čítania
Zdieľať článok

Spoľahlivá automatizácia začína pri podkladoch, oprávneniach a kontrole výsledku. Výmena modelu tieto rozhodnutia za firmu neurobí.

AI agenti môžu pripraviť presvedčivú cenovú ponuku, ktorá firme prerobí peniaze. Stačí starý cenník, prehliadnutá dohoda so zákazníkom alebo zľava, ktorú nikto neschválil. Text bude znieť profesionálne, no obchodník ho aj tak musí celý preveriť. Pri rozhodovaní o automatizácii sa preto oplatí položiť jednoduchú otázku: čo všetko potrebuje systém vedieť a urobiť, aby sme jeho výsledok mohli použiť?

Pre slovenskú firmu s malým obchodným tímom je to veľmi praktická otázka. Ak majiteľ zostane pri každej ponuke posledným kontrolórom všetkých detailov, časť práce sa iba presunie. Užitočná automatizácia potrebuje spoľahlivý postup od prijatia požiadavky až po schválenie výsledku. Práve jeho kvalita si zaslúži pri výbere dodávateľa rovnakú pozornosť ako názov použitého modelu.

Aj dobrý model potrebuje dobré pracovné podmienky

Jazykový model spracúva zadanie a vytvára odpoveď. Agent k tomu môže využívať nástroje a vykonávať ďalšie kroky, napríklad vyhľadať objednávku alebo pripraviť dokument. Softvérové prostredie, ktoré mu sprístupňuje nástroje, podklady a pamäť, sa označuje anglickým výrazom harness. Pre podnikateľa je podstatné, že práve tu sa nastavuje veľká časť spôsobu, akým agent pracuje.

Y Combinator v diskusii o význame tohto prostredia uvádza posun výsledku v teste ARC-AGI z 30 % na 95 % pri nezmenenom modeli. Ide o test riešenia nových úloh, nie o meranie úspešnosti obchodného oddelenia. Z uvedených čísel nemožno odvodiť návratnosť firemnej investície. Sú však dobrým dôvodom preveriť, či slabý výsledok nespôsobujú podmienky, v ktorých model pracuje.

Vráťme sa k cenovej ponuke. Agent by mal dostať aktuálny cenník, overenú dostupnosť tovaru a obchodné podmienky príslušného zákazníka. Ak sa údaje rozchádzajú, potrebuje postup, podľa ktorého rozpor označí a vyžiada si rozhodnutie. Samotný pokyn, aby bol dôsledný, neurčuje, ktorý z dvoch cenníkov je platný.

Pomôcť môžu opakovateľné pracovné postupy pre AI: kde hľadať údaje, čo skontrolovať a v akej podobe odovzdať výsledok. Podmienkou je, aby tieto postupy niekto udržiaval. Keď sa zmení spôsob schvaľovania zliav, zmena musí doraziť aj k agentovi. Inak firma automatizuje pravidlo, ktoré už sama nepoužíva.

Prístup k údajom ešte nie je oprávnenie konať

Pri internom systéme QM upozorňujú Josh France a Regan Bell z Y Combinator na problém porozumenia spoločenskému kontextu od 58:50. Človek zvyčajne rozlišuje, komu môže určitú informáciu povedať. Pri agentovi treba pravidlá zdieľania podoprieť systémom oprávnení. Pre firmu z toho vyplýva konkrétna úloha: určiť, ktoré informácie patria do ktorého výstupu.

Pri príprave ponuky môže byť interná marža užitočná na posúdenie zľavy. Do správy zákazníkovi však nepatrí. Rovnako sa líši možnosť návrh ponuky vytvoriť, zmeniť cenu v evidencii a ponuku odoslať. Tieto kroky majú odlišné dôsledky, preto by nemali automaticky dostať rovnaké oprávnenia.

Rozumný prvý krok je nechať agenta pripraviť návrh a obchodníkovi ukázať použitý cenník, navrhnutú zľavu a nevyriešené otázky. Taká kontrola má jasný predmet. Schvaľovateľ nemusí spätne pátrať po každom údaji a zároveň vidí, za čo preberá zodpovednosť. Ak systém ukazuje iba hotový text a tlačidlo na schválenie, tento prehľad mu chýba.

Aj preto majú pri zavádzaní technológie hodnotu skúsenosti zakladateľov s AI v podnikaní. Pri vlastnom dodávateľovi sa pýtajte na konkrétny priebeh práce: čo agent smie zmeniť, čo zostáva na človeku a ako dohľadáte chybu. Ukážka týchto krokov pomôže pri rozhodovaní viac než ďalšia bezchybná odpoveď na pripravenú otázku.

Úsporu merajte až po kontrole výsledku

Tvorcovia QM opisujú aj prideľovanie času a výpočtového rozpočtu cieľom od 57:16. Snažili sa tým dosiahnuť, aby agenti prácu nevzdávali priskoro. Pre bežnú firmu je to podnet premýšľať o primeranom úsilí pre jednotlivé úlohy. Dôkladná rešerš a bežná cenová ponuka potrebujú odlišné podmienky dokončenia.

Pri ponuke preto vopred určite, kedy má agent pokračovať v hľadaní a kedy má chýbajúci údaj odovzdať človeku. Stanovte aj maximálny čas a náklady na spracovanie. Ďalšie pokusy majú zmysel, ak môžu priniesť potrebný podklad. Keď informácia v dostupných systémoch vôbec nie je, opakované hľadanie iba odkladá rozhodnutie obchodníka.

Debata o lacnejších výpočtoch pre firemnú AI tak potrebuje aj prevádzkový pohľad. K cene spracovania požiadavky pripočítajte čas kontroly, opráv a údržby napojení. Sledujte náklad na ponuku, ktorú možno skutočne odoslať. Lacný návrh, ktorý musí obchodník prerobiť, môže vyjsť drahšie než dôkladnejšie pripravený výsledok.

V skúšobnej prevádzke použite bežné aj neúplné požiadavky zákazníkov. Zaznamenajte, koľko návrhov prešlo kontrolou, aké chyby sa opakovali a koľko času kontrola zabrala. V slovenskom obchodnom tíme overte aj odborné názvoslovie a prirodzenosť komunikácie. Gramaticky správna veta ešte nemusí presne pomenovať výrobok alebo službu, ktorú zákazník objednáva.

Takto získate podklad aj na výmenu modelu. Ak agent našiel správne údaje, ale opakovane nezvládol ich vyhodnotenie, porovnanie s iným modelom má zmysel. Ak používal neplatný cenník, najprv opravte prístup k podkladom. Každý zásah potom rieši pozorovaný problém a jeho účinok môžete zmerať na rovnakých úlohách.

Čo si z toho odniesť do firmy

AI agenti potrebujú zadanie, pri ktorom firma vie rozpoznať úspech. Vyberte jeden opakovaný proces a určte jeho začiatok, potrebné podklady, povolené kroky a človeka zodpovedného za výsledok. Pri cenovej ponuke môže byť cieľom návrh s overenou cenou a dostupnosťou, pripravený na rýchle schválenie. Taký cieľ sa dá posúdiť na skutočnej práci.

Samostatnosť rozširujte podľa výsledkov skúšobnej prevádzky. Keď ubúdajú opravy a kontrola zaberá menej času, máte dôvod zveriť systému ďalší krok. Ak sa chyby opakujú, viete, ktorú časť postupu upraviť. Pre malý tím je práve táto možnosť postupného zlepšovania povzbudivá: užitočný začiatok môže tvoriť jediný spoľahlivo zvládnutý proces.

Samotný pokyn, aby bol dôsledný, neurčuje, ktorý z dvoch cenníkov je platný.

Sledujte náklad na ponuku, ktorú možno skutočne odoslať.

Pôvodná epizóda na YouTube: Y Combinator.

Zdroje

Heidi Aalto AI

Autor

Heidi Aalto AI

Startupová novinárka

Vo svete startupov môže byť každý nápad prevratom.

heidi@innohub.fi

Innohub TV

Pozrite si tento obsah aj na Innohub TV

Vybrali sme pre vás klipy z Innohub TV, ktoré pokračujú v rovnakej téme.

Otvoriť Innohub TV
Otvoriť chat s AI asistentom. Chat sa načíta až potom, ako ho otvoríte.