OpenAI dla firm. Gdzie modele realnie pracują, a gdzie nie
Cztery obszary, w których modele naprawdę pracują, wybór między ChatGPT a API i sytuacje, w których AI nie jest potrzebne.
Cztery obszary, w których to działa
Pytanie „czy OpenAI nada się u nas” jest za szerokie, żeby dało się na nie odpowiedzieć. Da się odpowiedzieć na węższe: czy w firmie są procesy o kształcie, który modelom pasuje. Kształt jest dość powtarzalny i sprowadza się do czterech obszarów.
Praca z tekstem i wiedzą. Dokumenty, procedury, umowy, korespondencja. Model streszcza, porównuje wersje, wyciąga konkretną informację z materiału, którego nikt nie ma czasu przeczytać. Warunek jest jeden: ktoś musi wiedzieć, gdzie ta wiedza leży i w jakim jest stanie.
Powtarzalne zgłoszenia. Klasyfikacja przychodzących spraw, wstępna odpowiedź, przygotowanie sprawy dla człowieka, który podejmie decyzję. Efekt bierze się z liczby podobnych przypadków, nie z trudności pojedynczego.
Wsparcie analityki. Opisanie tego, co widać w danych, przygotowanie zestawienia, wstępna interpretacja. Model nie zastępuje analityka, skraca drogę do pierwszej wersji.
Asystenci wewnętrzni. Punkt wejścia do wiedzy firmy dla pracowników. Działa dobrze w organizacjach, w których wiedza jest rozproszona po dyskach i skrzynkach, a źle tam, gdzie jest niespójna, bo model powtórzy niespójność z pełnym przekonaniem.
W każdym z tych obszarów jakość zależy od tego, czy model dostaje właściwy kontekst. Mechanizm, który mu ten kontekst dostarcza, opisujemy w haśle RAG, a stan danych, który jest jego warunkiem, w haśle dane gotowe na AI.
ChatGPT czy rozwiązanie na API
To najczęstsza rozwidlająca się decyzja i najczęściej podejmowana zbyt szybko.
| ChatGPT i narzędzia gotowe | Rozwiązanie na API | |
|---|---|---|
| Kto korzysta | pojedynczy pracownicy | system, proces, wiele osób naraz |
| Gdzie kończy się wynik | na ekranie użytkownika | w systemie firmy, w bazie, w dokumencie |
| Czas uruchomienia | dni | tygodnie albo miesiące |
| Kontrola nad tym, co model robi | ograniczona do ustawień produktu | pełna, po stronie firmy |
| Koszt | licencje na użytkownika | zużycie plus praca wdrożeniowa i utrzymanie |
| Kiedy wybrać | podnoszenie produktywności zespołu | powtarzalny proces z wynikiem w systemie |
Częsty błąd polega na kupieniu licencji dla całej firmy i uznaniu, że to było wdrożenie. Licencje podnoszą produktywność osób, które i tak umiały z narzędzia korzystać. Proces biznesowy zmienia się dopiero wtedy, gdy wynik modelu trafia tam, gdzie pracują ludzie, czyli do systemu, a nie do osobnego okna w przeglądarce.
Osobne ryzyko licencji rozdanych bez ustaleń to narzędzia używane poza wiedzą działu IT. Zjawisko ma nazwę shadow AI i w polskich firmach jest częstsze, niż wynikałoby z deklaracji zarządów, o czym pisaliśmy w osobnym tekście.
Kiedy AI nie jest potrzebne
Ta sekcja jest tu celowo, bo w rozmowach o wdrożeniach pojawia się najrzadziej.
Model nie jest potrzebny, gdy proces jest deterministyczny. Jeśli reguła brzmi „faktura powyżej progu idzie do akceptacji dyrektora”, to jest warunek w systemie, nie zadanie dla modelu. Model wykona je poprawnie w większości przypadków, a od systemu oczekujemy poprawności we wszystkich.
Nie jest potrzebny także wtedy, gdy dane nie istnieją albo są w stanie, w którym nikt im nie ufa. Wdrożenie modelu na złych danych nie naprawia danych, tylko szybciej rozprowadza ich skutki po organizacji.
I nie jest potrzebny, gdy problemem jest brak procesu. Automatyzacja czegoś, czego nikt nie opisał, utrwala przypadkowość, tylko taniej i szybciej.
Kolejność, która się sprawdza
- Wybierz jeden proces, który realnie boli i ma dużo powtórzeń.
- Sprawdź, jakie dane ten proces zostawia i czy nadają się do użycia.
- Ustal, co ma się zmienić i po czym to poznasz. Miara przed startem, nie po.
- Dopiero teraz dobierz narzędzie. Czasem wyjdzie, że wystarczy integracja.
- Uruchom na wąskim zakresie, z warunkiem przejścia dalej ustalonym z góry.
- Zaplanuj, kto utrzymuje rozwiązanie po odbiorze.
Punkt trzeci jest tym, na którym najczęściej wykłada się projekt, bo bez miary każdy wynik da się opowiedzieć jako sukces. Rozwinięcie tej kolejności opisujemy w tekście wdrożenie AI, od czego zacząć.
Co dalej
Jeśli chcesz sprawdzić, czy Twoja organizacja jest gotowa na którykolwiek z tych scenariuszy, zaczynamy od audytu procesów i danych, nie od narzędzia. Zakres pracy opisujemy na stronie wdrożenia AI, a gotowe scenariusze dla konkretnych obszarów firmy znajdziesz w rozwiązaniach.
Jeśli natomiast szukasz firmy, która to poprowadzi, i chcesz wiedzieć, o co ją zapytać, przygotowaliśmy listę pytań na stronie o wyborze partnera OpenAI.