Jazykový model, který shrne smlouvu nebo prohledá zprávu, vypadá jako něco, co lze udělat okamžitě. Pod chatovacím oknem se ale odehrává víc než samotné čtení. Určuje se, který dokument je ten správný, která verze je platná, kdo má vidět, co v něm stojí, a co se stane se shrnutím, jakmile je vytvořeno. Tyto otázky neleží u modelu, ale u organizace, která jej nasazuje.
Čtení dokumentů začíná tím, že víte, jaké dokumenty existují a kde se nacházejí. V mnoha organizacích existuje tatáž smlouva ve třech verzích, na dvou diskách, s volnou kopií v mailové schránce. Shrnutí je jen tak dobré, jako verze, která byla dodána. Bez jednoznačného zdroje pravdy pro dokumenty nikdo neví, zda se shrnutí týká definitivní verze, nebo konceptu z loňského roku. Není to otázka AI, ale otázka správy dat, která musí být zodpovězena už dříve.
Dokumenty často obsahují informace, které nejsou určeny pro každého: mzdové údaje, zdravotní informace, konkurenčně citlivá čísla. Systém, který dokumenty shrnuje, musí respektovat stejné hranice přístupu, které již existují pro lidi. Pokud jsou tyto hranice v praxi volnější než na papíře — protože se ke všemu stejně dostane každý — automatizace to odhalí, místo aby to skrývala. Předtím, než jsou dokumenty automatizovaně čteny, musí být jasné, kdo má vidět který dokument, a to musí být také technicky vymahatelné.
Shrnutí je volba o tom, co se vynechá. U krátkého zápisu to lze přehlédnout; u dlouhé smlouvy nebo rozsáhlé zprávy tato volba určuje, co čtenář vidí a co ne. Organizace, která dává dokumenty shrnovat, musí vědět, co je přijatelné vynechat a co ne. U interního memoranda je to jiné riziko než u právního dokumentu, kde jedna vynechaná doložka má důsledky. Toto zvážení neleží u modelu, ale u toho, kdo výsledek používá.
Pokud nikdo shrnutí neporovná s originálem, vzniká zvyk: shrnutí se stane dokumentem. To funguje, dokud jednou nezafunguje, a pak není hned jasné, kde se stala chyba. Funkční nasazení čtení dokumentů předpokládá, že někdo je vlastníkem kvality — ne příležitostně, ale strukturálně, se způsobem, jak signalizovat odchylky. Bez tohoto vlastníka zůstává jen u zkoušky, která fungovala docela dobře, dokud někdo neobjevil chybu.
Čtení a shrnování dokumentů se dotýká stejných základů jako jiné aplikace: uspořádaný zdroj pravdy, logicky uspořádaný přístup a infrastruktura, která zvládne, co se od ní požaduje. Kde se tato aplikace odlišuje, je závislost na klasifikaci — vědět, který dokument je citlivý a který ne — a na zaznamenaném úsudku o tom, co shrnutí může vynechat. Obojí často chybí nikoli proto, že by to nikdo nepovažoval za důležité, ale proto, že to nikdy nebylo zaznamenáno.
Stejná otázka, kdo je vlastníkem a co se děje mimo vlastní tým, se objevuje u rozhovorů, které jsou zaznamenávány a sledovány, u řetězců, ve kterých výsledek čtení napájí další krok, a u podpory rozhodování, která na základě týchž dokumentů radí. Zkouška, která funguje jen ve svém vlastním koutku, ukazuje, že jeden tým dobře četl, nikoli že je organizace připravena to dělat všude — viz proč pilotní projekt, který funguje jen ve svém koutku, nic nepřinese.
Tato stránka popisuje, co musí organizace zařídit, než čtení a shrnování dokumentů může někde dobře dopadnout: zdroj, přístup, vlastníka. Neříká nic o tom, kterou část práce s dokumenty lze v konkrétním oddělení skutečně převzít — to se liší podle procesu, typu dokumentu a rizika spojeného s chybou. Kdo si to chce nechat vypočítat po jednotlivých úkolech, může využít pracovní scan od FTE TO AI, který u každého úkolu mapuje, jakou část práce lze převzít a jaká část zůstává na člověku.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.