Valodas modelis, kas apkopo līgumu vai izmeklē pārskatu, izskatās pēc kaut kā, ko var izdarīt nekavējoties. Zem tērzēšanas loga notiek vairāk nekā tikai lasīšana. Tiek noteikts, kurš dokuments ir tas pareizais, kura versija ir derīga, kam ir tiesības redzēt, kas tajā rakstīts, un kas notiek ar apkopojumu, tiklīdz tas ir izveidots. Šie jautājumi nav modeļa ziņā, bet gan organizācijas, kas to izmanto.
Dokumentu lasīšana sākas ar zināšanu, kādi dokumenti pastāv un kur tie atrodas. Daudzās organizācijās viens un tas pats līgums eksistē trīs versijās, uz divām diskiem, ar atsevišķu eksemplāru kādā pastkastītē. Apkopojums ir tikai tik labs, cik laba ir tā versija, kas tika iesniegta. Bez skaidri norādīta patiesības avota dokumentiem, neviens nezina, vai apkopojums attiecas uz galīgo versiju vai uz pagājušā gada konceptu. Tas nav AI jautājums, bet datu pārvaldības jautājums, uz kuru atbildei jau vajadzēja būt sagatavotai iepriekš.
Dokumenti bieži satur informāciju, kas nav paredzēta visiem: algu dati, medicīniskā informācija, konkurencei jutīgi skaitļi. Sistēmai, kas apkopo dokumentus, ir jārespektē tās pašas piekļuves robežas, kas jau pastāv cilvēkiem. Ja šīs robežas praksē ir vaļīgākas nekā uz papīra — jo visiem tik un tā ir piekļuve visam — tad automatizācija to atklāj, nevis noslēpj. Pirms dokumentu automatizētas lasīšanas jābūt skaidrībai, kam ir tiesības redzēt kuru dokumentu, un šai skaidrībai jābūt arī tehniski nostiprinātai.
Apkopojums ir izvēle par to, kas tiek izlaists. Īsam pārskatam to var pārredzēt; garam līgumam vai plašam pārskatam šī izvēle nosaka, ko lasītājs redz un ko nē. Organizācijai, kas liek apkopot dokumentus, ir jāzina, ko ir pieņemami palaist garām un ko nē. Iekšējam memo tas ir cits risks nekā juridiskam dokumentam, kurā vienai izlaistai klauzulai ir sekas. Šis lēmums nav modeļa ziņā, bet tā, kurš izmanto rezultātu.
Ja neviens apkopojumu nesalīdzina ar oriģinālu, veidojas ieradums: apkopojums kļūst par dokumentu. Tas darbojas, līdz reiz nedarbojas, un tad ne uzreiz ir skaidrs, kur radusies kļūda. Dokumentu lasīšanas praktiska ieviešana pieņem, ka kāds ir kvalitātes atbildīgais — nevis gadījuma kārtā, bet strukturēti, ar veidu, kā signalizēt par novirzēm. Bez šī atbildīgā tas paliek tikai izmēģinājums, kas labi darbojās, līdz kāds atklāja kļūdu.
Dokumentu lasīšana un apkopošana skar tos pašus pamatus kā citi lietojumi: kārtīgu patiesības avotu, loģiski iekārtotu piekļuvi un infrastruktūru, kas spēj tikt galā ar prasīto. Šis lietojums atšķiras ar atkarību no klasifikācijas — zinot, kurš dokuments ir jutīgs un kurš nav — un no fiksēta lēmuma par to, ko apkopojumam ir atļauts izlaist. Bieži trūkst gan viena, gan otra, nevis tāpēc, ka neviens tos neuzskata par svarīgiem, bet tāpēc, ka tie nekad nav tikuši fiksēti.
Tas pats jautājums par to, kurš ir atbildīgais un kas notiek ārpus paša komandas, ir aktuāls sarunām, kas tiek fiksētas un turpinātas, ķēdēm, kurās lasīšanas rezultāts baro nākamo soli un lēmumu atbalstam, kas konsultē, balstoties uz tiem pašiem dokumentiem. Izmēģinājums, kas darbojas tikai savā stūrī, parāda, ka viena komanda lasīja labi, nevis to, ka organizācija ir gatava to darīt visur — skatiet kāpēc pilotprojekts, kas darbojas tikai savā stūrī, neko neatnes.
Šī lapa aprakstīta, kas organizācijai jāsakārto, pirms dokumentu lasīšana un apkopošana var kaut kur labi iesakņoties: avots, piekļuve, atbildīgais. Tā neko neapgalvo par to, kura daļa dokumentu darba konkrētā nodaļā ir faktiski pārņemama — tas atšķiras pēc procesa, dokumenta veida un riska, kas saistīts ar kļūdu. Kas vēlas to izrēķināt pa uzdevumiem, var izmantot FTE TO AI darba skanēšanu, kas pa uzdevumiem apzina, kuru darba daļu var pārņemt un kura daļa paliek cilvēka ziņā.
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.