Tradycyjna automatyzacja czy sztuczna inteligencja: jak wybrać

Wiele automatyzacji powstaje dziś na odwrót: najpierw decyduje się o użyciu sztucznej inteligencji, a potem szuka się, gdzie ją zastosować. Efektem są procesy, które wcześniej działały na trzech regułach, a teraz dają odpowiedzi niemal zawsze trafne, co w procesie biznesowym bywa gorsze. Ten poradnik służy do zdecydowania, dla konkretnego zadania, czy potrzebna jest jasna reguła, model, który interpretuje, czy proces, który wykorzystuje jedno i drugie.

Rozróżnienie nie jest technologiczne, lecz praktyczne, i sprowadza się do jednego pytania: czy w kroku, który chcą Państwo zautomatyzować, jest coś do zrozumienia, czy tylko coś do wykonania?

Pytanie, które dzieli: czy trzeba coś zinterpretować?

Proszę spojrzeć na to, co wchodzi do danego kroku, a nie na to, co z niego wychodzi. To charakter danych wejściowych decyduje o mechanizmie.

• Jeśli na wejściu są pola strukturalne — kwota, data, status, kategoria wybrana z listy — a decyzję można zapisać jako „jeśli zdarzy się to, zrób tamto”, potrzebna jest reguła. Będzie szybsza, tańsza i zawsze możliwa do wyjaśnienia.
• Jeśli na wejściu jest dowolny tekst, głos, dokument napisany przez kogoś innego albo treść, która za każdym razem ma inną formę, zanim się coś wykona, trzeba to zrozumieć. Tam sztuczna inteligencja dodaje coś, czego reguły nie dają.
• Jeśli decyzja przy tych samych danych musi być za każdym razem identyczna — obliczenie, zastosowanie cennika, sprawdzenie progu — proszę nie powierzać jej modelowi, nawet jeśli potrafi to zrobić. Wynik, który może się zmieniać, nie jest akceptowalny tam, gdzie potrzebny jest determinizm.

Zamieszanie bierze się z procesów mieszanych, które stanowią większość. Email od klienta zawiera dowolny tekst (do zinterpretowania) i skutkuje zamówieniem (do wykonania regułami). To nie jest proces, który można przypisać jednemu mechanizmowi: to proces, który trzeba podzielić na dwa.

Trzy procesy, trzy różne odpowiedzi

Trzy przykładowe przypadki w małej firmie. Rozwiązania nie zależą od branży, lecz od formy tego, co napływa.

W drugim przypadku warto zauważyć, gdzie kończy się zadanie modelu: klasyfikuje, nie odpowiada i nie decyduje. Im bardziej ograniczone jest zadanie powierzone sztucznej inteligencji, tym łatwiej kontrolować cały proces i tym łatwiej zrozumieć, kiedy coś pójdzie źle, w którym miejscu to się stało.

Kontrolowalność i utrzymanie: dwa różne koszty

Obie drogi różnią się nie tylko kosztem: wymagają innego wysiłku, rozłożonego w innych momentach życia systemu.

• Błędną regułę znajduje się, czytając ją. Otwiera się ją, widzi warunek, poprawia. Wadą jest to, że reguły się mnożą: po kilku latach nikt już nie pamięta, dlaczego jakaś istnieje, i nikt nie odważa się jej usunąć.
• Modelu, który się myli, nie czyta się: obserwuje się go. Żeby zrozumieć, dlaczego błędnie sklasyfikował, trzeba zebrać przypadki i je porównać, a poprawka nigdy nie jest gwarantowana za pierwszym razem.
• Utrzymanie reguł jest doraźne i przewidywalne: interweniuje się, gdy zmienia się warunek biznesowy. Utrzymanie procesu z AI jest ciągłe: trzeba przyglądać się przypadkom granicznym, sprawdzać, czy jakość się nie pogarsza, gdy zmienia się rodzaj napływających zgłoszeń.
• Proszę zawsze zapytać, kto zajmie się systemem za rok. Jeśli odpowiedź brzmi „osoba z wewnątrz firmy”, to mocno waży na wyborze mechanizmu.

Jest jeszcze aspekt, który dotyczy bardziej organizacji niż techniki: proces ze sztuczną inteligencją wymaga, żeby ktoś okresowo sprawdzał, co zrobił. Jeśli w firmie takiej osoby nie ma, proces będzie działać, dopóki nikt tego nie zauważy.

Kiedy działanie ma konsekwencje: zatwierdzenia

Decydujące pytanie nie brzmi, jak dobry jest system, lecz co się dzieje, gdy się myli. Od tej odpowiedzi zależy poziom kontroli, i dotyczy to zarówno reguł, jak i sztucznej inteligencji.

1. Jeśli błąd jest niewidoczny i odwracalny — wewnętrzna etykieta, wiadomość skierowana do złej skrzynki — system może działać samodzielnie, a kontrola odbywa się wyrywkowo.
2. Jeśli błąd jest widoczny dla klienta, ale można go naprawić — nieprecyzyjna odpowiedź, zbędne zgłoszenie — potrzebna jest weryfikacja przez człowieka w przypadkach, w których sam system sygnalizuje niepewność.
3. Jeśli błąd ma konsekwencje finansowe lub umowne — wprowadzone zamówienie, zastosowana cena, płatność, oficjalna komunikacja — działanie należy zaproponować, a nie wykonać: osoba je zatwierdza, a system rejestruje, kto i kiedy to zatwierdził.
4. W każdym przypadku proszę wcześniej określić, co się dzieje, gdy brakuje informacji. Proces, który mimo braku danych i tak działa dalej, jest bardziej niebezpieczny niż taki, który się zatrzymuje.

Czego nie obejmuje ten poradnik

Tutaj wybiera się mechanizm: reguły, sztuczną inteligencję albo połączenie obu. Porównanie handlowe dostępnych na rynku narzędzi — co warto kupić, co skonfigurować, a co zbudować — jest omówione w osobnym poradniku, ponieważ rządzi się innymi kryteriami i zmienia się szybciej. Od jakiego zadania warto zacząć z AI w firmie, ma swój własny poradnik.