Uudistes käis läbi uut tüüpi mudel, mis ei vasta lausetega, vaid tagastab kategooria ja kindlusprotsendi — jah/ei, kiireloomuline/tavaline, arve/pakkumine. Tundub tehniline pisiasi, aga meie hinnangul on see üks praktilisemaid signaale viimase aja AI-uudistes. Sest kui vaatame, mida Eesti väikeettevõtted AI-lt päriselt tahavad, siis enamasti pole see jutt. See on otsus.
Enamik reaalseid ülesandeid on klassifitseerimine, mitte kirjutamine
Kui koos kliendiga töövood lahti joonistame, kordub sama muster. Kas see kiri läheb müügile või toele? Kas see e-kiri sisaldab tellimust? Kas see arve on juba tasutud read või uus kulu? Kas see CV vastab miinimumnõuetele? Kas see klienditagasiside on kaebus, mis vajab täna vastust? Ükski neist küsimustest ei vaja ilusat lõiku teksti. Need vajavad ühte silti ja teadmist, kui kindel mudel selles on.
Vestlusmudelilt sama asja küsimine töötab, aga on kallim, aeglasem ja hägusem. Sa saad vastuseks lause, mille pead uuesti lahti parsima, ja iga kord pisut teistsuguse sõnastuse. Klassifitseeriv lähenemine annab struktuuri: fikseeritud valikute hulk, numbriline kindlus, etteaimatav kulu. Just seda on vaja, kui väljund läheb edasi automaatsesse töövoogu ja mitte inimese silme ette.
Kindlusprotsent on see, mis teeb automatiseerimise ohutuks
Meie kogemuses on suurim vahe selle vahel, kas süsteem ütleb „see on kaebus“ või „see on kaebus, kindlus 0,58“. Esimesel juhul pead usaldama või mitte usaldama kõike. Teisel juhul saad tõmmata piiri: üle teatud taseme liigub asi ise edasi, alla selle läheb inimese lauale.
Praktikas tähendab see, et automatiseerimist ei pea alustama kõik-või-mitte-midagi otsusega. Alustage sellest, et masin võtab enda peale selged juhtumid — ja need on tavaliselt suurem osa mahust — ning kahtlased jäävad inimesele. Nii ei pea kvaliteedis järele andma, et ajavõitu saada. Ja mis oluline: kui piir on kirjas numbrina, saab seda hiljem rahulikult nihutada, kui näete, kuidas süsteem päris andmetega käitub.
Kuidas alustada — üks nädal, üks töövoog
Soovitame võimalikult igava algusega. Valige üks korduv otsus, mida keegi teie tiimist teeb iga päev käsitsi. Korjake kokku paarsada päris näidet viimastest kuudest — kirjad, vormid, arved, mis iganes see sisend on. Pange kirja kategooriad, mille vahel tegelikult valitakse, ja lisage kindlasti valik „ebaselge“. Seejärel laske inimesel need näited käsitsi sildistada. See on igav samm, mille kõik tahavad vahele jätta, ja täpselt see samm otsustab, kas projekt õnnestub.
Edasi on lihtne: lase mudelil samad näited läbi klassifitseerida ja võrdle inimese siltidega. Nüüd on teil päris number, mitte tunne. Kui täpsus on piisav, keerake süsteem esimeseks kuuks „soovitusrežiimi“ — masin pakub sildi, inimene kinnitab ühe klikiga. Alles siis, kui näete, et kinnitamine on muutunud vormitäiteks, lülitage selged juhtumid automaatseks. Mõõtke lõpuks kahte asja: kui suur osa mahust liigub ise ja kui palju vigu jõuab kliendini.
Kus on piir
See lähenemine ei sobi kõikjale. Kui kategooriad muutuvad iga kuu või neid on kolmkümmend ja pooled kattuvad, pole probleem mudelis — probleem on selles, et protsess ise pole veel paigas. Siis tasub kõigepealt protsess korda teha. Samuti ei soovita me automaatseks keerata otsuseid, mis puudutavad klienti pöördumatult: lepingu lõpetamine, nõude tagasilükkamine, hinnaotsus. Sellistel juhtudel võib masin ette sorteerida ja põhjendada, aga otsuse peab tegema inimene ning kliendil peab jääma selge tee vaidlustamiseks. See pole meie liigne ettevaatlikkus — see on ka Euroopa reeglite ootus.
Ja kui maht on tõesti väike — paarkümmend juhtumit nädalas — on aus vastus, et automatiseerimine ei tasu end ära. Siis on parem tööriist hea kontrollnimekiri.