ხელოვნური ინტელექტის დანერგვა

AI-ის დანერგვა — ეს მოდელის ჩაშენებაა უკვე მომუშავე პროცესში, და არა მის გვერდით ცალკე სისტემის გაშვება. მოდელი კითხულობს კომპანიის მონაცემებს, პოულობს მათში კანონზომიერებას და გასცემს გადაწყვეტილებას; ამ გადაწყვეტილებით მოქმედებას ასრულებს ის სისტემა, სადაც პროცესი ცხოვრობს, — CRM, ERP, საწყობის პროგრამა, სალარო, პორტალი, მესენჯერი.

ამიტომ პროექტი იწყება არა მოდელის არჩევით, არამედ ოთხი პასუხით: რომელი მონაცემები არის და რა მდგომარეობაშია; რომელი გადაწყვეტილება უნდა მიიღო; ვინ და რით ასრულებს ამ გადაწყვეტილებას; რომელი რიცხვით გამოჩნდება, რომ უკეთესი გახდა. ოთხიდან ნებისმიერის გარეშე მოდელი ამატებს კიდევ ერთ მონაცემთა წყაროს, რომელზეც ვერავინ არის პასუხისმგებელი.

სად არ არის საჭირო AI. თუ წესი აღიწერება ერთი სტრიქონით — «ნაშთი ხუთ ცალზე დაბალია, აცნობე შესყიდვას», — მას წერენ წესად: ის უფრო იაფია, პროგნოზირებადი და შემოწმებადი სტრიქონობრივად. AI ადგილზეა იქ, სადაც ნიშნები ათეულობითაა, ისინი იცვლება დროთა განმავლობაში, ხოლო ადამიანი აქამდე წყვეტდა «თვალზომით»: მიმართვის კლასიფიკაცია, მოთხოვნის შეფასება, არატიპური ოპერაციის ძიება, თავისუფალი ფორმის დოკუმენტიდან ველების ამოღება.

შეგროვებული მონაცემები გამოსაყენებლად მზად არ არის: ერთი და იგივე პოზიცია სამი ხერხით იწოდება, საზომი ერთეულები არეულია, ჩანაწერების ნახევარს სავალდებულო ნიშანი არ აქვს, ხოლო სტრიქონების ნაწილი — ერთი ოპერაციის დუბლია. ასეთ ნაკრებზე ნასწავლი მოდელი გაამრავლებს არეულობას, და არა იპოვის კანონზომიერებას.

AI დამუშავება აქ ხურავს სამ ამოცანას: მიიყვანოს ჩანაწერები ერთიან სახემდე, დაასვას ნიშნები იქ, სადაც ისინი არ არის, და დაალაგოს ობიექტები კატეგორიებად, რომლებიც საწყის მონაცემებში არ არსებობდა.

• ნორმალიზაცია — თარიღების, რიცხვების, საზომი ერთეულების, ტელეფონების, მისამართებისა და რეკვიზიტების ერთიანი ფორმატი
• დასახელებების შედარება — «კაბელი VVGng 3x2,5», «VVG-ng 3*2.5» და «კაბელი vvgng 3x2.5 GOST» მიიყვანება ერთ ნომენკლატურულ პოზიციამდე
• გამოტოვებების შევსება — აკლია კატეგორია, ბრენდი ან საზომი ერთეული პროგნოზირდება ბარათის დანარჩენი ველებით
• კლასიფიკაცია — საქონელი მიეკუთვნება ჯგუფს, მიმართვა თემას, გადახდა ხარჯების მუხლს, კონტრაგენტი სეგმენტს
• ნიშნების ამოღება — აღწერიდან ამოიღება მახასიათებლები: მოცულობა, წონა, სიმძლავრე, შემადგენლობა, ვარგისობის ვადა
• დუბლების ძიება — ერთი კონტრაგენტის ორი ბარათი ან ერთი მიწოდების ორი დოკუმენტი პოულობს ველების ერთობლიობით, და არა სტრიქონის დამთხვევით
• წინააღმდეგობებზე შემოწმება — უარყოფითი ნაშთი, გატანის თარიღი შეკვეთის თარიღზე ადრე, პოზიციების თანხა არ უდრის დოკუმენტის ჯამს

მოქმედება: დარწმუნებული შესწორებები გამოიყენება ავტომატურად და იწერება ჟურნალში საწყისი მნიშვნელობით; სადავოები მიდის დასადასტურებლად ცნობარის მფლობელთან ერთი სიით, და არა წერილებით სათითაოდ.

რატომ არის ეს ცალკე სამუშაო

მონაცემების ხარისხი — არა ერთჯერადი დალაგებაა პროექტამდე, არამედ მუდმივი პროცესი: ცნობარები ივსება ყოველდღე, მომწოდებლები ცვლიან ფასთა სიების ფორმატებს, მენეჯერები ბარათებს ქმნიან თავიდან არსებულის ძებნის ნაცვლად. ამიტომ გაწმენდის წესები და მოდელები ცხოვრობს სისტემაში მონაცემებთან ერთად და გამოიყენება ყოველ ჩატვირთვაზე.

ყოველ შესწორებას აქვს ავტორი — წესი ან მოდელი, — დრო, ძველი და ახალი მნიშვნელობა. ეს არ არის ბიუროკრატია: ისტორიის გარეშე შეუძლებელია იმის გარჩევა, რატომ აჩვენებს წინა თვის ანგარიში დღეს სხვა რიცხვებს.

შედეგი

ცნობარები წყვეტს განშტოებას, ანგარიშები საქონლის ჯგუფებითა და ხარჯების მუხლებით ერთმანეთს ემთხვევა, ხოლო მონაცემების მომზადება წყვეტს ნებისმიერი ანალიტიკური პროექტის ვადის დიდი ნაწილის შეჭმას.

ჩვეულებრივი ანგარიში პასუხობს კითხვას, რომელიც მას დაუსვეს: შემოსავალი თვეებით, გაყიდვები ფილიალებით, ნაშთები საწყობებით. კითხვებს სვამს ადამიანი, ამიტომ ჩანს ზუსტად ის, რისი ნახვაც ვინმემ მოიფიქრა.

AI დამუშავება აქ ცვლის მიმართულებას: მოდელი თავად ათვალიერებს ჭრილებს და მოაქვს ისინი, სადაც მაჩვენებლის ქცევა მოსალოდნელისგან განსხვავდება. არა «დახატე გრაფიკი», არამედ «აი სამი ადგილი, სადაც ხდება არა ის, რაც ჩვეულებრივ, და აი რასთან არის ეს დაკავშირებული».

რას აკეთებს ინტელექტუალური ანალიტიკა:

• სეგმენტაცია — კლიენტები, გაყიდვის პუნქტები და საქონელი ჯგუფდება ფაქტობრივი ქცევით, და არა წინასწარ მოგონილი კატეგორიებით
• მაჩვენებლის დაშლა — შემოსავლის ვარდნა იშლება კატეგორიების, ფილიალების, არხებისა და საშუალო ჩეკის წვლილად: ჩანს, კონკრეტულად რა დაეცა
• კავშირები მოვლენებს შორის — შეკვეთის, კლიენტის ან პუნქტის რომელი ნიშნები უფრო ხშირად ახლავს უარს, დაბრუნებას, გადახდის ვადაგადაცილებას ან კლიენტის წასვლას
• რისკის შეფასება — ალბათობა იმისა, რომ შეკვეთა გაუქმდება, ანგარიში ვადაში არ გადაიხდება, კლიენტი შეწყვეტს ყიდვას
• ყურადღების არანჟირება — გარჩევის საჭირო ობიექტების სია, დახარისხებული შესაძლო დანაკარგებით, და არა ანბანით
• მოთხოვნა ჩვეულებრივი ენით — კითხვა მონაცემებს სიტყვებით, პასუხში წყაროსა და პერიოდზე სავალდებულო მითითებით

მოქმედება: ნაპოვნი არ რჩება დაშბორდში — ის იქცევა ამოცანად ადრესატითა და ვადით: გაარჩიოს ვარდნის მქონე პუნქტი, დაუკავშირდეს რისკის ჯგუფის კლიენტს, შეამოწმოს დაბრუნებების ზრდის მქონე კატეგორია.

რუტინა — ეს ის ოპერაციებია, რომლებიც მეორდება დღეში ათეულჯერ, მოითხოვს ყურადღებას და არ მოითხოვს კვალიფიკაციას: გადაიტანოს მონაცემები წერილიდან ბარათში, მიაკუთვნოს გადახდა მუხლს, დანიშნოს შემსრულებელი, შეამოწმოს დოკუმენტის კომპლექტურობა, დააყენოს სტატუსი.

AI დამუშავება საჭიროა იქ, სადაც შესვლა ფორმალიზებული არ არის: წერილი დაწერილია სიტყვებით, დოკუმენტი მოვიდა უცხო ფორმატში, განაცხადი ფორმულირებულია სხვადასხვაგვარად ყოველი კლიენტის მიერ. მოდელი ასეთ შესვლას მიჰყავს სტრუქტურამდე, რის შემდეგაც პროცესს ეწევა ჩვეულებრივი წესები — პროგნოზირებადი და შემოწმებადი.

რა გადადის ავტომატურ რეჟიმში:

• შემომავალი წერილებისა და განაცხადების გარჩევა
• მიმართვის თემისა და სისწრაფის განსაზღვრა
• შემსრულებლისა და ვადის დანიშვნა
• კლიენტისა და გარიგების ბარათის შექმნა
• დოკუმენტებიდან მონაცემების ამოღება
• დოკუმენტის შედარება შეკვეთასა და ანგარიშთან
• გადახდის მიკუთვნება მუხლსა და ხელშეკრულებას
• დოკუმენტების პაკეტის კომპლექტურობის შემოწმება
• ტიპურ მოთხოვნაზე პასუხის ფორმირება
• ტექსტების თარგმნა და ერთიან სახემდე მიყვანა
• ამონაწერებისა და ცნობების მომზადება შაბლონით
• საქონლის ბარათის ველების შევსება აღწერით
• განაცხადის სისრულეზე შემოწმება გაშვებამდე
• პრიორიტეტების დალაგება ამოცანების რიგში
• შეჯამებები ცვლით, დღითა და მონაკვეთით
• შეტყობინებები პასუხისმგებლებზე მოვლენებით

მოქმედება და შედეგი: ოპერაცია სრულდება სისტემის მიერ და იწერება ჟურნალში ავტორით, დროითა და საწყისი მნიშვნელობით. თანამშრომელი გადადის მონაცემების შეყვანიდან გამონაკლისების გარჩევაზე — იმ შემთხვევების, სადაც მოდელი დარწმუნებული არ არის ან სადაც შეცდომის ფასი მაღალია.

მონაცემები: ზედნადებები, ანგარიშები, აქტები, ხელშეკრულებები, სპეციფიკაციები, საგადახდო დავალებები, განცხადებები, აღჭურვილობის პასპორტები, წერილები დანართებით. ფორმატები განსხვავებულია: pdf, ფოტო ტელეფონიდან, სკანი, გატანის ფაილი, ქაღალდის ორიგინალი.

AI დამუშავება: ტექსტის ამოცნობა, დოკუმენტის ტიპის განსაზღვრა, ველებისა და ცხრილური ნაწილების ამოღება, პოზიციების შედარება ნომენკლატურასთან და დოკუმენტის დაკავშირება შეკვეთასთან, ხელშეკრულებასთან ან კონტრაგენტთან. ყოველი ველისთვის ბრუნდება მნიშვნელობა და დარწმუნებულობა მასში.

რა ამოიღება:

• მხარეების რეკვიზიტები — დასახელება, სარეგისტრაციო ნომრები, მისამართი, საბანკო რეკვიზიტები
• დოკუმენტის ნომერი და თარიღი , ბმულები ხელშეკრულებაზე, ანგარიშსა და შეკვეთაზე
• ცხრილური ნაწილი — პოზიციები, რაოდენობა, ფასი, თანხა, გადასახადის განაკვეთი
• ჯამები — თანხა გადასახადის გარეშე, გადასახადი, გადასახდელი ჯამი, ვალუტა
• ვადები და პირობები — გადახდის ვადა, მიწოდების პირობები, გარანტია, ჯარიმები
• ხელმოწერები და ბეჭდები — არსებობა, და არა ნამდვილობა: ნამდვილობა იურიდიულად მნიშვნელოვანი დოკუმენტბრუნვის საკითხია

მოქმედება: დოკუმენტი დარდება შეკვეთასა და ანგარიშს, სხვაობები გამოაქვთ სიით, დოკუმენტი ან ტარდება, ან მიდის გარჩევაზე კონკრეტულ თანამშრომელთან. შედეგი: დოკუმენტების შეყვანა წყვეტს ცალკე სამსახურებრივ მოვალეობად ყოფნას, ხოლო სხვაობები პოულობს გადახდამდე, და არა თვის დახურვისას.

სად გადის საზღვარი

ამოცნობა ასპროცენტიან სიზუსტეს ვერცერთ დოკუმენტების ნაკრებზე ვერ იძლევა — და არც უნდა იძლეოდეს. აზრი სხვაშია: სისტემა აჩვენებს, რომელ ველებს ენდობა, და რომლების დადასტურებას ითხოვს. ოპერატორი ამოწმებს რამდენიმე გამოყოფილ ველს იმის ნაცვლად, რომ მთელი დოკუმენტი აკრიფოს.

საწყისის ცუდი ხარისხი — ჩუმი შეცდომის საბაბი არ არის: ბუნდოვანი ფოტო, მოჭრილი გვერდი, სპეციფიკაციის არარსებული მეორე გვერდი აღინიშნება ცხადად და უბრუნდება გამგზავნს მიზეზის მითითებით.

შედეგი

დამუშავების სიჩქარე წყვეტს შემომავალი ნაკადის მოცულობაზე დამოკიდებულებას, ხოლო ბუღალტერია და მომარაგება დოკუმენტების მდგომარეობას ხედავს ერთ სიაში, და არა ცალკეული თანამშრომლების საფოსტო ყუთებში.

მონაცემები: წერილები, განაცხადები საიტიდან, შეტყობინებები მესენჯერებში, ზარების გაშიფვრები, მიმოწერა მხარდაჭერის ჩატში, გამოხმაურებები და შეფასებები. ეს ყველაფერი თავისუფალი ფორმის ტექსტია, რომელსაც აქამდე კითხულობდა და ალაგებდა ადამიანი.

AI დამუშავება: მიმართვა მიეკუთვნება თემასა და ქვეთემას, განისაზღვრება სისწრაფე და ტონალობა, ტექსტიდან ამოიღება შეკვეთის ნომერი, საქონლის დასახელება, მისამართი და სხვა არსები, მიმართვა უკავშირდება კლიენტის ისტორიას. ერთ საბაბზე განმეორებითი მიმართვები ეწებება ერთ შემთხვევად.

მოქმედება: განაცხადი ხვდება პროფილური ჯგუფის რიგში მზა ველებით, რეაქციის ვადა ითვლება სისწრაფით, განმეორებითი მიმართვა ადის პრიორიტეტით, ხოლო კლიენტი იღებს დადასტურებას ნომრითა და მოსალოდნელი ვადით.

შედეგი: მიმართვები წყვეტს საერთო ყუთში დილამდე წოლას, ხოლო ხელმძღვანელი ხედავს არა «ბევრ საჩივარს», არამედ სტრუქტურას: რომელი თემებით იზრდება ნაკადი, სად იზრდება პასუხის დრო და რომელი პროდუქტები იძლევა განმეორებით მიმართვებს.

რას აძლევს მთელი ნაკადის გარჩევა

ცალკე მიმართვა ლაპარაკობს შემთხვევაზე, მთელი ნაკადი — პროდუქტსა და პროცესზე. თემებით კლასიფიკაცია პერიოდზე აჩვენებს, კონკრეტულად რა იწვევს კითხვებს: გაუგებარი ინსტრუქცია, შეცდომა საქონლის აღწერაში, ჩავარდნა გაფორმების კონკრეტულ ეტაპზე, დაყოვნება ერთ მიტანის სამსახურთან.

ამიტომ თემები თავიდან არ აიღება: ჯერ მიმართვები ჯგუფდება აზრით ავტომატურად, შემდეგ მიღებული ჯგუფები სწორდება ხელით და მაგრდება როგორც ცნობარი. შემდეგ ის ცხოვრობს პროდუქტთან ერთად, ხოლო ახალ ჯგუფებს სთავაზობს სისტემა.

ბოტი — არა ერთი მოდელია, არამედ რამდენიმე დაკავშირებული ნაწილი. გამიჯვნა პრაქტიკულად მნიშვნელოვანია: ყოველ ნაწილს აქვს უარის თავისი მიზეზი, თავისი მეტრიკები და შეკეთების თავისი ხერხი.

• მოთხოვნის გაგება — რის გაკეთება უნდა ადამიანს და რომელი პარამეტრები დაასახელა მან: შეკვეთის ნომერი, თარიღი, საქონელი, მისამართი
• ძებნა ცოდნით — დოკუმენტებისა და ჩანაწერების ფრაგმენტების შერჩევა, რომლებზეც აიგება პასუხი
• წვდომა სისტემებზე — ნებადართული ოპერაციების ნაკრები: ნახოს შეკვეთა, შექმნას განაცხადი, შეცვალოს მიტანის თარიღი. თითოეული აღწერილია ცხადად, თვითნებური მოქმედებები ბოტს არ აქვს
• პასუხის ფორმულირება — მოდელი კრებს პასუხს მკაცრად ნაპოვნისა და სისტემებისგან მიღებულისგან; რაც წყაროებში არ არის, პასუხში არ ჩნდება
• შემოწმება გაგზავნამდე — პასუხი დარდება წყაროებს, ხოლო მოქმედება — მომხმარებლის უფლებებსა და ლიმიტებს
• გადაცემა ადამიანზე — ესკალაციის წესები: დაბალი დარწმუნებულობა, განმეორებითი კითხვა, ნეგატიური რეაქცია, თემა დახურული სიიდან
• ჟურნალი — რა იკითხეს, რა მოიძებნა, რა გააკეთა ბოტმა და რა საფუძველზე. ამის გარეშე საჩივრის გარჩევა შეუძლებელია

მიერთების არხები — საიტი და პირადი კაბინეტი, მესენჯერები, ფოსტა, სატელეფონო ხაზი მეტყველების ამოცნობით, შიდა პორტალი და თანამშრომლების სამუშაო ადგილები. ლოგიკა ამასთან ერთია: არხი ცვლის შეყვანის ფორმას, და არა იმას, რაც ბოტს აქვს ნებადართული.

საიდან აიღება პასუხი

ბოტს თქვენი დოკუმენტები «არ ახსოვს» — ის მათ ეძებს კითხვის მომენტში და პასუხობს ნაპოვნით. ამიტომ რეგლამენტის განახლება მოქმედებს მისი ატვირთვისთანავე, და არა მოდელის ხელახლა სწავლების შემდეგ, და ამიტომ ყოველ პასუხს აქვს წყარო.

როგორ იშვება ბოტი

პირველ რიგში იკრიბება რეალური კითხვების ნაკრები — მიმოწერიდან, მიმართვებიდან და შიდა ჩატებიდან. მასზე ბოტი მოწმდება გაშვებამდე: პასუხები დარდება წყაროებს, შეცდომები იხსნება მიზეზებით. მხოლოდ ამის შემდეგ იხსნება ბოტი მომხმარებლებისთვის, ჩვეულებრივ ჯერ ერთი ჯგუფისთვის.

შიდა ასისტენტი კლიენტის ბოტისგან განსხვავდება საწყისი მონაცემებით: ის მუშაობს კორპორაციულ ინფორმაციასთან და კონკრეტული თანამშრომლის უფლებებში. ერთი და იგივე კითხვა მესაწყობისგან და ფინანსური დირექტორისგან იძლევა განსხვავებულ პასუხებს — რადგან მათთვის ხელმისაწვდომია სხვადასხვა დოკუმენტი.

რას აკეთებს ასისტენტი სამუშაო ადგილზე:

• პასუხობს რეგლამენტებით — როგორ გავაფორმოთ, ვინ ათანხმებს, რა ვადა, დოკუმენტის რომელი ფორმა, პუნქტზე ბმულით
• კრებს ცნობას ობიექტზე — კლიენტი, გარიგება, ხელშეკრულება, შეკვეთა, მოწყობილობა: ისტორია, ღია საკითხები, უახლოესი ვადები
• ამზადებს მონახაზებს — წერილი, კომერციული შეთავაზება, პასუხი მიმართვაზე, ამოცანის აღწერა, შეხვედრის ოქმი
• აწარმოებს ჩანაწერს თანამშრომლის ნაცვლად — ზარის ან შეხვედრის შედეგი იქცევა ამოცანებად, ვადებად და ბარათის განახლებად
• აფორმებს განაცხადებს — კადრებში, მომარაგებაში, ტექმხარდაჭერაში: ველები ივსება საუბრიდან, და არა ოცველიანი ფორმიდან
• ამზადებს ცვლის შეჯამებას — რა მოხდა პერიოდში მონაკვეთზე, რა დარჩა დაუხურავი, რა მოითხოვს გადაწყვეტას

შედეგი: თანამშრომელი დროს ხარჯავს სამუშაოზე, და არა საჭირო დოკუმენტის ძებნაზე, რეგლამენტის გახსენებასა და ფორმების შევსებაზე. ასისტენტი ადამიანის ნაცვლად გადაწყვეტილებებს არ იღებს — ის ხსნის მოსამზადებელ ნაწილს.

კორპორაციული ცოდნა იშვიათად დევს ერთ ადგილას: რეგლამენტები ერთ საქაღალდეში, ხელშეკრულებები მეორეში, ტექნიკური დოკუმენტაცია მესამეში, ხოლო პასუხების ნახევარი — მიმოწერაში. ძებნა ფაილის სახელით აქ არ მუშაობს, რადგან ადამიანი ეძებს არა დოკუმენტს, არამედ პასუხს.

მონაცემები: რეგლამენტები და ბრძანებები, ხელშეკრულებები და დანართები, ტექნიკური და საპროექტო დოკუმენტაცია, ინსტრუქციები, გადაწყვეტილი მიმართვების ბაზა, ოქმები, ცნობარები, მიმოწერის არქივი — მფლობელისა და წვდომის დონის მითითებით.

AI დამუშავება: დოკუმენტები იშლება ფრაგმენტებად, ყოველი ფრაგმენტი ინდექსირდება აზრით; კითხვა დარდება ფრაგმენტებს, და არა სათაურებს. პასუხი იკრიბება ნაპოვნისგან და თან ახლავს ციტატა, ბმული დოკუმენტზე, გვერდსა და რედაქციაზე.

მოქმედება და შედეგი: თანამშრომელი იღებს პასუხს წყაროთი წამებში კოლეგების შემოვლის ნაცვლად; სადავო შემთხვევები მოწმდება ციტატით; მოძველებული დოკუმენტები ჩანს მაშინვე — თუ პასუხი მოვიდა ორი წლის წინანდელი რედაქციიდან, ეს პირდაპირ წერია პასუხში.

რა ხდის ცოდნის ბაზას მომუშავეს

• ერთი შესვლის წერტილი — წყაროები უერთდება ინდექსს, და არა გადააქვთ ხელით ახალ საცავში
• ვერსიები და თარიღები — ფრაგმენტთან ცნობილია დოკუმენტის რედაქცია; მოქმედი გამიჯნულია საარქივოსგან
• უფლებები მემკვიდრეობით მიიღება — წყარო-სისტემებიდან, ამიტომ ინდექსი არ ხდება წვდომის შეზღუდვების შემოვლის ხერხი
• განახლება მოვლენით — შეცვლილი დოკუმენტი ხელახლა ინდექსირდება მაშინვე, და არა განრიგით თვეში ერთხელ
• უკუკავშირი — «პასუხმა არ დაეხმარა» აღინიშნება ინტერფეისში და ხვდება გარჩევაში კითხვასთან ერთად
• ხარვეზები ჩანს — კითხვები, რომლებზეც წყარო ვერ მოიძებნა, იკრიბება სიით: ეს დავალებაა აკლია რეგლამენტის დასაწერად

რას არ აკეთებს ცოდნის ბაზა

ის არ ცვლის დოკუმენტბრუნვის სისტემას და არ ხდება ჭეშმარიტების წყარო: იურიდიულად მნიშვნელოვანი დოკუმენტი რჩება იქ, სადაც ის ხელმოწერილია და ინახება. ინდექსი — მისი პოვნისა და ციტირების ხერხია, და არა ცალკე ასლი, რომელიც თავისი ცხოვრებით ცხოვრობს.

განაცხადი მოდის თავისუფალი ფორმით და ნებისმიერი არხით: წერილი, შეტყობინება, ფორმა საიტზე, ზარი, თანდართული ფაილი. დანერგვამდე მას კითხულობს ადამიანი, გადააქვს მონაცემები სისტემაში, განსაზღვრავს ტიპს და ნიშნავს შემსრულებელს — ამაზე მიდის რამდენიმე წუთიდან რამდენიმე საათამდე რიგში ლოდინი.

AI დამუშავება: განისაზღვრება განაცხადის ტიპი, ამოიღება ველები — ობიექტი, მისამართი, ვადა, კონტაქტი, ხელშეკრულების ნომერი, — მოწმდება სისრულე, ფასდება სისწრაფე, განაცხადი უკავშირდება კლიენტსა და მის ისტორიას. აკლია დამატებით ითხოვს ავტომატურად იმავე არხში.

მოქმედება: განაცხადი იქმნება სისტემაში შევსებული ველებით, ინიშნება ჯგუფი ან შემსრულებელი წესებით, დგება ვადა, იგზავნება დადასტურება ნომრით. დუბლები ერთ საბაბზე უკავშირდება, და არ ამრავლებს მეორე განაცხადს.

შედეგი: შემსრულებელი იღებს მზა განაცხადს და იწყებს სამუშაოთი, და არა დაზუსტებებით. დრო შემოსვლიდან დანიშვნამდე წყვეტს დამოკიდებულებას იმაზე, ვინ და როდის გახსნა საერთო ყუთი.

განაცხადის გზა

რა არის მნიშვნელოვანი კონფიგურაციისთვის

• განაცხადების ტიპების ცნობარი და შემსრულებლების დანიშვნის წესები
• სავალდებულო ველები ყოველი ტიპით — სხვაგვარად დამატებითი მოთხოვნა არ მუშაობს
• რეაქციის ვადები ხელშეკრულებებითა და პრიორიტეტებით
• ერთ საბაბზე განმეორებითი მიმართვების შეწებების წესი

მოდელი ყოველთვის ცდება — საკითხი ისაა, რამდენად ხშირად, კონკრეტულად სად და რამდენი ჯდება ეს. ამიტომ ყოველ დანერგვას აქვს რიცხვების ორი ნაკრები: თავად მოდელის ხარისხი და ცვლილება პროცესში. პირველი საინტერესოა ინჟინრისთვის, მეორე — ბიზნესისთვის, და ისინი ავტომატურად არ ემთხვევა.

• სიზუსტე და სისრულე — ყოველ კლასზე ცალკე, და არა ერთი საშუალო რიცხვით: იშვიათი, მაგრამ ძვირი კლასი უფრო მნიშვნელოვანია, ვიდრე მასობრივი
• ავტომატური გადაწყვეტილებების წილი — რამდენი ოპერაცია გაიარა ადამიანის გარეშე დადგენილი დარწმუნებულობის ზღვრისას
• შესწორებების წილი — რამდენი ავტომატური გადაწყვეტილება გააუქმა ან შეცვალა ადამიანმა
• ოპერაციის დრო — შემოსვლიდან დასრულებამდე, დანერგვამდე საბაზისო დონესთან შედარებით
• შეცდომის ღირებულება — რა ჯდება გამოტოვება და რა ჯდება ცრუ ამოქმედება; ზღვარი კონფიგურირდება ამ თანაფარდობით, და არა მეტრიკის სილამაზით
• მონაცემების დრეიფი — შემავალი მონაცემების შემადგენლობის ცვლილება, რის გამოც ხარისხი ეცემა სისტემაში ერთი შესწორების გარეშე

დარწმუნებულობის ზღვარი — მმართველი სახელურია, და არა კონსტანტა. მისი აწევით კომპანია იღებს ნაკლებ ავტომატიკას და ნაკლებ შეცდომას; დაწევით — პირიქით. მნიშვნელობა აირჩევა კონკრეტულ პროცესში შეცდომის ფასით.

რა ჩანს პანელში

ექსპლუატაცია გაშვების შემდეგ

მოდელი — არა ერთჯერადი მიწოდებაა. მონაცემები იცვლება: ჩნდება ახალი საქონელი, მიმართვების თემები, დოკუმენტების ფორმატები, მომწოდებლები. ამიტომ პროექტში იდება ხარისხის რეგულარული შემოწმება ახალ მონაცემებზე, ხელახლა სწავლება განრიგით ან ზღვრის ამოქმედებისას და იმ შემთხვევების გარჩევა, სადაც ადამიანმა შეასწორა გადაწყვეტილება.

ოპერატორების შესწორებები — ყველაზე ღირებული სასწავლო მასალაა: ისინი იკრიბება ცალკე ნაკრებში და გამოიყენება მომდევნო სწავლებისას. ასე სისტემა უმჯობესდება საკუთარ მუშაობაზე, და არა უცხო მონაცემებზე.