Małe decyzje.
Działające aplikacje.

Najwięcej daje połączenie dobrego wyszukiwania z oceną kandydatów. Samo nawigowanie klasyfikatorem po spisie treści w tej próbie sprawdziło się słabo. Wyszukiwanie przepisu nie zastępuje jego interpretacji.

Próg kontroli trzeba dostosować do produktu. Wynik 86,4% dotyczy modelu z regułą w kodzie; nie jest wynikiem samego basal. Trudniejsze przypadki nadal wymagają weryfikacji.

Niższy próg obsłuży automatycznie więcej spraw, ale zwiększy ryzyko pomyłek. Własne reguły i oznaczona próbka wiadomości pozwalają dobrać punkt pracy do zespołu.

To ten sam mechanizm, który może sterować reakcją postaci, wybrać następną akcję w symulacji lub reagować na nowe zdarzenie — z jawną listą możliwych ruchów.

Przy progu 0,90 aplikacja nie zaakceptowała automatycznie żadnej z 24 odpowiedzi: 12 skierowała do poprawy i 12 do przeglądu. Mimo 69 poprawnych ocen na 72 kryteria, ten punkt pracy sprawdził się jako pomoc w kontroli, a nie automatyczna bramka publikacji. Próg i rubryki wymagają walidacji na własnych danych.

basal może wskazywać następny ruch na podstawie tekstu i linków prawdziwej strony. Pokaz Kopernika jest pojedynczym przebiegiem, a wynik 10/10 w tabeli dotyczy odrębnej próby w naszym katalogu. Przy wdrożeniu w firmie trzeba sprawdzić konkretne serwisy, ich układ oraz dostępne akcje.

Najpierw zawężaj dane zwykłym SQL. Ta implementacja ocenia każdy pozostały wiersz i koszt rośnie z ich liczbą; próba na kilkudziesięciu wiadomościach nie dowodzi wydajności na milionach rekordów.

We wszystkich dziewięciu pytaniach o istniejący kod właściwa funkcja była pierwsza w rankingu. Próg 0,80 ukrył jednak pięć z tych trafień: po jego zastosowaniu poprawnych było 5 z 10 wyników, łącznie z odmową dla SMTP. To pokazuje różnicę między dobrym rankingiem a dobrze dobranym progiem. Duże repozytorium wymagałoby wcześniejszego wyszukania kandydatów i osobnej walidacji.

W próbie poprawne były 36 z 39 ocen: wszystkie dotyczące budżetu, 12 z 13 ocen dopasowania i 11 z 13 ocen gotowości. Nie badaliśmy konwersji sprzedażowej. Reguły, wagi i progi należy dopasować do własnej oferty, a wynik traktować jako wsparcie organizacji pracy.

Macierz kosztów pozwala odróżnić najbardziej prawdopodobną kategorię od najlepszej akcji. Zmierzyliśmy sam router; nie mierzyliśmy kosztu ani jakości odpowiedzi modeli docelowych, więc nie deklarujemy oszczędności całego systemu.

Podobna ocena zasadności nie musi oznaczać tej samej akcji. Dla 590,40 zł oczekiwany koszt błędnego zwrotu wyniósł 3,28 zł, a dla 19 680 zł — 105,28 zł. Przy koszcie konsultanta 25 zł act wybrało odpowiednio przygotowanie zwrotu i człowieka. To wynik uproszczonej macierzy oraz prawdopodobieństw modelu, nie pomiar oszczędności. act i evidence są eksperymentalne; procedurę, progi i koszty trzeba sprawdzić na własnych danych.

Klasyfikator nie musi mieć stałej listy etykiet. Zmiana klienta wprowadza nowe urządzenia, wybór zamówienia zmienia treść następnego pytania, a nowa prośba może zastąpić choice przez act. W tej demonstracji powstało 12 różnych definicji zapytań obsługiwanych przez jeden model. Nie wymagają osobnych wag ani dodatkowego treningu. Granice procesu wyznacza aplikacja; niepewne sprawy trafiają do człowieka. act jest funkcją eksperymentalną, a jego wybór zależy od jakości prawdopodobieństw i przyjętych kosztów.

Wartość daje połączenie dwóch małych decyzji. Sam typ „faktura” nie rozdzieli sąsiadujących faktur ani nie zachowa wielostronicowego dokumentu. basal ocenia znaczenie i granice; reguły kodu łączą te sygnały, a biblioteka PDF wykonuje podział. W produkcji trzeba sprawdzić także jakość OCR, brakujące strony, nieczytelne skany i dokumenty o nietypowym układzie.

Film pokazuje także rzeczywistą pomyłkę modelu. Kontrola aplikacji zatrzymuje niepewną cenę przed importem. Progi i osobne pytanie poprawiają procedurę, ale nie gwarantują wykrycia wszystkich błędów. Przed automatycznym zasilaniem ERP potrzebne są dane walidacyjne, reguły jednostek i walut oraz podgląd zmian.

Podobna nazwa nie oznacza tej samej firmy, a różne nazwy nie zawsze oznaczają różne firmy. Mały model może oceniać znaczenie według reguły organizacji. Warto zacząć od propozycji do zatwierdzenia i zmierzyć ryzyko błędnego powiązania przed jakąkolwiek automatyczną zmianą danych.

Klasyfikacja treści nabiera znaczenia po połączeniu z uprawnieniami. W przykładzie 30 tys. zł to pole negocjacyjne, a nie zmierzona oszczędność czy pewna uniknięta strata. Nie doliczamy tej kwoty do zwrotu z wdrożenia. Przed użyciem potrzebne są firmowe reguły dostępu, testy wycieków i ocena fałszywych alarmów.

Model łączy tekst ze znaczeniem pozycji katalogowej. Kod wylicza konsekwencje na podstawie znanych zależności. 246 tys. zł to wartość zamówień objętych ryzykiem opóźnienia, a nie pewna strata ani gwarantowany uratowany przychód. Ostateczna ocena techniczna i zakup pozostają u człowieka; w produkcji trzeba uwzględnić pełny harmonogram, rezerwacje magazynu i dostępność dostawców.

Zespół dostaje krótkie, sprawdzalne fragmenty i kolejkę wyjątków zamiast samej listy linków. Cytat jest wypowiedzią źródła, a nie potwierdzeniem prawdziwości zdarzenia przez basal. Rzeczowa informacja o podwyżce nie musi oznaczać krytycznego tonu autora. Zakres źródeł, progi i listy tematów można dostosować do własnej firmy. W tej próbie nie wysyłano alertów ani odpowiedzi i nie przypisujemy ORLEN żadnych oszczędności.