Σε αυτή τη σελίδα
Μια επίδειξη διαβάζει δείγμα τιμολογίου, εξάγει το ποσό και υποβάλλει τακτοποιημένη περίληψη στο σύστημα έγκρισης. Στην πραγματική διαδικασία, τα τιμολόγια φτάνουν από τρία κανάλια, μερικά ανήκουν σε άλλη νομική οντότητα και το σύστημα έγκρισης δέχεται μόνο χρήστες με συγκεκριμένο ρόλο. Η εξαγωγή εξακολουθεί να λειτουργεί. Η ροή όχι. Είναι υποθετική περίπτωση, όχι αναφορά πελάτη.
Μια συζήτηση για την εφαρμογή AI σε παλαιότερα επιχειρηματικά συστήματα τονίζει τα δεδομένα, το υπάρχον λογισμικό και τις τοπικές συνήθειες ως επίμονο μέρος της εφαρμογής. Περιγράφεται η πρακτική μιας εταιρείας, όχι γενικό ποσοστό επιτυχίας. Η χρήσιμη διάκριση είναι ανάμεσα στην απόδειξη ενός μέρους και τη χρήση του στην εργασία.
Η επίδειξη επιλέγει το περιβάλλον της
Μια επίδειξη μπορεί να επιλέξει καθαρές εισόδους. Μπορεί να προεγκρίνει τον λογαριασμό, να παρακάμψει την ουρά, να επαναφέρει αποτυχημένη εκτέλεση και να αφήσει τον δημιουργό να εξηγήσει αμφίσημη έξοδο. Είναι εύλογες επιλογές για απόδειξη δυνατότητας. Γίνονται επικίνδυνες όταν η ομάδα θεωρεί τη δοκιμή δυνατότητας απόδειξη λειτουργικής ετοιμότητας.
Στο παράδειγμα τιμολογίου, η εξαγωγή είναι μόνο ένα βήμα. Ο οργανισμός πρέπει να ορίσει ποια θυρίδα είναι η επίσημη πηγή, πώς εντοπίζονται διπλότυπα, αν το ποσό μπορεί να αλλάξει μετά την υποβολή, ποιος μπορεί να εγκρίνει και πού πηγαίνει μια αποτυχημένη καταχώριση. Μια καλογραμμένη περίληψη δεν απαντά αυτά τα ερωτήματα.
Το όριο φαίνεται καθαρά όταν ακολουθήσουμε ένα αντικείμενο εργασίας από την άφιξη ως το αποδεκτό αποτέλεσμα:
Μια δυνατότητα που παρουσιάστηκε γίνεται χρήσιμη εργασία μόνο όταν τοπικά δεδομένα, άδειες και αποκατάσταση τη συνδέουν με την πραγματική ροή του χειριστή.
| Στάδιο | Ερώτηση επίδειξης | Ερώτηση παραγωγικής εφαρμογής |
|---|---|---|
| Είσοδος | Μπορεί το μοντέλο να διαβάσει αυτό το παράδειγμα; | Μπορεί να λάβει κάθε εξουσιοδοτημένη μορφή και να απορρίψει τις υπόλοιπες; |
| Πλαίσιο | Μπορεί να βρει ποσό; | Μπορεί να ταιριάξει τον σωστό προμηθευτή, οντότητα και έκδοση πολιτικής; |
| Ενέργεια | Μπορεί να φτιάξει περίληψη; | Μπορεί να κάνει μόνο επιτρεπόμενες ενέργειες και να αποφύγει διπλότυπα; |
| Αστοχία | Μπορεί ο παρουσιαστής να ξαναδοκιμάσει; | Ποιος βλέπει ένα κολλημένο αντικείμενο, το διορθώνει και συνεχίζει με ασφάλεια; |
| Υιοθέτηση | Φαίνεται χρήσιμη η έξοδος; | Τη χρησιμοποιεί και την εμπιστεύεται ο υπεύθυνος στην πραγματική ουρά; |
Η σύγκριση είναι εννοιολογική. Δεν υπονοεί μετρημένο ποσοστό αποτυχίας έργων AI.
Ακολουθήστε την τοπική κατάσταση
Η ενσωμάτωση δεδομένων συχνά αποκαλείται «τελευταίο μίλι», σαν καλώδιο που συνδέεται αφού τελειώσει το προϊόν. Το τοπικό μοντέλο δεδομένων μπορεί να αλλάζει το νόημα του προϊόντος. Μια επιχείρηση μπορεί να θεωρεί τιμολόγιο «παραληφθέν» όταν φτάσει στη θυρίδα. Άλλη το μετρά μόνο μετά την αντιστοίχιση με εντολή αγοράς. Αν το σύστημα δρα σε λάθος κατάσταση, μια τεχνικά έγκυρη κλήση API μπορεί ακόμη να είναι επιχειρηματικό σφάλμα.
Ρωτήστε από πού προέρχεται κάθε γεγονός και ποιος μπορεί να το διορθώσει. Έπειτα τι κάνει το σύστημα όταν τα γεγονότα διαφωνούν. Αν μια εγγραφή πηγής αλλάξει αφού το μοντέλο συντάξει έγκριση, πρέπει να ακυρωθεί το σχέδιο; Αν ανακληθεί άδεια ενώ η εργασία περιμένει, ελέγχει ξανά ο εκτελεστής πριν δράσει; Αυτές οι ερωτήσεις είναι η εφαρμογή, όχι γυάλισμα γύρω της.
Το άρθρο διερεύνησης ροών ξεκινά νωρίτερα, παρατηρώντας τι κάνουν πραγματικά οι χειριστές. Εδώ ρωτάμε τι πρέπει να ισχύει για να αντέξει η επιδειγμένη δυνατότητα μέσα σε αυτή τη ροή.
Δοκιμάστε τη δυνατότητα, έπειτα τη ροή
Ένα μικρό πρωτότυπο είναι συχνά ο γρηγορότερος τρόπος να μάθουμε αν το μοντέλο μπορεί να κάνει την κεντρική εργασία. Δεν χρειάζεται ελέγχους παραγωγής από την πρώτη μέρα. Το σφάλμα είναι να προγραμματιστεί η υπόλοιπη δουλειά ως μικρό τελείωμα χωρίς να εξεταστεί.
Ένα χρήσιμο πρωτότυπο δηλώνει το όριό του: «Διαβάζει εγκεκριμένα δείγματα τιμολογίων, προτείνει πεδία και δεν κάνει εξωτερική ενέργεια». Η επόμενη δοκιμή μπορεί να χρησιμοποιήσει εξουσιοδοτημένες ζωντανές εγγραφές, με την καταχώριση στο σύστημα έγκρισης απενεργοποιημένη. Μόνο αφού κατανοηθούν η αντιστοίχιση δεδομένων, οι άδειες και η αποκατάσταση πρέπει να γράφει στο σύστημα. Κάθε βήμα απαντά άλλη ερώτηση.
Η παραγωγική εφαρμογή έχει και ανθρώπινο άκρο. Όποιος λύνει ήδη αμφίσημα τιμολόγια χρειάζεται τρόπο να διορθώσει την πρόταση, να δει τι άλλαξε και να ξέρει αν το σύστημα θα επαναλάβει το σφάλμα. Αν η νέα ροή προσθέτει περισσότερους ελέγχους απ’ όσους αφαιρεί, η χρήση θα το δείξει. Μη συμπεραίνετε υιοθέτηση από επιτυχημένη επίδειξη.
Το κριτήριο κυκλοφορίας μπορεί να διατυπωθεί λειτουργικά: μπορεί άλλος εξουσιοδοτημένος χειριστής να ολοκληρώσει και να αποκαταστήσει ένα αντικείμενο εργασίας χωρίς τον δημιουργό της επίδειξης παρόντα; Πρέπει να βρίσκει την αρχική είσοδο, να βλέπει την προτεινόμενη ενέργεια, να εντοπίζει τη βάση άδειας και να δρομολογεί αστοχία. Μια δοκιμασμένη αναίρεση έχει σημασία, επειδή η πρώτη επιτυχής εκτέλεση δεν λέει τίποτα για διπλότυπο ή μερική εγγραφή. Ο οδηγός εφαρμογής AI σε υπάρχουσες ροές δίνει ευρύτερο πλαίσιο. Για αυτό το κριτήριο, κρατήστε στενή τη δοκιμή και επαναλάβετε την στη μία εξαίρεση που πιθανότερα θα σπάσει τη συνηθισμένη διαδρομή.
Το αποτέλεσμα προς μέτρηση δεν είναι παραγόμενη έξοδος. Είναι αποδεκτό αντικείμενο στην πραγματική διαδικασία, με γνωστή διαδρομή για εξαιρέσεις. Ως τότε η επίδειξη παραμένει πολύτιμο στοιχείο για ένα μέρος. Δεν αποδεικνύει ότι ολοκληρώθηκε η δουλειά.
Έχετε Ερωτήσεις; Έχουμε Απαντήσεις
Γιατί μια επιτυχημένη επίδειξη μπορεί να αποτύχει στην παραγωγή;
Η επίδειξη συχνά χρησιμοποιεί προετοιμασμένα δεδομένα και έναν χειριστή. Η πραγματική εργασία προσθέτει μεταβαλλόμενες εγγραφές, περιορισμούς πρόσβασης, καθυστερημένα γεγονότα, εξαιρέσεις και ανθρώπους που πρέπει να εμπιστευτούν το αποτέλεσμα.
Τι πρέπει να περιλαμβάνει μια δοκιμή παραγωγικής εφαρμογής;
Χρησιμοποιήστε πραγματική εξουσιοδοτημένη ροή με συνηθισμένες και εξαιρετικές περιπτώσεις. Ελέγξτε δεδομένα πηγής, επιτρεπόμενες ενέργειες, αποκατάσταση αστοχίας, υπεύθυνο και αν ο προοριζόμενος χρήστης χρησιμοποιεί πράγματι το αποτέλεσμα.
Αυτό σημαίνει ότι το μοντέλο δεν έχει σημασία;
Όχι. Η ποιότητα μοντέλου είναι αναγκαία σε εργασίες που το χρειάζονται. Η παραγωγική εφαρμογή εξαρτάται επίσης από το αν μπορεί να δρα με ασφάλεια μέσα στο περιβάλλον σύστημα και τη ροή.