Īsumā
- Vissvarīgākais noteikums: skaitļi tiek aprēķināti no jūsu datiem pēc koda, nevis pēc valodas modeļa. Modelis raksta tekstu ap pārbaudītiem skaitļiem un izceļ to, ko tas nevar atbalstīt.
- Katrs paziņojums uzmetumā norāda uz numuru vai avotu, lai recenzents varētu to ātri pārbaudīt.
- Trīs līmeņi atbilst dažādām vajadzībām: plānotie pārskati, kuru pamatā ir veidne, mākslīgā intelekta komentāri par izņēmumiem un aģents, kas pēc pieprasījuma izveido ad hoc pārskatus.
- Tas pats modelis attiecas uz vadības ziņojumiem, projekta statusa ziņojumiem, tehniskajiem ziņojumiem un pārbaudes ziņojumiem un klientu ziņojumiem.
Problēma
Lielākajai daļai pārskatu katrā laika periodā ir tāda pati struktūra, taču kāds tos izveido ar roku. Cipari tiek kopēti no sistēmām izklājlapā, diagramma tiek veidota no jauna, komentāri tiek rakstīti no atmiņas, un rezultāts tiek pārbaudīts tikai tad, kad tam ir laiks. Tipiskas kļūdas ir skaitļi no nepareizā laika, pārrakstīta formula un komentāri, kas neatbilst skaitļiem. Ziņojums ir novēlots, un cilvēki, kas varētu to analizēt, ir aizņemti ar tā sagatavošanu.
Darbplūsma septiņos posmos
- Specifikācija: Pārskats tiek definēts vienreiz: struktūra, avoti, skaitļi, sliekšņi, kas tiek uzskatīti par izņēmumiem, tonis un izkārtojums.
- Datu vākšana: Sistēma izvelk datus no jūsu avotiem, piemēram, ERP, CRM, grāmatvedības programmatūras, izklājlapām, datu bāzēm un veidlapām, izmantojot eksportēšanu vai saskarnes.
- Datu pārbaudes: Pirms ziņošanas noteikumi pārbauda, vai nav trūkstošo vērtību, dublikātu un novirzes. Problēmas ir uzskaitītas un nav slēptas.
- Aprēķins: Kopsummas, attiecības, izmaiņas un klasifikācijas tiek aprēķinātas, izmantojot kodu vai datu bāzē. Valodas modelis neveic aritmētiku.
- Izstrāde: AI raksta komentāru jūsu stilā ap aprēķinātajiem skaitļiem un saista katru apgalvojumu ar skaitli vai avotu. Tas atzīmē paziņojumus, ko nevar atbalstīt.
- Pārskats: Cilvēks nolasa melnrakstu pie skaitļiem, izlabo un apstiprina. Labojumi veicina nākamo skrējienu.
- Izplatīšana un protokols: Pārskats tiek nosūtīts kā dokuments, e-pasts vai lapa jūsu rīkos, un žurnālā tiek saglabāta datu versija, noteikumi un apstiprinājums.
Uz dokumentiem, kas izveidoti no zīmējumiem, fotogrāfijām un atrašanās vietu sarakstiem, piemērojams piemērs AI automatizācijas lapa parāda to pašu modeli tehniskajam ziņojumam.
Trīs automatizācijas līmeņi
Plānotie pārskati no veidnes
Fiksēta atskaite ar fiksētiem skaitļiem, sagatavota laikā. Biznesa informācijas rīki jau to dara labi, un bieži vien pietiek ar veidni.
AI rakstīti komentāri un izņēmumi
Skaitļi tiek izveidoti tāpat kā iepriekš, un AI pievieno to, kas prasa laiku: kopsavilkums par izmaiņām, lielākās izmaiņas ar iespējamiem cēloņiem jūsu datos un izņēmumu saraksts, kuriem jāpievērš uzmanība. Šis līmenis ir piemērots vadības un projektu atskaitēm.
Ad hoc paziņojumu aģents
Cilvēki uzdod jautājumu vienkāršā valodā, piemēram, “Kā šajā ceturksnī veicās trīs labākajiem klientiem?” un aģents izveido pārskatu, pamatojoties uz tiem pašiem pārvaldītajiem datiem, ar vienādām pārbaudēm un avotiem. Piekļuves tiesības nosaka, ko katra persona var redzēt. Vairāk par aģentiem zemāk AI aģenti uzņēmumiem.
Sistēmas un saskarnes
Pārskati ir balstīti uz izklājlapām, datu bāzēm un ierakstu sistēmām, piemēram, ERP, CRM un grāmatvedības programmatūru, un tiek veidoti kā Word vai PDF dokumenti, e-pasta ziņojumi vai lapas tādos rīkos kā Power BI vai Looker Studio. Mēs savienojam, izmantojot eksportu un saskarnes, ko nodrošina šīs sistēmas, un atskaites izkārtojums ir jūsu pašu veidne. Nosaukumi ir tikai orientējoši un neatspoguļo partnerību.
Likums un risks
- Precizitāte un atbildība: Par ziņojumu, kas nosūtīts direktoru padomei, klientam vai regulatoram, ir atbildīga persona, kas to apstiprina. Cauruļvads paātrina testēšanu, bet neaizstāj to.
- Datu aizsardzība: Pārskatos bieži ir ietverti personas dati. Jums ir nepieciešams datu apstrādes līgums ar katru pakalpojumu sniedzēju (VDAR 28. pants), apstrāde notiek ES vai Apvienotajā Karalistē, un piekļuve ir ierobežota ar personām, kurām nepieciešams attiecīgais ziņojums.
- Marķēšana: AI radītiem tekstiem, kas publicēti, lai informētu sabiedrību par sabiedrības interesēm, saskaņā ar MI likuma 50. pantu ir jābūt, ja vien tos nav izskatījusi persona, kurai ir redakcionāla atbildība. Iekšējie pārskati neatbilst šim noteikumam. Vairāk zemāk Marķēšanas prasības.
- Ārpus darbības jomas: Ziņojumi, kuros klasificēti vai klasificēti atsevišķi darbinieki vai pretendenti, ir pakļauti augstam riskam saskaņā ar AI likuma III sarakstu. Mēs tos nebūvējam Riska kategorijas.
- Darbinieki: Art. AI likuma 4. pants prasa pietiekamu AI kompetence. Šis pārskats ir vispārīga informācija, nevis juridiskas konsultācijas.
Kā izmērīt panākumus
Salīdziniet dažus iepriekšējos ziņojumus ar tiem pašiem ziņojumiem no konveijera. Noderīgie skaitļi ietver laiku no pārskata perioda beigām līdz ziņojuma apstiprināšanai, revidenta veikto labojumu skaitu, datu problēmas, kas konstatētas pirms ziņošanas, viena avota paziņojumu īpatsvaru un laikā sniegto ziņojumu īpatsvaru. Pasākumus sākumā saskaņojam ar Jums, jo rezultāti ir atkarīgi no Jūsu datiem un Jūsu atskaitēm un nekādus skaitļus iepriekš nesolām.
Kur tas attiecas
- Arhitekti un inženieri: Vietņu atskaites un aizķeršanās sarakstus, sk AI arhitektiem.
- Būvniecība: Progresa ziņojumus un vietnes dienasgrāmatas var atrast vietnē Būvniecības AI.
- Mazumtirdzniecība un e-komercija: Iknedēļas veikalu un sortimenta pārskatus skatiet sadaļā AI mazumtirdzniecībai un AI e-komercijai.
- Finanšu pakalpojumi: Pārvaldības un regulējošos skaitļus ar avotiem, skatiet AI bankām un finanšu konsultantiem.
- Tikšanās: Piezīmes un darbību sarakstus kā īsus pārskatus var atrast vietnē AI sanāksmes piezīmes.
Avoti
- Regula (ES) 2016/679 (VDAR), 1. pants 28: EUR-Lex
- Regulas (ES) 2024/1689 (AI akts), 4., 50. pants un III pielikums: EUR-Lex
- OWASP, 10 populārākie LLM pieteikumi