Najprej naloga.
Nato AI.
Umetna inteligenca je koristna, ko jo apliciramo na specifične naloge, podatke ter merila za ocenjevanje rezultatov. V podjetju Dotcom ustvarjamo rešitve z umetno inteligenco in avtomatizacijo, ki jih integriramo z obstoječimi izdelki in procesi.
Agent, generativna funkcija ali avtomatizacija?
AI-agent povezuje korake pri izvajanju posebnih nalog. Generativna funkcija dopolnjuje obstoječo ponudbo, medtem ko avtomatizacija lahko deluje v skladu s vnaprej določenimi pravili tudi brez generativnega modela. Odločitev se pojavi skozi proces; več avtonomije ne pomeni nujno boljše rešitve.
Morajo biti podatki že pripravljeni?
Ključno je, katere informacije imate na voljo, kje nastajajo in s katerimi sistemi se bo rešitev morala povezati. Pred začetkom projekta podatki morda še ne bodo popolnoma pripravljeni; stanje, obdelava in tok podatkov bodo ocenjeni v sklopu projekta.
Kaj razvija Dotcom?
Usmerjamo se v razvoj agentov za specifične naloge, avtomatizacijo rutinskih opravil in implementacijo generativnih funkcij v obstoječih izdelkih. Naše delo vključuje tudi integracijo predhodno razvitenih jezikovnih modelov ter API-jev. Obseg našega dela temelji na izbranem scenariju in potrebnih povezavah s podatki.
Katera orodja lahko sodelujejo?
Orodja, kot so Python, LangGraph, n8n, dbt, Apache Airflow in MuleSoft, igrajo pomembno vlogo pri agentskih procesih ter avtomatizaciji. Uporabljajo se tudi za pripravo podatkov in integracije. Izbira pravega orodja je odvisna od specifičnih okolij, potrebnih podatkov in že obstoječe arhitekture sistema.
Kako presojati rezultat?
Pri opredeljevanju scenarija je ključnega pomena razmisliti o načinu vrednotenja rezultatov in o njihovih morebitnih omejitvah. Po implementaciji sledijo faze spremljanja, ocenjevanja ter izboljšav. Ne moremo zagotoviti točne natančnosti, določene ravni prihrankov, popolne avtonomije ali odsotnosti napak.
Kaj pripraviti za prvi pogovor?
Podrobno predstavite nalogo, trenutne postopke, različne tipe razpoložljivih podatkov ter povezane sisteme. Ob običajnem kontaktu se izognite vključevanju občutljivih zbirk podatkov. Na tej spletni strani ne deluje AI-klepet; informacije iz obrazca ne bodo poslane v AI modele.
Od scenarija do delujoče povezave
Scenarij uporabe
Izberemo specifičen primer uporabe in ugotovimo, kateri del procesa naj bi rešitev podprla ter kako oceniti njeno učinkovitost.
Podatki in tokovi
Ocenimo kakovost podatkov in načrtujemo njihove poteke. Priprava podatkov je ključni dejavnik pri oblikovanju rešitve, ne pa le običajen pogoj, ki ga je potrebno izpolniti.
Razvoj in integracija
Razvijamo potrebno logiko in jo integriramo z obstoječimi sistemi, modeli ali API-ji v skladu z izbranim scenarijem.
Spremljanje in izboljšave
Spremljamo delovanje, analiziramo rezultate ter izvajamo izboljšave rešitve. Če je umetna inteligenca le del večjega produkta, jo obravnavamo skupaj s programsko arhitekturo.