Miért kell ehhez módszer?
Mert a rossz irányba indított AI-projektek nem azonnal buknak el. Két hét múlva bukik el, amikor már beleraktál időt, és nehéz visszalépni. A négy kérdés egy percbe kerül, és pont ezt a két hetet spórolja meg.
Vedd elő a konkrét feladatot, és menj végig rajta.
1. Megvan az anyag, amiből dolgozhat?
A modell nem ismeri a céged adatait, és nem tud a mai eseményekről. Amiről nincs információja, arra tippel — méghozzá magabiztosan.
- Igen, ha oda tudod adni a dokumentumot, az e-mailt, a táblázatot, a felvételt.
- Igen, ha van keresése és a válasz nyilvános információ.
- Nem, ha a válasz a fejedben, egy kollégád fejében vagy egy olyan rendszerben van, amihez nem fér hozzá.
Ha nem: ne dobd el a feladatot. Előbb tedd hozzáférhetővé az anyagot. Sok „AI-projekt" valójában ezen a lépésen áll vagy bukik.
2. Felismerném, ha rossz választ adna?
Ez a legfontosabb kérdés a négyből.
- Igen, ha ránézésre látod: egy összefoglaló hűségét, egy levél hangnemét, egy kód működését.
- Igen, ha van mihez hasonlítani, vagy ha van teszt, ami megmondja.
- Nem, ha a válasz olyan szám, dátum, jogszabály vagy hivatkozás, amit magad sem tudsz fejből.
Ha nem: vagy építs bele ellenőrzést — hivatkozást a forrásra, keresztellenőrzést egy második futással —, vagy tedd emberi jóváhagyás mögé. Ellenőrizhetetlen kimenetre nem szabad automatizálást építeni.
3. Mi történik, ha téved?
Nem minden hiba egyforma.
- Olcsó hiba: rossz fogalmazvány, amit átírsz. Rossz ötlet, amit eldobsz. Ilyenkor bátran menj.
- Drága hiba: rossz ár egy ajánlatban, félreküldött ügyféllevél, hibás könyvelési tétel, törölt adat.
Ha drága: ne az legyen a kérdés, hogy megbízható-e a modell, hanem hogy hol tudod elkapni a hibát, mielőtt kárt okoz. Egy jóváhagyási lépés a kiküldés előtt olcsóbb, mint bármilyen erősebb modell.
4. Hányszor fog lefutni?
Ez nem minőségi, hanem gazdaságossági kérdés — és a döntés felét ez adja.
- Egyszer vagy néhányszor: ne automatizálj. Nyisd meg a chatet, csináld meg, kész. A legdrágább dolog egy negyven órás automatizálás egy évente kétszer előforduló feladatra.
- Naponta sokszor: itt éri meg a befektetés — de itt számít a modell mérete és a token is. Erről szól a Training vagy inference cikk.
- Naponta több ezerszer: itt már a folyamatot kell újratervezni, nem a feladatot megoldani.
Hogyan olvasd az eredményt
Négy igen → csináld meg, most.
Az 1-esre nem → először az adathozzáférést oldd meg. Ez sokszor nem AI-feladat.
A 2-esre nem → tedd ellenőrizhetővé, vagy tegyél embert a végére. Ha egyik sem megy, ez nem AI-feladat.
A 3-asnál drága hiba → mehet, de jóváhagyással. Ne az elején spórolj a kontrollon.
A 4-esnél kevés futás → csináld kézzel AI-val, ne építs rendszert.
Két gyakori csapda
„Majd a jobb modell megoldja." Ha az 1-es vagy a 2-es kérdésre nem a válasz, a modellváltás nem segít — a korlátok nagy része szerkezeti, lásd a Mire nem jó az AI?listát. Az adathiány adathiány marad, az ellenőrizhetetlenség ellenőrizhetetlen.
„Csináljuk meg az egész folyamatot egyszerre." Egy hosszú folyamat sok lépésből áll, és mindegyik lépés külön válaszol a négy kérdésre. Jellemzően lesz benne két-három lépés, ami tökéletes AI-feladat, és lesz, ami nem. Bontsd szét, és csak a jó részeket automatizáld.
Egy példa, végigvezetve
„Az ügyfélszolgálatra érkező leveleket kategorizálja és válaszolja meg az AI."
Nézzük lépésenként, ne egyben.
- Kategorizálás. Anyag: a levél, megvan. Felismerném a hibát: igen, mintavétellel. Hiba ára: kicsi, rossz mappába kerül. Gyakoriság: napi sok. → Négy igen, automatizáld.
- Válaszjavaslat írása. Anyag: a levél és a tudásbázis, megvan. Felismerném: igen. Hiba ára: közepes. Gyakoriság: napi sok. → Mehet, de vázlatként.
- Válasz kiküldése. Hiba ára: drága és visszafordíthatatlan. → Ember hagyja jóvá, legalábbis az első hónapokban.
Ugyanaz a feladat, három különböző válasz. Ha egyben kérdezed, csak egy rossz válasz lehetséges.
Amit érdemes elvinni
Van anyaga? Felismerném a hibát? Mennyibe kerül a tévedés? Hányszor fut? Négy kérdés, egy perc — és a legtöbb elhibázott AI-projekt már itt kiszűrhető lett volna.