Od momentu, gdy modele językowe takie jak ChatGPT, Claude czy Gemini stały się powszechnie dostępne, coraz częściej można usłyszeć: postaw na automatyzację AI. W praktyce jednak większość procesów biznesowych wcale tego nie potrzebuje.
Czym jest tradycyjna automatyzacja?
Tradycyjna automatyzacja polega na napisaniu oprogramowania, które wykonuje z góry określony zestaw reguł.
Jeżeli wydarzy się A, wykonaj B.
Przykłady:
- po wysłaniu formularza dodaj klienta do CRM,
- po opłaceniu faktury zmień status zamówienia,
- codziennie o 8:00 wyślij raport sprzedaży,
- po otrzymaniu wiadomości e-mail o konkretnym tytule zapisz załącznik do odpowiedniego folderu,
- gdy stan magazynowy spadnie poniżej określonej wartości, wyślij powiadomienie.
Mimo że reguły mogą być bardzo złożone, muszą być jednoznaczne. System zawsze wykona dokładnie to, co zostało zaprogramowane.
Czym jest automatyzacja AI?
Automatyzacja AI wykorzystuje modele językowe (LLM) w sytuacjach, w których nie potrafimy określić precyzyjnych reguł.
Przykłady:
oceń, czy komentarze pod blogiem są pozytywne – w tradycyjnej automatyzacji system mógłby liczyć słowa takie jak „dobry”, „działa”, „super” albo sprawdzać emotikony. Intuicyjnie czujemy jednak, że takie podejście jest słabe. Słowa mogą mieć różne znaczenia, występować w różnych kontekstach i być zestawione z innymi słowami. Bardzo trudno stworzyć jednoznaczną regułę, która poprawnie oceni wszystkie przypadki.
przygotuj zamówienie na podstawie treści maila – podobnie, co w przypadku, gdy zamówienie zawiera link do produktu, identyfikator albo samą nazwę? Tradycyjna automatyzacja nie radzi sobie z nieustrukturyzowanymi danymi. Właśnie do takich zastosowań powstały modele językowe.
Koszty
Koszty są jednym z najważniejszych aspektów przy wyborze sposobu automatyzacji. Weźmy przykład klientów wysyłających zamówienia w wiadomościach e-mail.
Automatyzacja AI
To doskonałe zadanie dla modelu językowego, który dobrze radzi sobie z zamianą nieustrukturyzowanego tekstu na ustrukturyzowane zamówienie, które możemy dodać do naszego systemu.
Gdzie w takiej automatyzacji pojawia się koszt? Po pierwsze, nasz system musi umożliwiać przekazywanie maili do modelu językowego oraz automatyczne składanie przez niego zamówień. Nie każdy system na to pozwala, choć są to elementy tradycyjnej automatyzacji.
Żeby wykorzystać model językowy, mamy kilka możliwości:
wysłać treść maila do modelu, np. ChatGPT, i otrzymać strukturę zamówienia wymaganą przez nasz system. Każde takie zapytanie kosztuje. Co więcej, im dłuższa wiadomość, tym wyższy koszt. Słowa takie jak „dziękuję”, „pozdrawiam”, „miłego weekendu” również są przetwarzane przez model i zwiększają koszt, mimo że nie mają znaczenia dla samego zamówienia.
posiadać własny serwer z jednym z dostępnych modeli językowych. W tym przypadku koszt jest stały i wynika głównie z utrzymania sprzętu. Takie rozwiązanie wymaga jednak znajomości dostępnych modeli, ich wymagań sprzętowych oraz jakości. Ogólne modele językowe, takie jak ChatGPT, Claude czy Gemini, radzą sobie z bardzo szerokim zakresem problemów, ponieważ były trenowane na ogromnych zbiorach danych. Wymagają jednak znacznie większych zasobów niż mniejsze modele wyspecjalizowane w konkretnych zadaniach.
Warto zastanowić się nad skalą przetwarzanych danych. Przy niewielkiej liczbie zapytań koszt utrzymania własnego serwera może być znacznie wyższy niż korzystanie z usług dostawców modeli.
Tradycyjna automatyzacja
Czy ten sam problem można rozwiązać przy użyciu tradycyjnej automatyzacji?
Jeżeli jasno określimy strukturę wiadomości lub poprosimy klienta o wypełnienie formularza, wykorzystanie modelu językowego może okazać się całkowicie zbędne.
Gdzie pojawiają się koszty? Zasadniczo tylko w utrzymaniu systemu. Jeżeli działa on na naszych serwerach lub jest dostarczany jako usługa, koszt wykonania nawet bardzo złożonych reguł jest praktycznie zerowy w porównaniu z kosztem wykorzystania modelu językowego.
Na jaką automatyzację postawić?
Za każdym razem warto zadać sobie pytanie, czy dane, które chcemy przetwarzać lub generować, mają podobną i powtarzalną formę.
Jeżeli tak, wykorzystanie modeli językowych najczęściej nie ma ekonomicznego uzasadnienia.
Jeżeli nie, warto zastanowić się, czy dodatkowy koszt AI jest uzasadniony wartością, jaką otrzymamy.
Coraz częściej można spotkać firmy lub programistów oferujących automatyzację AI tam, gdzie wystarczyłaby zwykła automatyzacja. To nie jest korzystne dla klienta. Bardzo często wynika to z tego, że łatwiej jest zlecić rozwiązanie problemu modelowi językowemu niż przygotować odpowiednie reguły i logikę biznesową.
W efekcie długoterminowy koszt zostaje przeniesiony na klienta. Co więcej, są to koszty zależne od zewnętrznych dostawców i mogą się zmieniać w czasie, bez wpływu ze strony użytkownika.
Podsumowanie
Czy da się zastąpić tradycyjną automatyzację automatyzacją AI? Jak najbardziej. Będzie to jednak rozwiązanie droższe i niedeterministyczne.
Są zadania, takie jak wygenerowanie streszczenia dokumentu, analiza sentymentu czy interpretacja swobodnego tekstu, których praktycznie nie da się zrealizować bez wykorzystania modelu językowego. W takich przypadkach warto rozszerzyć tradycyjną automatyzację o pojedynczy etap wykorzystujący AI.
Najlepsze rozwiązania nie polegają jednak na zastępowaniu wszystkiego sztuczną inteligencją, ale na wykorzystaniu jej tam, gdzie rzeczywiście wnosi wartość. Za każdym razem warto zestawić dodatkowy koszt z realnymi korzyściami biznesowymi.
NetSpark wspiera zarówno tradycyjną automatyzację, jak i rozwiązania wykorzystujące modele językowe. Jeśli zastanawiasz się, które podejście będzie najlepsze w Twoim przypadku, lub masz wątpliwości dotyczące automatyzacji procesów w swojej firmie, skontaktuj się z nami, a chętnie pomożemy wybrać najlepsze rozwiązanie.