Przejdź do treści
← Wróć do bloga
wersje umówArtykuł

Zmiany w umowie: kiedy warto dostosować model do ich kategoryzacji?

Załóżmy, że klient odsyła umowę po poprawkach. Zmienia układ akapitu, a w innym miejscu częstotliwość przekazywania raportu. Porównanie dokumentów zaznacza oba miejsca. Koordynator musi jeszcze ustalić, komu przekazać je do przeglądu. Model AI może zaproponować kategorie zmian według zasad uzgodnionych przez firmę, z widocznym zapisem przed zmianą i po niej.

Autor

Syntalith

Opublikowano Zaktualizowano 4 min czytania

Syntalith proponuje aplikację do przeglądu i kategoryzacji zmian, która łączy dwie wskazane wersje umowy z propozycjami dla koordynatora. Pracownik widzi oba fragmenty, sprawdza kategorię i kieruje zmianę do odpowiedniej osoby w swoim procesie. Zakres zaczyna się od porównania zwykłego wykazu różnic z gotowym modelem. Fine-tuning, czyli dalsze uczenie istniejącego modelu, warto ocenić, gdy zespół nadal poprawia te same pomyłki w przypisaniu kategorii.

Zaznaczona różnica i jej miejsce w przeglądzie

W naszym przykładzie koordynator porównuje pliki oznaczone jako „wersja do uzgodnienia” oraz „wersja po uwagach klienta”. W pierwszym jest zapis „Raport przekazywany co miesiąc”, w drugim „Raport przekazywany co tydzień”. Zespół wcześniej uzgodnił kategorię „zmiana częstotliwości raportowania” i kieruje takie fragmenty do właściciela usługi, który uczestniczy w przeglądzie. W tym przykładzie kategorie i podział pracy ustalił zespół.

W innym miejscu zmienił się podział akapitu na wiersze. Według reguł zespołu taka propozycja trafia do kategorii zmian formatowania. Koordynator widzi różnicę między tymi pozycjami i nie musi przekazywać całego zestawienia każdemu uczestnikowi. Osoba przeglądająca częstotliwość raportowania nadal czyta pełny kontekst i sama ocenia treść. Kategoria służy organizacji przeglądu; nie rozstrzyga skutków prawnych ani akceptacji zmiany.

Najpierw porównanie tekstu

Jeśli zespół potrzebuje przede wszystkim znaleźć zmienione miejsca, warto zacząć od narzędzia, które już ma. Microsoft Word pozwala porównać dwa dokumenty i domyślnie przedstawić różnice w trzecim dokumencie, bez zmieniania oryginałów. Taki wykaz może wystarczyć, gdy koordynator szybko rozpoznaje potrzebnych recenzentów.

Conga opisuje także semantyczne porównywanie wybranych klauzul, pokazujące podobieństwa i różnice po włączeniu funkcji i przyznaniu dostępu przez administratora. Jeśli firma korzysta z takiego narzędzia, warto sprawdzić, jaką część przeglądu obsługuje już ta funkcja.

Kategoryzacja staje się osobną pracą, gdy zaznaczonych fragmentów jest wiele, a zespół regularnie porządkuje je według tych samych tematów. Model otrzymuje wtedy rzeczywiste różnice między wybranymi wersjami wraz z otoczeniem tekstu. Sam nowy fragment bez poprzedniego brzmienia nie pokazuje, co się zmieniło. Równie ważne jest potwierdzenie przez pracownika, które dwa pliki mają być porównane.

Gotowy model można sprawdzić po wyjaśnieniu firmowych kategorii. Jego propozycje powinny pozostać przy fragmentach źródłowych, tak aby recenzent mógł je poprawić. Do ustalenia, czy potrzebny jest fine-tuning, przydaje się porównanie tej pracy z obecnym ręcznym oznaczaniem różnic.

Kategorie muszą być uzgodnione przez ekspertów

Nazwa „zmiana redakcyjna” może znaczyć dla różnych osób coś innego. Jedna używa jej tylko do układu tekstu, druga również do zmienionego sformułowania zdania. Przed dostosowaniem modelu eksperci firmy powinni wyjaśnić, które przypadki należą do tej kategorii i kiedy trzeba pozostawić zmianę do indywidualnego rozpoznania.

Jeżeli sens nowego sformułowania zależy od odesłania do innego punktu, krótka para cytatów może nie wystarczyć do przypisania. Widok przeglądu powinien umożliwić powrót do dokumentów oraz pozostawienie kategorii nierozstrzygniętej. Koordynator nadal widzi tę pozycję i może przekazać ją wskazanemu ekspertowi. Zmiana nie znika z listy tylko dlatego, że model nie potrafił jej zaklasyfikować.

Warto oddzielić znaczenie kategorii od nazwiska osoby, która dziś ją przegląda. Zmiana odpowiedzialności w zespole wymaga aktualizacji przypisania recenzenta. Nie musi oznaczać ponownego uczenia modelu rozpoznającego częstotliwość raportowania.

Kiedy dodatkowe uczenie ma uzasadnienie

Do fine-tuningu potrzebne są sprawdzone przykłady. Tutaj jest to zmiana między dwiema wersjami wraz z kategorią potwierdzoną przez eksperta. Adaptację warto rozważyć, gdy gotowy model mimo jasnych definicji regularnie miesza kategorie, które zespół potrafi spójnie rozróżnić.

Same komentarze z dawnych negocjacji mogą być niewystarczające. Notatka „zaakceptowane” mówi o decyzji podjętej w konkretnej sprawie, lecz nie wyjaśnia rodzaju zmiany. Przygotowanie wymaga sprawdzonych przypisań oraz kontekstu, na którym opierał się recenzent. Sposób wykorzystania umów i uwag trzeba uzgodnić z zespołem przed pracą nad modelem.

Na parach wersji niewykorzystanych do dostosowania koordynator i eksperci widzą, które kategorie model nadal myli i ile pracy pozostaje przed przydzieleniem przeglądu. Sprawdzają też pozycje bez rozstrzygniętej kategorii: każda rzeczywista zmiana powinna pozostać widoczna wraz ze źródłem, aby można było przekazać ją do oceny.

Co można omówić z Syntalith

Proponowany projekt obejmuje ocenę kategoryzacji i widok pracy koordynatora, połączony z używanym obiegiem dokumentów w uzgodnionym zakresie. Syntalith porównuje dostępne podejścia, a przy uzasadnionych powtarzalnych błędach ocenia adaptację. Zespół klienta wnosi definicje kategorii, objaśnienia trudnych zmian oraz zasady kierowania ich do recenzentów.

Na pierwszą rozmowę o aplikacji wystarczy opisać zmianę, którą koordynator musiał ponownie czytać, żeby wybrać osobę do przeglądu. Ustalimy, czy wystarczy lepsze wykorzystanie porównania dokumentów, czy potrzebne są propozycje kategorii połączone z konkretnymi fragmentami. Informacje o współpracy znajdziesz w cenniku Syntalith.

Dobierzmy model do wymagań Twojego zadania

Opisz wynik, którego obecne AI nie daje wystarczająco dobrze. Porównamy możliwości dostosowania modelu, wymagania dotyczące danych i koszty dalszego działania.

Prywatne modele LLM i fine-tuning
Porozmawiaj o własnym modelu