Przejdź do treści
← Wróć do bloga
modele AIArtykuł

Proces się zmienił. Czy trzeba ponownie uczyć model?

Firma zmienia sposób obsługi spraw, a dostosowany model nadal proponuje wcześniejsze oznaczenia. Kierownik musi zdecydować, czy zamówić kolejne uczenie, poprawić reguły aplikacji czy najpierw wyjaśnić nowy podział pracy. Koszt utrzymania zależy od tego, co naprawdę się zmieniło i kto potrafi ocenić poprawny wynik.

Autor

Syntalith

Opublikowano Zaktualizowano 3 min czytania

Syntalith proponuje ocenę wpływu zmiany procesu na model i aplikację. Firma otrzymuje propozycję zakresu aktualizacji z rozdzieleniem zmian w definicjach, przypisaniach i działaniu modelu. Właściciel biznesowy może zobaczyć, które dotychczasowe przypadki pozostają poprawne, a które wymagają nowej decyzji przed przygotowaniem kolejnej wersji.

Nowa nazwa zespołu czy nowe znaczenie kategorii?

Załóżmy, że firma łączy dwa zespoły zajmujące się dokumentacją klienta. Model poprawnie rozpoznaje sprawę jako prośbę o kopię dokumentu, lecz aplikacja kieruje ją do dawnego adresata. Aktualizacja mapy odpowiedzialności może wystarczyć. Dalsze uczenie rozpoznawania tej samej prośby nie musi niczego poprawić.

Inna zmiana dzieli dotychczasową kategorię na dwa rodzaje spraw, bo firma zaczyna obsługiwać je odmiennie. Stare oznaczenia nie pokazują tego rozróżnienia. Zespół musi objaśnić nowe granice i ocenić przykłady według aktualnej zasady. Dopiero potem można sprawdzić, czy obecny model rozpoznaje je z instrukcją, czy potrzebna jest adaptacja.

Rozmowa o utrzymaniu powinna zaczynać się od takiej różnicy. Ogólna pozycja „ponowny trening po zmianie procesu” może obejmować pracę, której firma nie potrzebuje, albo pomijać czas eksperta konieczny do uzgodnienia nowego znaczenia.

Co zachować o dotychczasowej wersji

Hugging Face zaleca opisywanie w karcie modelu jego zastosowania, ograniczeń, danych użytych do uczenia i wyników oceny. Taki zapis ułatwia rozmowę o tym, na jakich założeniach opierała się poprzednia wersja. Nie zastępuje oceny nowych reguł przez właściciela procesu.

Przy zmianie kategorii warto zachować informację, według którego podziału powstało historyczne oznaczenie. Dawna poprawna decyzja nie musi być błędem tylko dlatego, że dzisiejszy proces wygląda inaczej. Zespół powinien wiedzieć, czy przelicza historię na potrzeby raportu, czy zmienia wyłącznie obsługę nowych spraw.

Utrzymanie obejmuje pracę ludzi

Budżet aktualizacji zależy od liczby znaczących zmian, dostępności sprawdzonych przykładów i nakładu przeglądu. Osoba znająca proces objaśnia nowe decyzje; wykonawca sprawdza możliwości gotowego modelu, przygotowuje potrzebną zmianę i porównuje jej działanie. Sam czas obliczeń nie opisuje całego zlecenia.

Nową wersję trzeba obejrzeć także na sprawach, których proces nie zmienił. Poprawa nowego rozróżnienia może pozostawić inne błędy, a zespół potrzebuje wiedzieć, co nadal sprawdza ręcznie. Warto uzgodnić, kto akceptuje przejście na nową wersję i jak pracownicy obsłużą przypadki oczekujące podczas zmiany.

Jeśli reorganizacje są częste, korzystniejsze może być trzymanie zmiennych przypisań poza modelem. Dalsze uczenie może nadal być potrzebne, gdy zmieni się sposób rozpoznawania treści. Przed zamówieniem kolejnej aktualizacji Syntalith może pokazać różnicę między obiema opcjami na zmianie planowanej przez firmę.

Opisz najbliższą zmianę procesu i wynik, który model miałby po niej przygotowywać inaczej. To punkt wyjścia do uzgodnienia zakresu utrzymania. Informacje o współpracy są w cenniku.

Syntalith jest członkiem Claude Partner Network, programu partnerskiego Anthropic.

Oznacza udział w programie partnerskim Anthropic dla Claude. Nie jest poparciem usług Syntalith przez Anthropic.

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