Lokalne AI w pracy nad poufnym projektem klienta

Załóżmy, że firma doradcza i klient uzgodnili pracę z jego dokumentami wyłącznie na wyznaczonej firmowej stacji. Osoba odpowiedzialna za projekt potwierdziła, że to ograniczenie dotyczy również opracowań zawierających treść klienta. Konsultant ma na tej stacji pierwotny brief i jego zmienioną wersję. W pierwszej klient prosił o warsztat z zespołem sprzedaży i raport. W drugiej dodał rozmowy z zespołem obsługi klienta, a pozostałe wymagania zachował.

Asystent może przygotować porównanie, które wskazuje dodane rozmowy i odsyła do odpowiednich fragmentów obu wersji. Konsultant sprawdza, czy zestawienie zachowuje warsztat i raport, a następnie dopisuje pytanie do omówienia z klientem: jakiego udziału zespołu obsługi oczekuje w tych rozmowach? Dokument nie podaje tej informacji, więc porównanie nie powinno przypisywać rozmowom czasu ani liczby uczestników.

Takie zestawienie pomaga przygotować rozmowę o zakresie pracy. Zespół nie musi za każdym razem czytać briefów od początku, żeby odnaleźć zmianę. Nadal potrzebuje jednak sprawdzonego porównania, które odróżnia to, co klient już zapisał, od pytań konsultanta.

Co lokalny model wnosi do tej pracy

Model działający na wyznaczonym komputerze może przeanalizować dokumenty bez wysyłania zadania do zewnętrznej usługi generującej odpowiedź. Przykładowo LM Studio opisuje lokalne przetwarzanie dokumentów i pracę offline po pobraniu modelu. Wyszukiwanie i pobieranie modeli oraz sprawdzanie aktualizacji wymagają według tej samej dokumentacji połączeń sieciowych. Przygotowanie narzędzia i codzienna praca nad briefem mają więc różne potrzeby.

Możliwość pracy lokalnej pozwala rozważyć ten wariant w naszym przykładzie. Nie rozstrzyga jednak, czy dana aplikacja odpowiada wszystkim uzgodnieniom projektu. Osoba odpowiedzialna za środowisko musi uwzględnić także miejsce zapisu plików i działające połączenia z innymi narzędziami. Kopia briefu w automatycznie synchronizowanym folderze to osobna kwestia od miejsca wykonywania obliczeń przez model.

Jeśli zmiana w briefie jest krótka i widoczna, zwykłe porównanie dokumentów może wystarczyć. Asystent jest wart sprawdzenia, gdy zmiany są rozproszone, a konsultant potrzebuje zebrać ich znaczenie dla zakresu projektu. Powinien ułatwiać dojście do sprawdzonej listy zmian, bez dodatkowej pracy nad usuwaniem dopisanych zobowiązań.

Kolega przejmuje porównanie

Konsultant kończy swoją część zadania, ale rozmowę z klientem poprowadzi koleżanka. W przyjętym przykładzie nie może po prostu wysłać jej pliku z porównaniem na dowolny laptop. Potrzebuje ona uzgodnionego dostępu do pracy na wskazanej stacji. Jeśli taki sposób przekazania zadania jest niewygodny, zespół musi wyjaśnić warunki pracy, zanim wybierze rozwiązanie dla wielu osób.

Dobre przekazanie obejmuje sprawdzoną listę zmian, obie porównywane wersje i pytanie, które nadal wymaga rozmowy z klientem. Koleżanka powinna móc otworzyć fragment briefu bez odtwarzania całej rozmowy z modelem. Własne uwagi konsultanta muszą być rozpoznawalne, aby nie wyglądały jak nowe wymagania klienta.

Historia czatu może pomóc autorowi wrócić do rozumowania, lecz przechowuje też treść projektu. Polityka prywatności aplikacji LM Studio podaje, że wiadomości, historia rozmów i dokumenty są domyślnie zapisywane lokalnie. Lokalny zapis oznacza zatem także materiały, które pozostaną do uporządkowania po zakończeniu pracy. Firma powinna uzgodnić, które z nich zachowuje jako część projektu, kto ma do nich dostęp i co robi z pozostałymi kopiami, również w kopiach zapasowych.

Następny klient potrzebuje osobnego miejsca pracy

Po przekazaniu porównania konsultant otwiera następny projekt. Widzi jego nazwę i przypisane dokumenty, a wcześniejszy brief pozostaje w zbiorze poprzedniego klienta. Rozmowy również są oddzielone, dzięki czemu nowa odpowiedź nie korzysta z treści wcześniejszego zadania. Ważne jest rzeczywiste rozdzielenie materiałów używanych przez aplikację; sama zmiana tytułu czatu tego nie zapewnia.

Materiały zamykanego projektu konsultant przekazuje wskazanej osobie odpowiedzialnej za ich dalsze przechowywanie. To ona, zgodnie z uzgodnieniami projektu, zajmuje się dostępem do zachowanych dokumentów i rozmów oraz pozostałymi kopiami. Konsultant może przejść do kolejnego klienta bez samodzielnego rozstrzygania, którą część historii usunąć, a którą zostawić zespołowi.

Osobne omówienie prywatnego AI do dokumentacji badawczo-rozwojowej dotyczy szukania wcześniejszych badań w archiwum. Tutaj podstawowym zadaniem jest utrzymanie ciągłości pracy nad jednym klientem, bez mieszania jej z dokumentami pozostałych projektów.

Od pojedynczego porównania do narzędzia zespołu

Przy wyborze rozwiązania warto przejść przez całe zadanie z osobą, która przygotowuje porównanie, i osobą, która je przejmuje. Czy koleżanka rozumie, co się zmieniło? Czy może dotrzeć do obu wersji briefu w uzgodnionym miejscu? Taka próba pokaże także, czy ograniczenie do jednej stacji pasuje do rzeczywistego sposobu pracy zespołu.

Syntalith może pomóc zbudować aplikację AI do dokumentów klienta, która porównuje wersje briefu, pokazuje źródła zmian i oddziela materiały poszczególnych projektów. Zakres można zacząć od jednego zadania na zatwierdzonej stacji, wraz z przekazaniem wyniku kolejnej osobie. Warunki dostępu i dalszej obsługi wymagają uzgodnienia dla tej pracy. Informacje o wycenie znajdują się w cenniku.

Na pierwszą rozmowę wystarczy opisać jedną zmianę dokumentu, z którą zespół miał kłopot, oraz sposób, w jaki kolejna osoba przejmuje zadanie. To pozwoli ustalić, gdzie lokalny asystent może pomóc i jakie ograniczenia środowiska trzeba uwzględnić.