Jak znaleźć w firmie zapisane doświadczenie projektowe?
Kierownik projektu szuka osoby, która prowadziła warsztaty zbierania wymagań. W profilach i opisach projektów podobna praca występuje pod różnymi nazwami, więc znów pyta kilku kolegów. AI może pomóc odnaleźć konkretne fragmenty dokumentacji i pokazać, co dana osoba robiła. Przydatny wynik daje punkt wyjścia do rozmowy o doświadczeniu.
Syntalith
Od hasła w profilu do opisu wykonanej pracy
Załóżmy, że zatwierdzony wewnętrzny opis projektu zawiera zapis: „Prowadziła spotkania z interesariuszami w celu zebrania i potwierdzenia wymagań”. W innym profilu widnieje: „Uczestniczył w kursie prowadzenia warsztatów”. Oba fragmenty są związane z tematem, lecz tylko pierwszy opisuje wykonanie pracy, o którą pyta kierownik.
Przydatna wyszukiwarka pokazuje pierwszy fragment wraz z projektem, którego dotyczy, i odnośnikiem do źródła. Kierownik widzi, dlaczego warto porozmawiać z tą osobą o jej udziale w podobnym zadaniu. Jeśli pojawia się także wpis o kursie, zachowuje on opis uczestnictwa w szkoleniu. Nie staje się potwierdzeniem prowadzenia warsztatów dla klienta.
Po przeczytaniu wyniku kierownik potwierdza z daną osobą szczegóły doświadczenia i osobno sprawdza dostępność. Brak pasującego fragmentu oznacza tylko, że wyszukiwarka nie znalazła takiego zapisu w przeglądanych materiałach. Nie mówi, że pracownik nie ma danej umiejętności. Narzędzie służy odnajdywaniu udokumentowanej pracy, bez tworzenia rankingu ludzi i automatycznego przydzielania ich do projektu.
Uporządkowane profile mogą już dawać odpowiedź
Warto zacząć od aktualności profili i nazw używanych w firmie. Jeśli ktoś prowadził spotkania dotyczące wymagań, ale profil zawiera tylko ogólne „analiza”, zwykłe doprecyzowanie wpisu może pomóc kolejnym kierownikom. Wspólne nazwy i synonimy ułatwiają wyszukiwanie bez uczenia osobnego modelu.
Gotowe systemy również przechowują takie informacje. Microsoft Project Operations opisuje zapisywanie umiejętności, wykształcenia, certyfikatów i doświadczenia projektowego. Aktualizowanie tych profili pozostaje częścią pracy zespołu. Przed zamówieniem nowej aplikacji warto sprawdzić, czy obecne pola i wyszukiwarka pozwalają znaleźć potrzebny opis.
Problem dla modelu pojawia się wtedy, gdy informacje są dostępne, lecz zapisano je inaczej niż w pytaniu kierownika. „Prowadzenie spotkań z interesariuszami” może nie pojawić się po wyszukaniu dokładnej frazy „warsztaty wymagań”. Wyszukiwanie uwzględniające znaczenie tekstu może wskazać taki fragment, zachowując to, co rzeczywiście mówi o pracy.
Kiedy warto dostosować wyszukiwanie
Najpierw warto porównać zwykłe wyszukiwanie, uzgodnione synonimy i dostępny model. Jeżeli kierownik łatwo odnajduje właściwe fragmenty, dodatkowa adaptacja może być zbędna. Przydatność wyniku zależy także od możliwości otwarcia źródła. Sama lista nazwisk bez opisów zostawia mu kolejną serię pytań do zespołu.
Próba dostosowania ma uzasadnienie, gdy model regularnie myli znaczenie opisów mimo jasno określonego zadania. Może na przykład traktować uczestnictwo w szkoleniu tak samo jak udokumentowane prowadzenie spotkań. Osoby znające projekty wskazują wtedy fragmenty odpowiadające pytaniu i wyjaśniają, co odróżnia je od pozornie podobnych wpisów.
Google opisuje dostosowanie wybranych modeli embeddingowych do zadania lub dziedziny na ocenionych przykładach. Modele te mogą służyć wyszukiwaniu tekstów powiązanych znaczeniowo. W takim projekcie ocenia się trafność odnalezionych fragmentów.
Wynik może także zawierać propozycję powiązania opisu z firmową nazwą rodzaju doświadczenia. Osoba odpowiedzialna za profil sprawdza ją przed zapisaniem. Jeśli poprawka zostaje wyłącznie w jednorazowym zestawieniu kierownika, następne wyszukiwanie może wrócić do tego samego niejasnego opisu. Dlatego warto połączyć przegląd wyników z możliwością zgłoszenia uzupełnienia lub korekty profilu.
Sprawdzenie na innych projektach
Kierownik i osoba znająca dokumentację przeglądają wyniki z projektów niewykorzystanych do adaptacji modelu. Sprawdzają, czy znaleziony fragment rzeczywiście opisuje szukaną pracę i czy jego odnośnik prowadzi do właściwego źródła. Zapisują nietrafne propozycje oraz sytuacje, w których znany, pasujący opis nie został odnaleziony.
Porównanie z obecną metodą powinno pokazać, czy kierownik szybciej dociera do użytecznego opisu. Jeśli nadal musi otwierać każdy profil od początku, płynne streszczenie niewiele zmienia.
Gdy potrzebny jest sam materiał do przygotowania warsztatu, pomocny będzie artykuł o Firmowym Mózgu AI dla firm doradczych. Opisuje odnajdywanie przewodników i informacji o ich zastosowaniu, z których zespół może korzystać podczas przygotowania pracy.
Wyszukiwarka doświadczenia z przejściem do źródeł
Syntalith proponuje aplikację do wyszukiwania udokumentowanego doświadczenia projektowego. Kierownik opisuje zadanie, a narzędzie odnajduje fragmenty profili i zatwierdzonych opisów projektów, pokazując ich źródła. Przegląd wyników obejmuje też zgłaszanie korekt, aby przydatne uzupełnienia trafiały do utrzymywanych przez firmę zapisów.
Zespół klienta wskazuje materiały przeznaczone do takiego wyszukiwania, objaśnia nazwy doświadczeń i rozstrzyga niejasne opisy pracy. Sprawdzamy możliwości obecnych profili oraz wyszukiwarki. Adaptację modelu porównujemy z nimi przy powtarzalnych pomyłkach językowych, a aplikację łączymy z miejscami, w których firma aktualizuje informacje o projektach.
Opisz jedno zadanie, przy którym kierownik musiał pytać kolegów o wcześniejsze doświadczenie, choć odpowiedni zapis istniał. Powiedz, gdzie go ostatecznie znaleziono. To wystarczy do rozpoczęcia rozmowy o potrzebnym narzędziu; informacje o współpracy są 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