Prywatne AI do dokumentacji badawczo-rozwojowej

Dwa raporty, do których warto wrócić

Załóżmy, że w archiwum są dwa raporty dotyczące tego materiału. Pierwszy opisuje wcześniejszą wersję i próbę w podwyższonej temperaturze. Drugi dotyczy zmienionej wersji, ale próbę przeprowadzono w temperaturze pokojowej. Inżynier chce wiedzieć, co z wcześniejszej pracy przyda się w rozmowie o nowej obudowie.

Asystent może wskazać oba raporty, przy każdym zachowując wersję materiału i opis warunków. Odpowiedź powinna jasno powiedzieć, że znaleziono próbę w podwyższonej temperaturze dla wcześniejszej wersji. Dla zmienionej wersji odnaleziony raport opisuje temperaturę pokojową. Inżynier otwiera źródła, czyta szczegóły i zabiera na spotkanie dokumenty odnoszące się do dwóch różnych sytuacji.

Dzięki temu zespół może zacząć rozmowę od konkretnego pytania: czy istnieje jeszcze raport dotyczący zmienionej wersji w interesujących go warunkach? Nie trzeba odtwarzać wszystkiego z pamięci osoby, która prowadziła poprzedni projekt. Jeśli taki raport nie znalazł się w przeszukanym zbiorze, odpowiedź powinna pozostawić tę lukę widoczną. Wynik wyszukiwania nie przesądza, że próby nigdy nie wykonano.

Połączenie obu raportów w ogólne zdanie „materiał był badany w podwyższonej temperaturze” ukryłoby informację potrzebną do dalszej rozmowy. Zestawienie ma ułatwić lekturę wcześniejszych badań. Ocena ich przydatności dla nowego projektu należy do zespołu badawczego; samo odnalezienie dokumentów nie daje podstaw do rekomendacji materiału.

Najpierw wykorzystać to, co można już znaleźć

Jeżeli raporty mają spójne nazwy i oznaczenia wersji, filtrowanie w obecnym repozytorium może wystarczyć. Inżynier, który zna projekt i autora, może szybko zawęzić zbiór bez dodatkowego asystenta. Warto zachować tę możliwość jako punkt odniesienia: ile pracy zostaje po znalezieniu dokumentów?

Przykładem są narzędzia wyszukiwania Benchling. Dokumentacja opisuje filtry projektu, tagu, autora i daty oraz wyniki ograniczone do obiektów, do których użytkownik ma dostęp. To opcja dla zespołów, które mogą korzystać z tego środowiska. Benchling jest platformą chmurową i nie obsługuje instalacji na lokalnym serwerze.

Asystent staje się wart rozważenia, gdy samo znalezienie plików pozostawia dużo czytania: wersja materiału jest opisana w treści, warunki znajdują się w załączniku, a tytuły niewiele mówią. Może przygotować wstępne porównanie z odsyłaczami do odpowiednich fragmentów. Użyteczność polega na tym, że inżynier szybciej dociera do różnic, które musi omówić z zespołem.

Co firma rozumie przez prywatne przetwarzanie

Przed udostępnieniem raportów trzeba uzgodnić miejsce ich przetwarzania. Firma może dopuszczać określoną usługę dostawcy albo wymagać pracy na własnym serwerze. Określenie „prywatne AI” powinno w ofercie prowadzić do konkretnej odpowiedzi: gdzie trafia treść raportu, gdy inżynier zadaje pytanie?

Lokalny model wykonuje obliczenia na wskazanym komputerze lub serwerze firmy. Ollama rozróżnia w swojej dokumentacji korzystanie z modeli lokalnych i chmurowych oraz opisuje możliwość wyłączenia funkcji chmurowych. Sam wybór narzędzia nie określa więc jeszcze miejsca wykonania zadania. Trzeba ustalić sposób jego użycia w proponowanej aplikacji.

Kopia treści raportu może pozostać w tekście zapisanym na potrzeby wyszukiwania. Jego fragment może też trafić do zachowanej rozmowy, w której inżynier porównywał badania. Oba miejsca, wraz z ich kopiami zapasowymi, powinny mieścić się w uzgodnionych zasadach przechowywania dokumentacji. Firma musi również wiedzieć, kto może czytać te materiały, w tym podczas obsługi aplikacji przez wykonawcę.

Dostęp do jednego projektu nie powinien otwierać drogi do treści innych badań przez podsumowanie asystenta. Jeżeli w przykładzie inżynier może przeczytać tylko pierwszy raport, aplikacja musi uwzględniać ten zakres także w odpowiedzi. Uprawnienia do oryginałów pozostają istotne po utworzeniu wyszukiwarki i indeksu.

Pierwszy zakres, który zespół potrafi ocenić

Do początkowej próby nadaje się wybrany fragment dokumentacji i pytanie podobne do tego o materiał obudowy. Osoba znająca projekt może ocenić, czy asystent odnalazł właściwe raporty i zachował różnice między próbami. Równie ważne jest to, czy odsyłacze rzeczywiście pomagają dotrzeć do potrzebnych szczegółów. Jeżeli po przeczytaniu odpowiedzi trzeba od nowa przeszukać archiwum, pomoc jest niewielka.

Warto porównać tę pracę z obecną wyszukiwarką. Czasem lepsze oznaczenie wersji raportów usunie większą część trudności. W innym zbiorze przyda się aplikacja, która zestawia rozproszone opisy. Szersze zasady takiego porównania opisujemy w artykule o zakupie lokalnego AI z próbą na własnych dokumentach.

Syntalith może pomóc zbudować aplikację AI do pracy z dokumentami, która odnajduje wcześniejsze badania, zestawia ich warunki i pozwala otworzyć raporty. Proponowany początek to ograniczony zbiór raportów w środowisku zaakceptowanym przez firmę. Wynik takiej pracy pomoże określić, czy rozwijać asystenta i które części archiwum obejmować dalej. Informacje o wycenie znajdują się w cenniku.

Na pierwszej rozmowie opowiedzcie, jakiej informacji zespół długo szukał przed spotkaniem projektowym, gdzie przechowujecie raporty i jakie środowisko może je przetwarzać.