AI w katalogu produktów: szerokość produktu czy opakowania?

Dwie szerokości, dwa pola w katalogu

Dostawca podał osobno szerokość produktu i szerokość opakowania, z wartością i jednostką przy każdej. Katalog ma osobne pola dla obu wymiarów, ale import skrócił nazwy i zapisał obie wartości jako „szerokość”. Pracownik musi wrócić do arkusza, żeby ustalić, która liczba trafia na kartę produktu.

Przydatna propozycja zachowuje oryginalną etykietę, wartość i jednostkę, prowadzi do miejsca w arkuszu i wskazuje pole docelowe. Trudniej jest, gdy kolejni dostawcy opisują cechę inaczej: jeden pisze „szerokość produktu bez opakowania”, drugi umieszcza szerokość w sekcji „opakowanie transportowe”. Samo słowo „szerokość” nie wystarcza, a model musi czytać kontekst.

Ile daje prostsza zmiana, a ile trening

W tym rachunku słownik nazw dostawców daje większość efektu za ułamek kosztu. Trening ma sens przy większej skali albo gdy pozostałe błędy są kosztowne. Brak jednostki albo skrót „szer.” bez nagłówka zostaje brakiem do uzupełnienia u dostawcy, a narzędzie pokazuje go przy propozycji.

Zbiór przykładów do uczenia trzeba utrzymywać: gdy zmienia się proces, nazewnictwo albo model bazowy, ocenę powtarza się na tym samym zbiorze testowym. Ten koszt wpisujemy do wyceny razem z samym uczeniem.

Ile rozwiąże słownik nazw dostawców

Stały szablon dostawcy pozwala zapisać jednoznaczne powiązanie: jego kolumna odpowiada określonemu polu. Gdy nazwy się różnią, ale ich znaczenie jest uzgodnione, wystarczy słownik odpowiedników. Akeneo opisuje miarę jako wartość z jednostką i grupuje jednostki w rodziny ze wspólną jednostką standardową. Przeliczenie centymetrów na milimetry jest regułą, ale najpierw trzeba wiedzieć, czego dotyczy liczba. Kontrolę kart przed publikacją opisuje tekst o kompletności kart produktu.

Od czego zacząć

Zespół objaśnia pola katalogu, utrzymuje ich definicje i wskazuje trudne nazwy dostawców. Próbę robimy na arkuszach niewykorzystanych do dostosowania, porównując słownik, gotowy model i model dostosowany. Dostosowanie modeli prowadzimy w ramach prywatnych modeli LLM, a aplikację, w której pracownik widzi wynik obok źródła, w ramach aplikacji AI. Na bezpłatną analizę wystarczy kilka przykładów błędu, który wraca, i opis, kto go dziś poprawia.