هوش مصنوعی

دستیار من در دانابات: فضای کاری شخصی هر کارمند، جدا از دانش‌نامه سازمان

دستیار من، ماژول دانابات برای فضای کاری شخصی هر کارمند است: اسناد خودش، تاریخچه گفتگوی خودش، سه حالت پاسخ‌دهی، فیلتر سند و تحلیل کامل یک سند، جدا از دانش مشترک سازمان.

م
مرتضی علیزاده
10 دقیقه مطالعه
۵۱ بازدید
دستیار من دانابات؛ فضای کاری شخصی هوش مصنوعی برای کارمند
میز کار شخصی هر کارمند، جدا از کتابخانه سازمان | ArtinMag
فهرست مطالب (15 بخش)

سوالی که در دانش‌نامه جا ندارد

هر کارمندی دو نوع دانش دارد. نوع اول مال سازمان است: آیین‌نامه‌ها، رویه‌ها، بخشنامه‌ها، چیزهایی که باید برای همه یکسان و قابل‌اتکا باشد. نوع دوم مال خود اوست: پیش‌نویس قراردادی که هنوز امضا نشده، یادداشت‌های سه جلسه‌ی اخیر، گزارشی که قرار است هفته‌ی بعد ارائه شود، فایل‌هایی که هنوز کسی جز او ندیده است.

دانش‌نامه‌ی سازمانی برای نوع اول ساخته می‌شود و برای نوع دوم جای مناسبی نیست. این فایل‌ها هنوز بازبینی نشده‌اند، همه نباید ببینندشان، و شاید هیچ‌وقت وارد دانش رسمی سازمان نشوند. پس این دانش کجا می‌رود؟ در عمل، یا در پوشه‌های شخصی گم می‌شود، یا بدتر، کارمند آن را برای یک ابزار عمومی هوش مصنوعی آپلود می‌کند، بدون اینکه سازمان بداند چه چیزی از شبکه بیرون رفته است.

ماژول «دستیار من» در دانابات دقیقاً برای همین شکاف طراحی شده است: یک فضای کاری شخصی، داخل همان سامانه‌ی سازمانی.

دستیار من چیست

دستیار من فضای کاری شخصی هر کارمند است. اسناد خودش را در آن می‌گذارد، از آن‌ها سوال می‌پرسد، و تاریخچه‌ی گفتگو و پاسخ‌ها فقط برای خودِ او نمایش داده می‌شود. این فضا از دانش‌نامه‌ی سازمان جداست و به آن وابسته نیست.

نکته‌ی مهم این است که دستیار من یک چت‌بات عمومی با ظاهر سازمانی نیست. روی همان زیرساختی ساخته شده که بقیه‌ی دانابات روی آن اجرا می‌شود: پاسخ مستند، ارجاع به منبع، و قرارداد «نمی‌دانم» به‌جای پاسخ ساختگی. اگر در مقاله‌ی NL2SQL دانابات دیدید که سامانه برای عدد غلط چطور محافظه‌کار است، همین منطق اینجا هم برقرار است، فقط روی اسناد شخصی.

فرق دستیار من با دانش‌نامه

این دو را نباید با هم اشتباه گرفت، چون دو کار متفاوت می‌کنند. دانش‌نامه مشترک است، مدیریت می‌شود، با سطح‌های دسترسی کنترل می‌شود، و چیزی که در آن هست باید برای همه قابل‌اتکا باشد. دستیار من شخصی است، آزاد است، و کیفیت و دقت محتوایش مسئولیت صاحبش است.

یک تمثیل ساده: دانش‌نامه کتابخانه‌ی سازمان است و دستیار من میز کار شما. در کتابخانه کتاب‌ها فهرست‌بندی و تایید شده‌اند. روی میز، پیش‌نویس‌ها، یادداشت‌ها و چیزهایی هست که هنوز کتاب نشده‌اند. هر دو لازم‌اند، ولی نباید یکی را جای دیگری گذاشت.

سه حالت پاسخ: چقدر از بیرون سند مجاز است؟

یکی از مهم‌ترین تنظیمات دستیار من، «حالت پاسخ» است. سه حالت دارد.

در حالت اول، فقط از اسناد، دستیار فقط از چیزی جواب می‌دهد که در اسناد شما هست. اگر در آن‌ها نباشد، می‌گوید پیدا نکرده است. در حالت ترکیبی، دستیار می‌تواند علاوه بر اسناد، از دانش عمومی مدل هم کمک بگیرد. و در حالت آزاد، اسناد فقط یکی از منابع‌اند و مدل آزادانه‌تر پاسخ می‌دهد.

نکته‌ی کلیدی اینجاست که وقتی پاسخ از بیرون اسناد آمده باشد، علامت می‌خورد. یعنی کاربر می‌داند این جمله از فایل او آمده یا از دانش عمومی مدل. این تفکیک ساده، تفاوت بزرگی در اعتماد می‌سازد. تصور کنید یک کارشناس حقوقی می‌پرسد «جریمه‌ی تاخیر در این قرارداد چقدر است؟» پاسخی که از متن قرارداد آمده با پاسخی که از حدس کلی مدل آمده، دو چیز کاملاً متفاوت‌اند و کاربر باید بتواند آن‌ها را از هم تشخیص دهد.

فقط از این سه فایل جواب بده

بیشتر وقت‌ها کاربر نمی‌خواهد از همه‌ی اسنادش سوال بپرسد؛ فقط از چند سند مشخص. دستیار من فیلتر سند دارد: کاربر می‌گوید «فقط از این سه فایل جواب بده» و دامنه‌ی پاسخ به همان‌ها محدود می‌شود.

سناریوی ساده: مدیر پروژه‌ای برای جلسه‌ی فردا آماده می‌شود. در فضای شخصی‌اش بیست فایل دارد: گزارش‌های چند پروژه‌ی مختلف، صورت‌جلسه‌ها، قراردادها. سوالش درباره‌ی یک پروژه‌ی مشخص است. بدون فیلتر، احتمال دارد پاسخ با اطلاعات پروژه‌ی دیگری قاطی شود. با فیلتر، فقط سه فایل مربوط به همان پروژه در نظر گرفته می‌شود و خطای قاطی‌شدن عملاً از بین می‌رود.

حالت کل سند: وقتی تکه‌ها کافی نیست

سامانه‌های پرسش و پاسخ معمولاً سند را به تکه‌های کوچک تقسیم می‌کنند و فقط چند تکه‌ی مرتبط را برای پاسخ‌دهی انتخاب می‌کنند. این روش برای سوال‌های موردی خوب است. اما برای سوالی مثل «این قرارداد سی‌صفحه‌ای را خلاصه کن» یا «تناقض‌های این گزارش را پیدا کن» کافی نیست، چون جواب به کل سند بستگی دارد، نه چند تکه‌ی آن.

دستیار من برای این کار «حالت کل سند» دارد: به‌جای چند تکه، یک سند کامل در نظر گرفته می‌شود تا خلاصه یا تحلیل بر پایه‌ی کل متن باشد. سناریو: کارشناس تدارکات سه پیشنهاد قیمت بلند از سه تامین‌کننده دارد و می‌خواهد بداند کدام شرایط پرداخت را سخت‌تر کرده است. هر پیشنهاد را در حالت کل سند بررسی می‌کند، نه اینکه به چند بند منتخب اکتفا کند.

چرا ابزار عمومی جای دستیار من را نمی‌گیرد

شاید بپرسید: کارمند می‌تواند همین کار را با یک ابزار عمومی هوش مصنوعی هم بکند، پس چرا به ماژول جدا نیاز باشد؟ پاسخ در سه نکته است.

اول، کنترل. وقتی فایل در یک ابزار بیرونی آپلود می‌شود، سازمان نه می‌داند چه چیزی رفته و نه می‌تواند جلوی آن را بگیرد. در دستیار من، فایل داخل همان سامانه‌ی سازمانی می‌ماند که دسترسی و حسابرسی بقیه‌ی دانابات روی آن اجرا می‌شود. دوم، رفتار در برابر ندانستن. ابزارهای عمومی معمولاً ترجیح می‌دهند جوابی بدهند، حتی اگر در فایل شما نباشد. دستیار من در حالت سخت‌گیر ترجیح می‌دهد بگوید پیدا نکرده است. سوم، تفکیک منبع. در ابزار عمومی معلوم نیست جمله‌ی داخل پاسخ از فایل شما آمده یا از حافظه‌ی مدل؛ در دستیار من، پاسخ بیرون از سند علامت می‌خورد.

با این حال، ایرادی هم هست که باید صادقانه گفت: اگر سازمان سیاست روشنی برای استفاده از ابزارهای عمومی نداشته باشد، حتی بهترین ماژول داخلی هم کارمند را از آن عادت جدا نمی‌کند. ماژول ابزار است، سیاست نیست.

مدل، اکشن‌های آماده و کنترل

کاربر می‌تواند مدل را از کاتالوگ سازمان انتخاب کند. مثلاً سازمانی که یک مدل محلی برای کارهای عادی و یک مدل قوی‌تر برای کارهای پیچیده در کاتالوگ گذاشته، همین گزینه‌ها را در اختیار کاربر قرار می‌دهد و فهرست مدل‌ها همچنان دست خود سازمان است. اکشن‌های آماده‌ای هم هست تا کاربر مجبور نباشد کارهای تکراری را هر بار از نو توضیح دهد.

از دانش شخصی تا دانش تیم

یک پرسش طبیعی پیش می‌آید: اگر کارمندی در فضای شخصی‌اش یک رویه‌ی ارزشمند نوشته باشد، چه می‌شود؟ آیا دانش در همان فضای شخصی می‌ماند و با رفتن او از بین می‌رود؟

پاسخ دانابات این است که دانش شخصی خودکار به دانش سازمان تبدیل نمی‌شود، و این عمدی است. مسیر درست، ماژول «دانش تیمی» است: کارمند تجربه یا رویه‌ی نانوشته را ثبت می‌کند، مدیر تیم آن را بررسی، ویرایش و تایید یا رد می‌کند، و فقط محتوای تاییدشده ایندکس می‌شود. یعنی بین «فایل من» و «دانش رسمی سازمان» یک دروازه‌ی تایید وجود دارد. این دروازه از آلوده شدن دانش مشترک به محتوای بازبینی‌نشده جلوگیری می‌کند.

وب‌سرویس همکار: برای شرکت‌هایی که دستیار را در محصول خودشان می‌خواهند

این بخش برای مخاطب خاص‌تری است. دستیار من یک وب‌سرویس برای همکاران هم دارد. یک سامانه‌ی دیگر، مثلاً یک نرم‌افزار اتوماسیون اداری یا یک پلتفرم آموزشی، با کلید API می‌تواند برای کاربران خودش دستیار بسازد.

نکته‌ی امنیتی مهم این است که مالکیت هر دستیار با کلید API و شناسه‌ی مالک تعیین می‌شود، نه با چیزی که در بدنه‌ی درخواست نوشته شده. یعنی نمی‌شود با دستکاری یک درخواست، به دستیار کاربر دیگری دسترسی گرفت. سناریو: شرکتی که نرم‌افزار مدیریت اسناد برای دانشگاه‌ها می‌فروشد، دستیار شخصی را برای هر کاربر نهایی خودش فعال می‌کند و نیازی نیست خودش یک سامانه‌ی پرسش و پاسخ از صفر بسازد.

هزینه

مصرف دستیار من با صورت‌حساب پیش‌پرداخت از کیف پول سازمان کسر می‌شود. این یعنی مصرف قابل‌ردیابی است و سازمان می‌تواند ببیند چه کسی چقدر استفاده کرده است. اما در عین حال، هزینه‌ی مدل، به‌خصوص اگر مدل ابری انتخاب شود، یک هزینه‌ی متغیر است. بهتر است این را از ابتدا در برآورد بودجه ببینید.

سه سناریو از یک هفته‌ی کاری

این‌ها نمونه‌ی مشتریان واقعی نیستند؛ سناریوهایی‌اند که نشان می‌دهند در یک سازمان معمولی، دستیار من چه شکلی از کار پیدا می‌کند.

کارشناس منابع انسانی. او چند فایل شخصی دارد: پیش‌نویس یک دستورالعمل جدید مرخصی، یادداشت‌های جلسه با مدیران، و یک جدول مقایسه‌ی سیاست‌های سال گذشته. هنوز هیچ‌کدام تصویب نشده‌اند، پس جایشان در دانش‌نامه نیست. او با فیلتر سند فقط از پیش‌نویس و یادداشت‌ها سوال می‌پرسد: «کدام بندهای پیش‌نویس با نظر مدیر مالی در جلسه‌ی دوم تناقض دارد؟» وقتی دستورالعمل تصویب شد، می‌تواند از مسیر رسمی به دانش سازمان منتقل شود.

کارمند جدید. هفته‌ی اول کاری است و ده فایل معرفی، چند ارائه و یک راهنمای داخلی گرفته است. در فضای شخصی‌اش در حالت «فقط از اسناد» از آن‌ها می‌پرسد «برای درخواست مرخصی باید به چه کسی بگویم؟» اگر پاسخ در فایل‌ها نباشد، می‌شنود که پیدا نشده و می‌داند باید از همکارش بپرسد. این یعنی دستیار به‌جای پاسخ ساختگی، مرز دانسته‌هایش را نشان می‌دهد.

مدیر پروژه. پیش از جلسه‌ی ارزیابی، گزارش پنجاه‌صفحه‌ای پیمانکار را در حالت کل سند بررسی می‌کند و می‌خواهد بداند کدام بخش‌ها با قرارداد اولیه هم‌خوان نیست. بعد همان سوال را با فیلتر روی قرارداد و گزارش تکرار می‌کند تا مطمئن شود پاسخ فقط از همین دو سند آمده است.

در هر سه، الگو یکی است: کاربر خودش تعیین می‌کند دستیار به چه چیزی نگاه کند، و سامانه نشان می‌دهد پاسخ از کجا آمده است.

محدودیت‌هایی که باید از قبل بدانید

دستیار من به اندازه‌ی اسنادی که در آن می‌گذارید خوب است. اگر فایل ناقص، قدیمی یا بدخط اسکن‌شده باشد، پاسخ هم همان کیفیت را خواهد داشت.

حالت «فقط از اسناد» محافظه‌کار است، و این یعنی گاهی «پیدا نکردم» می‌شنوید. این اتفاق نقص نیست؛ بهایی است که برای نداشتن پاسخ ساختگی می‌پردازید. اگر حالت ترکیبی یا آزاد را انتخاب کنید، پاسخ‌های بیرون از سند علامت می‌خورند، اما درستی آن‌ها تایید نمی‌شود. قضاوت با کاربر است.

این ماژول جایگزین دانش‌نامه نیست. اگر سازمان انتظار دارد دانش مشترک و قابل‌اتکا فقط با آپلودهای شخصی شکل بگیرد، به نتیجه نمی‌رسد؛ برای آن دانش‌نامه و دانش تیمی لازم است.

و در نهایت، اگر سازمان از مدل ابری استفاده کند، این یک مبادله‌ی آگاهانه بین دقت و ماندن داده در شبکه است. در استقرار On-Prem با مدل محلی، داده از شبکه‌ی سازمان خارج نمی‌شود.

از کجا شروع کنیم

بهتر است کوچک شروع کنید. یک گروه کوچک از کارمندانی را انتخاب کنید که بیشترین حجم کار سندی را دارند: حقوقی، تدارکات، مدیران پروژه. از آن‌ها بخواهید دو هفته دستیار من را روی کارهای واقعی خودشان امتحان کنند و بگویند در کدام کار وقتشان واقعاً کم شد و کجا پاسخ قابل‌اتکا نبود. این بازخورد واقعی‌تر از هر دمو است. سپس حالت پاسخ پیش‌فرض را بر اساس همان تجربه تعیین کنید.

اگر می‌خواهید خودتان تجربه کنید، دانابات نسخه‌ی آزمایشی 14 روزه دارد که همه‌ی ماژول‌ها در آن باز است، با محدودیت مقیاس.

برای اینکه تصویر کامل‌تر شود، می‌توانید مقاله‌ی SmartConnect؛ دستیار برای هر سامانه بدون بازنویسی را هم ببینید که سمت دیگر ماجرا، یعنی اتصال به سامانه‌های موجود سازمان، را توضیح می‌دهد.

جمع‌بندی

دستیار من یک چیز ساده را حل می‌کند: دانشی که مال یک نفر است و جایی در دانش‌نامه‌ی سازمان ندارد، حالا یک خانه‌ی امن و هوشمند دارد. سه حالت پاسخ، فیلتر سند و حالت کل سند، ابزار کنترل دقت‌اند، و دروازه‌ی دانش تیمی راه تبدیل دانش شخصی به دانش رسمی را باز نگه می‌دارد. مرزهایش هم روشن است: وابسته به کیفیت اسناد شما، محافظه‌کار در حالت سخت‌گیر، و جایگزین دانش‌نامه نیست.

برای دیدن این ماژول روی اسناد واقعی خودتان، به دانابات سر بزنید.

تحلیل آرتین

این مقاله دستیار من را در تقابل با دانش‌نامه تعریف می‌کند (میز کار در برابر کتابخانه) تا انتظار اشتباه شکل نگیرد و صراحتاً می‌گوید این ماژول جایگزین دانش‌نامه نیست. همچنین حالت‌های ترکیبی و آزاد را بدون پوشاندن ریسک معرفی می‌کند: پاسخ بیرون از سند علامت می‌خورد اما درستی آن تایید نمی‌شود.

اثر بر کسب‌وکار

این مقاله مسیر فروش ماژول دستیار من را کنار دانش تیمی تعریف می‌کند و برای تصمیم‌گیر روشن می‌کند که این ماژول جایگزین دانش‌نامه نیست، بلکه لایه‌ی شخصی کنار آن است.

در ایران

در بسیاری از سازمان‌های ایرانی کارمندان اسناد کاری را برای ابزارهای عمومی هوش مصنوعی آپلود می‌کنند بدون اینکه سازمان کنترلی داشته باشد؛ این مقاله جایگزینی داخلی و کنترل‌پذیر را معرفی می‌کند.

سوالات متداول

دستیار من در دانابات چیست؟
فضای کاری شخصی هر کارمند برای پرسش و پاسخ از اسناد خودش؛ تاریخچه و پاسخ‌ها فقط برای خود او نمایش داده می‌شود و از دانش‌نامه سازمان جداست.
سه حالت پاسخ دستیار من کدام‌اند؟
فقط از اسناد (strict)، ترکیبی، و آزاد. پاسخی که از بیرون اسناد بیاید علامت می‌خورد.
فیلتر سند چه کاری می‌کند؟
پاسخ را به فایل‌های مشخصی که کاربر انتخاب می‌کند محدود می‌کند، مثلاً فقط سه فایل یک پروژه.
حالت کل سند چیست؟
به‌جای چند تکه‌ی مرتبط، یک سند کامل در نظر گرفته می‌شود تا خلاصه یا تحلیل بر پایه‌ی کل متن باشد.
دانش شخصی چطور به دانش سازمان تبدیل می‌شود؟
خودکار تبدیل نمی‌شود. مسیر رسمی ماژول دانش تیمی است که در آن مدیر تیم محتوا را بررسی و تایید می‌کند و فقط محتوای تاییدشده ایندکس می‌شود.
وب‌سرویس همکار دستیار من چیست؟
امکانی که یک سامانه‌ی دیگر با کلید API برای کاربران خودش دستیار بسازد؛ مالکیت دستیار با کلید و شناسه‌ی مالک تعیین می‌شود.

نظرات (0)

اطلاعات شما محفوظ می‌ماند و در نظرات بعدی نیاز به وارد کردن مجدد نیست

ک
نظر شما پس از تایید نمایش داده می‌شود

هنوز نظری ثبت نشده است

اولین نفری باشید که نظر می‌دهد!