Interne AI-værktøjer

AI, der arbejder på jeres egne data - ikke på internettet

Den tredje ting jeg laver, ved siden af telefonpasning og automatisering. Det er ikke en chatbot på hjemmesiden til kunderne, men værktøjer, jeres egne medarbejdere bruger: en assistent, der kender jeres procedurer, og som svarer med henvisning til, hvor svaret står.

Skriv til mig +45 22 92 76 00

Gratis og uforpligtende besøg - derefter et konkret forslag med estimeret tidsbesparelse.

Et spørgsmål fra en medarbejder

Medarbejderen spørger

De rigtige afsnit findes

Svaret formuleres

Med henvisning til hvor det står

Trigger · Fritekst

"Hvad er reklamationsfristen på de bordplader vi solgte til Horn i 2024?" Sådan bliver det spurgt, ikke med søgeord.

Hvorfor ChatGPT ikke løser det her

De fleste har prøvet at spørge ChatGPT om noget fagligt og fået et svar, der lød rigtigt. Problemet er, at den ikke kender jeres aftaler, jeres priser eller jeres procedurer, og at den hellere formulerer et plausibelt svar end at sige, at den ikke ved det.

Det, der skal til, er, at modellen kun får lov at svare ud fra jeres eget materiale. Teknisk hedder det opslag i egne dokumenter før svaret formuleres. I praksis betyder det, at der bliver fundet tre til fem relevante afsnit i jeres filer, og at modellen får besked på at holde sig til dem.

Så bliver svaret enten rigtigt eller "det står ikke i materialet". Begge er brugbare. Et plausibelt gæt er ikke.

Adgangen følger den, medarbejderen har i forvejen. En sagsbehandler kan ikke få svar ud af en mappe, hun ikke må åbne, og det er en forudsætning, ikke en indstilling.

Hvor interne AI-værktøjer plejer at gøre mest

Fællestrækket er, at svaret findes i huset, men at det tager for lang tid at finde.

Nye medarbejdere, der ikke ved, hvor noget står, og derfor spørger en kollega, som så bliver afbrudt.
Tilbudsgivning, hvor man skal finde ud af, hvad man gav i pris sidst, og hvad der blev aftalt ud over standarden.
Support og reklamationer, hvor svaret afhænger af en konkret aftale fra for tre år siden.
Tekniske spørgsmål om egne produkter, hvor dokumentationen findes, men i et 200-siders dokument.
Interne regler og procedurer, som alle ved findes, og som ingen kan huske, hvor ligger.
Udbudsmateriale og kontrakter, hvor man skal svare på, om man allerede har forpligtet sig til noget.

Er det spørgsmål fra kunder frem for fra medarbejdere, er det en anden opgave med andre risici. Den står under AI i kundeservice.

Hvor jeg sætter grænsen

Jeg bygger værktøjer, der finder frem og formulerer. Jeg bygger ikke værktøjer, der beslutter.

Forskellen er vigtig i praksis. En assistent, der finder de tre relevante afsnit i en aftale og sammenfatter dem, sparer en halv time og kan efterprøves på stedet, fordi kilden er vedlagt. En assistent, der afgør om en reklamation skal godkendes, flytter et ansvar hen et sted, hvor ingen kan se, hvordan afgørelsen blev truffet.

Derfor er der altid en kilde på svaret. Ikke fordi det ser grundigt ud, men fordi et svar uden kilde ikke kan bruges i en sag, hvor det får konsekvenser.

Kategorier

To slags AI på egne data

Forskellen ligger i, hvem der stiller spørgsmålet. Er det en medarbejder, må værktøjet gerne være direkte og teknisk. Er det en kunde, skal der være helt andre spærringer på.

Sider

Spørgsmål om interne AI-værktøjer

Bliver vores dokumenter brugt til at træne modellen?

Nej. Jeg bruger opsætninger, hvor det, der sendes ind, ikke bruges til at træne modellen, og det står i databehandleraftalen. Selve dokumenterne bliver liggende, hvor de er, i SharePoint, på et drev eller i det system, de nu ligger i. Der bliver lavet et søgeindeks, ikke en kopi et nyt sted.

Hvor bliver data behandlet?

I EU. Det er en forudsætning, jeg ikke går på kompromis med, og der findes modeller af tilstrækkelig kvalitet, der kan køre inden for EU. Har I krav om, at data slet ikke må forlade jeres eget hus, kan det også lade sig gøre med en model, der kører hos jer - det bliver dyrere og lidt dårligere til dansk, og så tager vi den snak, før I beslutter noget.

Kan den svare på noget, en medarbejder ikke må se?

Nej. Adgangen følger den enkelte medarbejders rettigheder i det system, dokumenterne ligger i. Har hun ikke adgang til mappen, findes indholdet ikke for hende i værktøjet. Det er den vigtigste tekniske detalje i hele opsætningen, og det er den, jeg tester først.

Hvad koster det?

Opbygningen ligger typisk mellem 35.000 og 90.000 kroner afhængigt af, hvor mange kilder der skal med, og hvor rodet materialet er. Derefter er der en løbende udgift til modelkald og drift, som afhænger af brugen - for en virksomhed med 20 medarbejdere er den normalt et par tusinde kroner om måneden. I får et konkret tal i tilbuddet, ikke et interval.

Hvor lang tid tager det?

Fire til otte uger. Den del, der tager tid, er sjældent teknikken - det er at finde ud af, hvilket materiale der faktisk er gældende. Næsten alle virksomheder har tre versioner af den samme procedure, og vi skal vide, hvilken der er den rigtige, før værktøjet kan svare rigtigt.

Hvad hvis vores dokumentation er noget rod?

Så finder vi ud af det med det samme, og det er faktisk en af de mere nyttige ting ved øvelsen. Et værktøj, der svarer forkert, fordi der ligger to modstridende udgaver af en procedure, peger direkte på et problem, I havde i forvejen - det var bare ikke synligt før. Jeg siger til, hvis oprydningen skal komme før værktøjet.

Kontakt

Hvad spørger jeres medarbejdere om?

Fortæl mig, hvad folk plejer at afbryde en kollega for at få svar på. Det er næsten altid det rigtige sted at starte, og jeg siger ærligt til, hvis materialet ikke er klar til det endnu.

+45 22 92 76 00 jj@joto.dk