Άρθρο

 

·
—
—
—

Ένα καλογραμμένο κείμενο από AI μπορεί να μοιάζει τεκμηριωμένο ακόμη κι όταν συνδυάζει σωστά στοιχεία, παλιές πληροφορίες και ανύπαρκτες λεπτομέρειες. Το πρόβλημα μεγαλώνει όταν η απάντηση περνά από άνθρωπο σε άνθρωπο και χάνεται η σύνδεση με τις αρχικές πηγές. Τότε η βεβαιότητα του ύφους γίνεται υποκατάστατο της απόδειξης.

Η ιχνηλασιμότητα είναι διαφορετική από την απλή αναφορά πηγών

Δεν αρκεί ένα μοντέλο να παραθέτει τρεις συνδέσμους στο τέλος. Χρειάζεται να γνωρίζουμε ποια συγκεκριμένη πρόταση υποστηρίζεται από ποια πηγή, πότε ενημερώθηκε η πληροφορία και αν η πηγή πράγματι λέει αυτό που αποδίδεται σε αυτή. Σε μια εμπορική ανάλυση, για παράδειγμα, μια σωστή στατιστική του προηγούμενου έτους μπορεί να οδηγήσει σε λάθος συμπέρασμα αν παρουσιαστεί ως σημερινή. Σε ένα εσωτερικό report, ένας αριθμός μπορεί να προέρχεται από draft και όχι από εγκεκριμένα οικονομικά δεδομένα. Η AI επιταχύνει τη σύνθεση, αλλά δεν εξαφανίζει την ανάγκη προέλευσης.

Όταν η ομάδα αντιγράφει μια AI απάντηση σε παρουσίαση, email ή dashboard, η προέλευση μπορεί να χαθεί μέσα σε λίγα λεπτά. Γι’ αυτό η διαδικασία πρέπει να επιβιώνει από το copy-paste. Ένα σύντομο αρχείο με την ημερομηνία ελέγχου και τους βασικούς ισχυρισμούς μπορεί να αρκεί για μικρά έργα. Για σημαντικές αναλύσεις, απαιτείται πιο συστηματική καταγραφή. Το κρίσιμο δεν είναι η ποσότητα τεκμηρίωσης αλλά να μπορεί ένας δεύτερος άνθρωπος να διαπιστώσει τι ελέγχθηκε και τι παραμένει αβέβαιο.

Πώς σχεδιάζεται ένα workflow που αφήνει ίχνη

Για σημαντικές αποφάσεις, ζήτησε η έξοδος να διαχωρίζει γεγονότα, εκτιμήσεις και ανοιχτά ερωτήματα. Φύλαξε τις βασικές πηγές μαζί με το παραγόμενο κείμενο και όρισε ποιος ελέγχει τα κρίσιμα σημεία. Δεν χρειάζεται να ελέγχεται με την ίδια ένταση μια ιδέα για τίτλο και μια πρόταση που επηρεάζει συμβόλαιο ή οικονομική απόφαση. Ο έλεγχος πρέπει να είναι ανάλογος του ρίσκου. Αν το αποτέλεσμα προέρχεται από εταιρικά αρχεία, είναι χρήσιμο να αναφέρεται η έκδοση ή η ημερομηνία τους. Έτσι μπορεί κάποιος να επαναλάβει τη διαδρομή και να διορθώσει το αποτέλεσμα όταν αλλάξουν τα δεδομένα.

Οι ομάδες μπορούν να ορίσουν εκ των προτέρων ποιοι τύποι ισχυρισμών δεν δημοσιεύονται ποτέ χωρίς πρωτογενή επιβεβαίωση. Έτσι ο έλεγχος γίνεται μέρος της παραγωγής και όχι επείγουσα διόρθωση στο τέλος.

Στην πράξη, το θέμα «η ai απάντηση είναι πειστική. το πρόβλημα είναι ότι κανείς δεν γνωρίζει από πού προήλθε» απαιτεί να εξετάζεται με πραγματικά δεδομένα της συγκεκριμένης επιχείρησης και όχι μόνο με γενικούς κανόνες. Μια μικρή ομάδα μπορεί να χρειάζεται μια απλή συμφωνία και έναν υπεύθυνο, ενώ μια μεγαλύτερη λειτουργία ίσως χρειάζεται συστηματικό έλεγχο και καταγραφή. Η σωστή κλίμακα λύσης εξαρτάται από τη συχνότητα του προβλήματος, το πιθανό κόστος ενός λάθους και τον χρόνο που απαιτείται για να εφαρμοστεί η αλλαγή. Αυτό που έχει σημασία είναι να γίνει σαφές ποια απόφαση πρέπει να παίρνεται καλύτερα και με ποια στοιχεία θα διαπιστωθεί αν η νέα προσέγγιση λειτουργεί.

Η αξιοπιστία δεν προκύπτει επειδή το κείμενο ακούγεται επαγγελματικό. Προκύπτει επειδή οι σημαντικοί ισχυρισμοί μπορούν να ελεγχθούν από άνθρωπο που δεν συμμετείχε στην αρχική δημιουργία.

Κ
Σχετικά με τον συγγραφέα

Κωνσταντίνος

Founder του epixirimatias.com. Πάνω από 10 χρόνια εμπειρίας στον κόσμο της επιχειρηματικότητας, των οικονομικών και της προσωπικής εξέλιξης. Γράφει για όσους θέλουν να σκεφτούν διαφορετικά και να δράσουν αποφασιστικά.

Διάβασε περισσότερα
Σου άρεσε το άρθρο;

Πάρε περισσότερα κάθε εβδομάδα

Ιδέες, αναλύσεις και στρατηγικές για επιχειρηματικότητα, χρήμα και νοοτροπία. Χωρίς θόρυβο, χωρίς spam.

Newsletter

Μπορείς να διαγραφείς όποτε θέλεις.