Идём путями автоматизации. Нейросети как узлы в low-code
А также no-code и BPMS
Всем привет!
Я старательно долго избегал момента, когда начну всерьез писать про нейросети в процессах. Почему? Я наблюдал, пробовал, спрашивал, читал, измерял, - иными словами, мониторил технологию на практике*, поэтому прошу воспринимать текст ниже как некое резюме 😊
Опуская местами магический флер вокруг темы ИИ, можно с инженерной точностью заявить, что нейросети на текущий момент являются точно таким же строительным блоком в потоке управления как скрипт, вызов сервиса (а местами и подпроцесса).
Итак, если нейросеть - это типичный строительный элемент процесса, то каким способом можно его разместить там и какие функции он будет нести?
Как разместить:
1️⃣ Практически любая система автоматизации процесса типа low-code / no-code / BPMS сегодня имеет такую встроенную возможность - просто берём и перетаскиваем графический элемент (например, Agent node в n8n). 2️⃣ Если хотим чуть больше кастомизации при работе с нейросетями, то можем пользоваться стандартными http request.
Какие функции такой узел будет нести?
1️⃣ Основная функция, ради которой стоит его использовать - это обработка неструктурированной информации ради получения структурированного ответа. Т.е. нейросеть позволяет уменьшить информационную неопределенность, которая может быть в процессе. 2️⃣ Помимо этого, нейросеть намного гибче в обработке по правилам, чем конструкция с if-else или другим кодом, т.е. условно, проще описать сложные и не всегда четкие правила в промпте, чем в жесткой логической конструкции.
Если по-простому, то нейросеть как узел в low-code / no-code / BPMS - это, например:
✅ Классификатор - например, тона клиента, типа запроса и т.п. для поддержки; ✅ Скоринг - например, решение о выдаче кредита по большому количеству параметров; ✅ Генерация - например, текстового ответа на вопрос клиента или сотрудника; ✅ Распознавание - например, документов и выделение ФИО, номера чего-нибудь и т.п. ✅ Исполнение подзадач - часто нейросетевые узлы имеют встроенные возможности для выполнения задач (например, есть готовые коннекторы, чтобы нейросеть сама поставила задачу в таск-трекер) - об этом в других постах.
Звучит просто, но здесь много тонкостей, например:
🤔 Нужно написать нормальный промпт, а это задача со звездочкой. Простым «Ты аналитик. Проанализируй информацию о клиенте» не обойтись; 🤔 Если работаем НЕ с готовым узлом от системы, а сами обращаемся к методам, то обработка потокового ответа от нейросети - это точно ещё один узел с кодом, который нужно поддерживать; 🤔 Просто сгенерированный ответ на вопрос - это часто не то, что вы ожидаете - галлюцинация, не та детализация, не тот тон и т.п. Значит, надо подкидывать нейросети нужные знания (документы и прочее) вместе с вопросом, чтобы генерация была более-менее ожидаемой (а это RAG, а его надо делать, настраивать, поддерживать); 🤔 Опускаю историю с комплаенсом и подобными вопросами, стоимостью и т.п.
Тем не менее, low-code / no-code / BPMS придают определенность ходу процесса, а нейросеть многократно усиливает и расширяет его возможности.
Поэтому, в качестве итога: нейросети как узел в low-code / no-code / bpms - это процессный усилитель, позволяющий работать с неструктурированной информацией и оставаться в жестких рамках общей логики процесса.
Следующим постом разберу тему 7️⃣Чат-бот и нейросеть - самый очевидный (и часто полезный) подход на своем небольшом кейсе.
Подписывайтесь 😊
Спасибо, что читаете ♥️
____
*Несмотря на постоянно мелькающие сообщения об успешных внедрениях, ощущение, что мы на пути к долине отчаяния по Гартнер, пока никуда не делось, поскольку, по-честному, большой бюджетный эффект удается достигать на масштабе операций.
