Jak tworzone są raporty AI - informacje ogólne
Co dzieje się podczas generowania raportu
Po kliknięciu przycisku Generuj dzieje się następująca rzecz: Picasi zbiera wszystkie aktualizacje z aktualnie widocznego fragmentu skrzynki odbiorczej — filtrowane według aktywnego folderu i wszystkich ustawionych filtrów. Te aktualizacje są przekazywane wraz z kontekstem AI (jeśli jest dostępny) do modelu AI.
Model otrzymuje jasne zadanie: albo podsumować, przeanalizować, stworzyć listę, napisać posty na LinkedIn, albo zidentyfikować tematy do rozmowy. Do tego dochodzi opcjonalny tekst od Ciebie, który kieruje wynik w konkretnym kierunku.
AI przetwarza to wszystko w tle — stąd krótki czas oczekiwania od 15 sekund do dwóch minut — i zwraca gotowy tekst, który Picasi zapisuje jako raport.
Co wpływa na jakość
Trzy czynniki decydują w znacznym stopniu o tym, jak przydatny będzie raport:
Podstawa aktualizacji: Raport dotyczący trzech aktualizacji będzie z konieczności bardziej powierzchowny niż ten dotyczący 50. Zbyt mało danych wejściowych oznacza zbyt mało wyników. Nie ma minimalnej liczby, ale do analizy warto zebrać dane z co najmniej jednego tygodnia aktywności.
Kontekst AI: Bez własnych dokumentów kontekstowych AI nie wie, kim jesteście. Analiza pozostaje wtedy ogólna i opisuje, co robi konkurencja — bez klasyfikowania, co to dla was oznacza. Dzięki dobrze wypełnionemu kontekstowi AI analizy stają się konkretne i zorientowane na działanie.
Tekst fokusowy: Bez fokusu AI tworzy ogólny przegląd. Dzięki tekstowi fokusowemu, np. Was kommunizieren unsere Wettbewerber über KI und Automatisierung?, raport staje się ukierunkowany. Teksty fokusowe są szczególnie pomocne, gdy macie konkretne pytanie, a nie tylko potrzebujecie ogólnego przeglądu.
Czego AI nie potrafi
AI generuje raporty na podstawie dostarczonych przez was aktualizacji — nie może znaleźć ani wyszukać aktualizacji, których nie ma w waszej skrzynce odbiorczej. Jeśli firma opublikowała istotny post, którego Picasi jeszcze nie pobrało, nie pojawi się on w raporcie.
Analizy nie zawierają żadnych twierdzeń dotyczących wewnętrznych danych konkurencji — dotyczą wyłącznie publicznie dostępnych treści, które zebraliście w Picasi.
Raporty nie są deterministyczne
Ta sama data wejściowa może prowadzić do nieznacznie różnych raportów przy dwóch generacjach. Jest to normalne zachowanie modeli AI. Jeśli raport nie jest trafny, pomocne może być doprecyzowanie tekstu kluczowego lub ustawienie innych filtrów i ponowne wygenerowanie.
Jak wybierane są tematy do rozmowy
Tematy do rozmowy są wybierane według innej logiki niż inne typy raportów. Zamiast tworzyć podsumowanie, AI ocenia poszczególne aktualizacje pod kątem ich przydatności jako punktu wyjścia do komentarza na LinkedIn.
Ocena: Każda aktualizacja otrzymuje ocenę od 0 do 14 punktów. Składa się ona z oceny podstawowej (7–9 punktów) oraz ewentualnych premii (0–5 punktów). W wynikach uwzględniane są tylko aktualizacje z wynikiem co najmniej 8 — aktualizacje poniżej tego progu nie są brane pod uwagę, nawet jeśli w rezultacie powstaje mniej niż trzy propozycje. Mniej, ale lepszych propozycji — to nasz cel.
Różnorodność źródeł: Dla każdego źródła proponowana jest maksymalnie jedna aktualizacja. Jeśli źródło było bardzo aktywne, pojawia się mimo to tylko jego najlepszy wynik. Wyjątek: drugi post tego samego źródła może zostać uwzględniony, jeśli ma wynik 12 lub więcej.
Liczba: Wynik zawiera od zera do pięciu tematów do rozmowy. Jeśli żadna aktualizacja nie osiągnie progu, raport pozostaje pusty — nie jest to błąd, ale oznacza, że obecnie nie ma odpowiednich punktów wyjścia.
Kiedy pojawia się więcej propozycji: Jeśli skrzynka odbiorcza zawiera wiele aktualizacji z różnych źródeł, a konkurenci opublikowali właśnie szczególnie istotne treści, wzrasta wskaźnik trafności. W okresach o niskiej aktywności normalne jest, że pojawia się niewiele propozycji lub nie ma ich wcale.