Jak tworzone są raporty AI - informacje ogólne
Co dzieje się podczas generowania raportu
Po kliknięciu przycisku Generuj dzieje się następująca rzecz: Picasi zbiera wszystkie Updates z aktualnie widocznego fragmentu Inbox — filtrowane według aktywnego folderu i wszystkich ustawionych filtrów. Te Updates 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 Updates: Raport dotyczący trzech Updates 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 Updates — nie może znaleźć ani wyszukać Updates, których nie ma w waszym Inbox. 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 Updates pod kątem ich przydatności jako punktu wyjścia do komentarza na LinkedIn.
Wybór: do wyniku trafiają tylko Updates, które nadają się na punkt zaczepienia. Jeśli żaden się nie nadaje, powstaje mniej niż trzy propozycje.
Różnorodność źródeł: Dla każdego źródła proponowana jest maksymalnie jeden Update. Jeśli źródło było bardzo aktywne, pojawia się mimo to tylko jego najlepszy wynik. Wyjątek: drugi post tego samego źródła, który pasuje szczególnie dobrze.
Liczba: Wynik zawiera od zera do pięciu tematów do rozmowy. Jeśli żaden Update 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 Inbox zawiera wiele Updates 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.