Как создаются отчеты об ИИ — обзор
Что происходит при генерации отчета
Когда вы нажимаете «Генерировать», происходит следующее: Picasi собирает все обновления из текущего видимого фрагмента папки «Входящие» — отфильтрованные по активной папке и всем установленным фильтрам. Эти обновления вместе с вашим контекстом ИИ (если он есть) передаются в модель ИИ.
Модель получает чёткую задачу: либо подготовить резюме, либо проанализировать, либо составить список, либо написать посты для LinkedIn, либо определить темы для разговора. К этому добавляется опциональный фокусный текст от вас, который направляет результат в определённое русло.
ИИ обрабатывает всё это в фоновом режиме — отсюда и короткое время ожидания от 15 секунд до двух минут — и возвращает готовый текст, который Picasi сохраняет в виде отчёта.
Что влияет на качество
Три фактора в значительной степени определяют, насколько полезным будет отчёт:
База обновлений: отчет, основанный на трех обновлениях, неизбежно будет более поверхностным, чем отчет на основе 50. Слишком мало входных данных означает слишком мало результатов. Минимального количества нет, но для анализа имеет смысл собрать данные как минимум за одну неделю активности.
Контекст ИИ: без собственных контекстных документов ИИ не знает, кто вы такие. В таком случае анализ остаётся общим и описывает, что делает конкурент, — без оценки того, что это означает для вас. При хорошо заполненном контексте ИИ анализы становятся конкретными и ориентированными на действие.
Текст фокуса: без фокуса ИИ создает общий обзор. С текстом фокуса, например Was kommunizieren unsere Wettbewerber über KI und Automatisierung?, отчет становится целенаправленным. Тексты фокуса особенно помогают, когда у вас есть конкретный вопрос, а не просто нужен обзор.
Чего ИИ не умеет
ИИ генерирует отчеты на основе предоставленных вами обновлений — он не может находить или искать обновления, которых нет в вашем почтовом ящике. Если компания опубликовала релевантный пост, который Picasi еще не загрузил, он не появится в отчете.
Аналитические данные не содержат утверждений о внутренних данных конкурента — только об общедоступном контенте, который вы собрали в Picasi.
Отчеты не являются детерминированными
Один и тот же ввод данных при двух генерациях может привести к слегка различающимся отчетам. Это нормальное поведение моделей ИИ. Если отчет не соответствует ожиданиям, может быть полезно уточнить текст фокуса или установить другие фильтры и сгенерировать отчет заново.
Как выбираются темы для начала разговора
Темы для начала разговора подбираются по иной логике, чем другие типы отчетов. Вместо создания резюме ИИ оценивает отдельные обновления на предмет их пригодности в качестве отправной точки для комментария в LinkedIn.
Оценка: каждому обновлению присваивается оценка от 0 до 14. Она складывается из базовой оценки (7–9 баллов) и возможных бонусов (0–5 баллов). В итоговый список попадают только обновления с оценкой не ниже 8 — обновления с более низкой оценкой не учитываются, даже если в результате получается менее трёх предложений. Меньше, но лучших предложений — вот заявленная цель.
Разнообразие источников: от каждого источника предлагается не более одного обновления. Даже если источник был очень активен, отображается только его лучшее обновление. Исключение: второй пост от того же источника может быть включён, если его оценка составляет 12 или более баллов.
Количество: Результат содержит от нуля до пяти тем для начала разговора. Если ни одно обновление не достигает порогового значения, отчёт остаётся пустым — это не ошибка, а означает, что в данный момент нет подходящих точек для начала разговора.
Когда появляется больше предложений: если в папке «Входящие» много обновлений из разных источников, а конкуренты только что опубликовали особенно актуальный контент, то точность подбора предложений повышается. В периоды с низкой активностью нормально, если предложений мало или их нет вовсе.