Kendiliğinden yapay zekâ etiketleme — nasıl çalışır
Temel ilke
Workspace’ine yeni bir Update geldiğinde — bir LinkedIn gönderisi, bir bülten yazısı — Picasi hemen hangi konu tag’lerinin ona uyabileceğini denetler. Yapay zekâ etiketleme açıklaması olan her tag için yapay zekâ bir güven değeri hesaplar: Bu Update’in bu tag’e ait olma olasılığı nedir?
Güven değeri ayarlanmış eşiği aşarsa tag kendiliğinden atanır. Bu, elle hiçbir müdahale olmadan olur ve Update Inbox’ında belirmeden önce tamamlanır.
İsabeti ne belirler
Her şey açıklamadadır. Yapay zekâ doğal dili iyi anlar ama niyetleri tahmin edemez. Ürün yenilikleri tag’inin açıklaması yalnızca „Ürünlerle ilgili Updates“ ise yapay zekâ bunu geniş yorumlar — ve aslında kastedilmeyen şeyleri de etiketler.
Kesin bir açıklama her iki yönde de örnek verir: neyin kapsandığını ve neyin açıkça kapsanmadığını. Bu, yanlış sınıflamaları belirgin biçimde azaltır.
Güven eşiği ikinci denetim düğmesidir. Düşük eşikte (0,5) Picasi daha sık etiketler ama daha çok yanılır. Yüksek eşikte (0,9) daha seyrek ama daha isabetli etiketler. Çoğu ekip için 0,65 ile 0,75 arası iyi bir başlangıçtır.
Kendiliğinden etiketleme neyin yerini tutmaz
Kendiliğinden etiketleme açık kategorileri güvenilir biçimde tanımakta iyidir — ama bağlama bağlı değerlendirmelerde sınırları vardır. „Yeni bir ortaklık“ hakkındaki bir gönderi, içeriğine göre Ortaklıklar, Ürünler ya da Müşteriler altına düşebilir. Yapay zekâ bir karar verir ama yanılabilir.
Kritik kararlarda — örneğin yönetim kuruluna sunulan Report’larda — Report’u üretmeden önce süzülmüş Updates listesini kısaca gözden geçirmek değer.
Geriye dönük uygulama ve yeni başlangıç
Kendiliğinden etiketleme yalnızca tag yapılandırıldıktan sonra gelen yeni Updates için geçerlidir. Var olan Updates geriye dönük etiketlenmez. Yeni bir tag oluşturup onu eski Updates’e uygulamak istersen bunu elle yapman gerekir.
Bir tag açıklamasını değiştirirsen var olan tag’ler geçmişteki yanlışları düzeltmez — yalnızca yeni Updates iyileştirilmiş açıklamadan yararlanır.