Korta, tydliga anteckningar om automation, AI och det oglamorösa arbetet som får dem att hålla i produktion.
Alla texter
Deterministisk data slår AI-tolkning
Att rikta AI mot ett svårt problem känns som framsteg. Ofta finns det pålitliga svaret redan i datan, och den verkliga skickligheten är att veta vilken halva av problemet AI inte borde röra.
LäsAI ska aldrig röra din data direkt
Låt en modell fråga din databas med egna ord, så kommer den att hallucinera, missa fält och bygga skuggkopior av sanningen. Lösningen är ett lager, inte en bättre prompt.
LäsHårda krav hör hemma i koden, inte i modellen
Varje gallringsproblem delas upp i skall-krav och frågor om gradskillnad. Lämna skall-kraven till koden, bedömningen till modellen, och håll bevis under allt.
LäsErsätt papperet, inte ERP:et
Verkstadsgolvet drivs inte av ERP:et. Det drivs av whiteboards, papperslappar och telefonsamtal vid sidan om. Du behöver inget nytt system att lita på, du behöver sluta jobba i marginalerna.
Läs”Granska och godkänn” är designen, inte en reservutväg
Human-in-the-loop är inget skyddsnät du tar bort när modellen väl är pålitlig. Godkännandesteget är designen, och det betyder mest där misstag är dyra.
LäsDe flesta automationsprojekt misslyckas innan automationen ens börjar.
Du kan inte automatisera ett workflow som tre personer beskriver på tre olika sätt. Kartlägg processen först. Prata om verktyg sen.
LäsVarför vi inte säljer projekt.
Projektarbete fryser i samma stund som det levereras. Driften gör det inte. Retainern är det som håller driftlagret rent när verksamheten förändras.
LäsAI är användbart när det tar bort arbete.
AI extraherar datan. Regler avgör vad som händer sen. System validerar resultatet. Allt annat är en demo.
Läs