Алина Скалыга
Автоматизация, CRM, BI, AI, веб, дизайн и маркетинг.
Точных алгоритмов работы всех нейросетей мы не знаем: они разные и постоянно меняются. Поэтому я бы не стала утверждать, что ИИ воспринимает оригинальность как шум. При этом Google и Яндекс сами рекомендуют добавлять в контент собственный опыт, экспертизу и оригинальные выводы. Поэтому для меня это скорее практическая рекомендация, а не утверждение о том, как устроены все LLM.
Да, вопрос поддержки здесь действительно важный.
Мы как раз старались не завязывать решение на память автора. Данные, которые естественно живут в Битрикс24, оставлены в штатных сущностях: сотрудники, отделы/подотделы и события календаря отсутствий. Данные самого приложения вынесены в отдельные таблицы БД: график по датам и сотрудникам, задачи, производственный календарь, роли и права.
Кроме пользовательской инструкции, подготовлена отдельная инструкция для разработчиков: структура проекта, ключевые модули и функции, таблицы БД и зона ответственности каждой части. Это нужно как раз для того, чтобы проект можно было сопровождать и передать другому разработчику или администратору без привязки к одному человеку.
Да, историю тоже перенесли в приложение.
У нас для этого сделан импорт из текущего Excel-графика: пользователь загружает файл одной кнопкой, а приложение разбирает его и переносит данные. В нашем случае весь график был в одном Excel-файле, каждый год - на отдельном листе, поэтому историю перенесли один раз сразу целиком. Год определялся по названию листа или по заголовку таблицы на листе.
По isdayoff: кэш перечитываем. Раз в неделю по cron обращаемся к isdayoff и сверяем данные за текущий год, как раз на случай правок календаря задним числом.
Спасибо!
Classifier сейчас уже работает достаточно хорошо. Постоянного ручного ревью по нему уже нет, но логи и спорные кейсы я всё равно периодически смотрю.
С рекомендациями пока сложнее. Я немного перестраховалась, поэтому ответы получаются безопасные, но иногда слишком общие, неопытному пользователю может не хватить конкретных шагов. Плюс по внутренним приложениям модель иногда даёт универсальные советы, которые не совсем подходят к нашей реальности.
Поэтому сейчас основной фокус - наращивать базу знаний, чтобы ответы были именно по нашим системам и процессам.
Кстати, с отзывами вообще интересная ситуация. Недавно была на конференции по GEO, где как раз рассказывали, что ИИ может отдавать предпочтение отзывам, опубликованным на сайте самой компании. То есть логика примерно такая: если ищем информацию о компании X, то сайт X - более релевантный источник.