Delavnice AI z n8n so praktičen način, da iz posameznih korakov sestavimo uporaben delovni tok: prejmemo podatek, ga obdelamo z AI, preverimo rezultat in ga predamo naslednjemu koraku. Podobno kot pri lego kockah gradimo po delih. Razlika je, da tukaj povezujemo podatke, poslovna pravila in aplikacije.
Ko umetno inteligenco uporabljamo samo v klepetalniku, običajno sami prenašamo vsebino med orodji. Kopiramo sporočilo, napišemo navodilo, preberemo odgovor in rezultat vnesemo v preglednico. Na delavnici z n8n lahko prav ta opravila razstavimo in iz njih sestavimo prvi učni prototip avtomatizacije.
Avtorska povezava: Primož Frelih izvaja AI delavnice pri Agital.si. Članek vključuje povezavi do njegovih vsebin in storitev. Primerjava z lego kockami je učna prispodoba.
Zakaj n8n spominja na lego kocke?
V n8n potek dela sestavljamo vizualno, iz vozlišč oziroma korakov, ki jih povežemo med seboj. En korak sproži obdelavo, drugi pripravi podatke, tretji preveri pogoj. Uradni vodnik za prvi delovni tok v n8n takšno sestavljanje pokaže na praktičnem primeru s sprožilcem, podatki in razvejitvijo.
Prispodoba s kockami pomaga razumeti, da ne potrebujemo takoj velikega sistema. Najprej povežemo dva koraka in preverimo, ali si pravilno podajata podatke. Nato dodamo naslednjega. Za širšo predstavitev orodja in povezane članke je na Agital.si zbran pregled kaj je n8n in kako ga uporabljamo za AI avtomatizacijo.
Kocke se pri igri mehansko prilegajo. Pri avtomatizaciji moramo za to poskrbeti sami: naslednji korak mora dobiti prava polja, v pravem formatu in z dovoljenim dostopom. Prav razumevanje teh povezav je pomemben del učenja.
Praktična vaja: od povpraševanja do osnutka odgovora
Za prvo delavnico si predstavljajmo izmišljeno povpraševanje kupca. Ekipa želi iz njega izluščiti bistvo, določiti vrsto vprašanja in pripraviti osnutek odgovora. Namen vaje je razumeti tok podatkov; ne gre za opis že izvedenega projekta ali obljubo samodejne prodaje.
- Vhod: udeleženec vnese testno povpraševanje. Na začetku zadostuje ročni zagon s pripravljenim besedilom.
- Priprava podatkov: ločimo vsebino sporočila od drugih polj in preverimo, ali je vprašanje sploh podano.
- AI-obdelava: modelu naročimo, naj pripravi kratek povzetek, predlaga kategorijo in označi manjkajoče informacije.
- Preverjanje: preverimo obliko odgovora in dovoljene kategorije. Če podatek manjka ali rezultat ni uporaben, ga usmerimo v ročni pregled.
- Osnutek: iz preverjenih podatkov pripravimo predlog odgovora. Cene, roki in druge zaveze morajo izhajati iz potrjenih virov.
- Človeška potrditev: udeleženec pregleda rezultat. V učni vaji odgovora ne pošiljamo dejanski stranki.
Poskus nato ponovimo z nejasnim vprašanjem, praznim vnosom in sporočilom, ki vsebuje več različnih zahtev. Tako vidimo, kje se sestavljena rešitev ustavi in kaj mora pred nadaljevanjem razjasniti človek.
Katere kocke potrebujejo AI?
AI je v tej vaji uporaben pri razumevanju besedila in pripravi osnutka. Preverjanje obveznega polja, primerjava vrednosti ali izbira vnaprej določene poti pa so lahko navadna pravila. Na delavnici je koristno vsak korak vprašati: ali tukaj potrebujemo jezikovni model ali jasno pravilo?
S tem udeleženci razumejo tudi razliko med dobrim navodilom za AI in dobrim procesom. Navodilo določa nalogo modela. Proces poskrbi še za vhodne podatke, preverjanje, izjeme in odgovornost za naslednje dejanje.
Komu je takšna delavnica namenjena?
Poslovni uporabniki lahko prispevajo poznavanje dela: katera sporočila prihajajo, kaj običajno manjka in kakšen odgovor je sprejemljiv. Tehnični sodelavci pomagajo pri povezavah, dostopih in podatkovnih formatih. Skupaj lažje ugotovijo, kateri del naloge je primeren za avtomatizacijo.
Za uvodno vajo lahko uporabimo pripravljene korake in testne podatke. Pri samostojnem povezovanju poslovnih sistemov pa postanejo pomembni razumevanje API-jev, prijavnih podatkov in obravnave napak. Vizualni urejevalnik olajša pregled nad potekom, ne odpravi vseh tehničnih zahtev.
Pri praktičnih AI delavnicah za podjetja zato izhajamo iz predznanja skupine in konkretnega primera dela. Poslovna ekipa lahko več časa nameni pravilom in kakovosti rezultatov, tehnična pa integracijam in izvedbi prototipa.
Kaj pripraviti pred delavnico?
Izberite eno ponavljajočo se nalogo ter pripravite nekaj izmišljenih ali ustrezno anonimiziranih vhodov. Dodajte primer dobrega rezultata in vsaj en primer, pri katerem mora sistem vprašati človeka. Vnaprej uskladite tudi učne račune, dovoljene povezave in morebitne stroške klicev modela.
Pri opisu cilja si lahko pomagate s kontrolnim seznamom za brief AI delavnice ali pilotnega projekta. Dober cilj je na primer: »Ekipa sestavi in pojasni tok za razvrščanje testnih povpraševanj ter zna pokazati, kaj se zgodi pri nepopolnem vnosu.«
Od učnega prototipa do vsakodnevne uporabe
Rezultat dobro zastavljene vaje je razumljiv delovni tok, nabor testnih primerov in seznam odprtih vprašanj. Udeleženci naj znajo pokazati, kaj vsak korak prejme, kaj vrne in kako prepoznajo napako.
Pred uporabo na pravih podatkih sledijo še preverjanje dostopov, kakovosti rezultatov, stroškov, beleženja napak in načina vzdrževanja. Nekdo mora prevzeti odgovornost za proces tudi takrat, ko povezava odpove ali se vhodni podatki spremenijo.
Čar učenja z n8n je v tem, da lahko idejo opazujemo med delovanjem. Dodamo eno »kocko«, preverimo rezultat in razumemo naslednjo povezavo. Tako AI postopoma dobi jasno mesto v opravilu, ki ga ekipa že pozna.
