AI agenti i LLM integracija · Izrada
AI agenti koji pripreme slučaj, a odluku donosi čovjek
Gdje greška košta novac ili povjerenje, model priprema slučaj, a odlučuje čovjek. U njemačkoj finansijskoj instituciji operater je potvrdio svaki slučaj.
AngažmanPo satu · remote
Radno vrijeme9–18 CET · 4 h preklapanja
StackClaude Code · TensorFlow · Node.js
Dokaz2 projekta
Usluga u 4 dijela
01 · Za koga je
Tim koji želi model ili agenta u stvarnom procesu rada, gdje pogrešan potez košta novca ili povjerenja i neko za njega mora odgovarati.
02 · Šta smo napravili
- Kod provjere identiteta na daljinu za jednu njemačku finansijsku instituciju model je u oko 98% slučajeva bio siguran u svoju preporuku, a operater je potvrdio svaki slučaj. Tih 98% mjeri samo koliko je često model bio siguran.Projekat 10 →
- Jezički model u svakodnevnom inženjerskom radu: Claude Code piše integracije, komponente i testove za američki marketplace, a ništa što napiše ne ulazi u kod dok ne prođe automatske provjere tima.Projekat 03 →
- Popodne istraživanja u kojem je AI šest puta samouvjereno pogriješio, i to svaki put u korist urednijeg odgovora.Tekst →
U projektu verifikacije identiteta radio je model kompjuterskog vida, a ne jezički model. Način rada oko modela primjenjiv je i na jezički model: model predlaže, operater potvrđuje i upisuje razlog, a odluka se i kasnije može povezati s tim operaterom.
03 · Kako radimo
01 · DOSIJE SLUČAJASvaka odluka čuva se s razlogom, imenom osobe koja ju je donijela i historijom slučaja, pa izdrži i provjeru godinama kasnije.
02 · DOZVOLE PO AKCIJIDozvole se daju za svaku akciju posebno. U sistemu za verifikaciju identiteta operater koji nije imao dozvolu za neku akciju predavao je slučaj kolegi koji ju je imao. Agent dobija dozvole na isti način.
04 · Stack
Claude CodeTensorFlowNode.jsAWSdozvole po akcijizapisi odluka
Dokaz
Gdje smo ovo već radili
Projekat 10 · Identitet98%Kod provjere identiteta na daljinu za jednu njemačku finansijsku instituciju model je u oko 98% slučajeva bio siguran u svoju preporuku, a operater je potvrdio svaki slučaj. Tih 98% mjeri samo koliko je često model bio siguran.Pročitajte više o projektu →Projekat 03 · Platforme~50%Jezički model u svakodnevnom inženjerskom radu: Claude Code piše integracije, komponente i testove za američki marketplace, a ništa što napiše ne ulazi u kod dok ne prođe automatske provjere tima.Pročitajte više o projektu →BlogNajveća budala: šest samouvjerenih grešaka AI-ja za jedno popodnePopodne istraživanja u kojem je AI šest puta samouvjereno pogriješio, i to svaki put u korist urednijeg odgovora.Pročitajte tekst →
Česta pitanja
Pitanja o ovoj usluzi
Kad su u pitanju nacrti i prijedlozi, može. Sve što pomjera novac, mijenja zapis ili stiže do klijenta čeka da ga čovjek odobri, jer u regulisanim djelatnostima neko mora odgovarati za odluku.
Koliko je model siguran i koliko je tačan nisu ista mjera. Na projektu verifikacije identiteta pratili smo koliko je često model bio siguran, a nikad nismo utvrdili koliko je često bio u pravu. Sljedeći put ćemo mjeriti oboje.
Samouvjereni odgovori zasnovani na pretpostavkama koje niko nije naveo. Zato prvo tražimo pretpostavke, pa tek onda odgovor, i pitamo šta bi moralo biti tačno da bi rezultat bio pogrešan.
Sljedeći korak
Opišite problem i javit ćemo vam se s tri opcije.
Prvi poziv traje 30 minuta i ni na šta vas ne obavezuje.