Gå til indhold
UNI4C
Alle indlæg

Hvad er et semantisk lag til en ERP-assistent?

En definition, og hvorfor laget skal bygge sig selv: et lag, der kræver et projekt, forbliver tomt, og uden det gætter assistenten på jeres begreber.

Tjekket 5 min læsning

Et semantisk lag er et sæt forretningsbegreber og metoden til at beregne hvert enkelt. Det gør et ord som »forfalden« til en forespørgsel, som alle i virksomheden er enige om.

Business intelligence-teams har bygget den slags i tredive år. Det nye er, at en AI-assistent har mere brug for et, end et dashboard nogensinde havde, og at det ikke kan bygges på den måde, de gamle blev bygget på.

Hvad indeholder et semantisk lag?

To slags opslag, og de opfører sig forskelligt.

Et forretningsbegreb. Et navn, en definition i ord, og den forespørgsel, der beregner det. For eksempel:

Over kreditmaksimum. En kunde, hvis saldo på åbne debitorposter overstiger Kreditmaksimum (RV) på debitorkortet. Spærrede kunder er ikke med.

Opslaget bærer forespørgslen som en opskrift, der kan køres, ikke som en beskrivelse. Næste svar kører den igen i stedet for at udlede den forfra. Et begreb ligger altid på selskabsniveau, fordi en definition, der kun gælder for én person, ikke er en definition.

En huskenote. En erfaring, en præference eller en rettelse. For eksempel: dette selskab rapporterer i DKK, selv om flere projekter faktureres i EUR, så omregn før totaler på tværs af projekter. En huskenote kan ligge på selskabsniveau eller brugerniveau, fordi en måde at arbejde på kan tilhøre én person.

Hvorfor har en assistent brug for et?

Fordi jeres spørgsmål er kortere end det, I mener.

»Hvor meget fakturerede vi sidste måned?« indeholder fire beslutninger, assistenten skal træffe: hvilke bilagstyper der tæller med, hvilket datofelt der afgør måneden, hvilket selskab eller hvilke selskaber, og om kreditnotaer trækker fra. Jeres økonomiafdeling afklarede dem for år tilbage og lægger ikke længere mærke til dem.

Uden et fælles lag træffer assistenten de fire beslutninger selv ved hvert spørgsmål. Den vil være i overensstemmelse med sig selv, men ikke med jer, og forskellen vil være lille nok til at overleve en gennemgang.

Hvorfor skal laget bygge sig selv?

Fordi et lag, der kræver et projekt, forbliver tomt.

Det er den del, den traditionelle tilgang tager fejl af. Det klassiske semantiske lag bliver bygget først: nogen modellerer begreberne, nogen andre validerer dem, og værktøjet bliver nyttigt til sidst. I en konsulentopgave tager det måneder, og virksomheder vil ikke betale for det, før de har set en værdi.

Så rækkefølgen skal vendes om. Assistenten skal være nyttig på dag ét og skrive laget som et biprodukt af at blive brugt.

Arbejdsgangen ser sådan ud:

  1. Den lægger mærke til noget. Når noget bliver afklaret i en samtale, skriver assistenten et opslag. I rettede et tal. I sagde, hvad et begreb betyder. Den fandt ud af, hvilken tabel der faktisk indeholder svaret.
  2. En anden agent kontrollerer det. En mindre model læser den samtale, der skabte opslaget, inklusive de forespørgsler, der kørte, og de nærmeste opslag. Den godkender, skriver det mere præcist om, erstatter et ældre opslag, det modsiger, eller afviser det med en begrundelse.
  3. Det bliver taget i brug. Fra da af når opslaget frem til samtaler: via navnet, gennem det værktøj, det hører til, eller efter betydning.
  4. Det bliver holdt ved lige. Opslag med en forespørgsel bliver kørt igen efter en plan. Et, der holder op med at give data, bliver markeret forældet med begrundelsen.
  5. I kan gribe ind. Hele laget er en liste. Læs den, sortér efter hvor tit hvert opslag er brugt, redigér, slet eller tilføj i hånden.

Ingen skriver det første opslag. Det er kravet, ikke en funktion.

Hvem godkender et opslag?

Som standard den kontrollerende agent. Den aktiverer opslaget, som bliver stående i listen, så en administrator kan efterprøve det.

Et selskab kan skifte politikken til menneskelig gennemgang. Et opslag på selskabsniveau venter så som en anbefaling, indtil en administrator bekræfter det. Huskenoter på brugerniveau er ikke berørt.

Grunden til, at den anden agent er standarden, er, at alternativet ikke sker. En kø, der kræver et menneske, er en kø, der vokser. En kontrol udført af en model, som et menneske kan efterprøve bagefter, giver et lag, der findes.

Hvordan når et opslag frem til en samtale?

Fire veje, og forskellen betyder noget for, hvordan laget opfører sig, når det vokser.

Via navnet. Et begreb bliver en kandidat, når dets titel eller et udløsende nøgleord står i beskeden, og en lille læsemodel afgør, hvilke kandidater der gælder. Ud over dem ser assistenten en kort liste med titler og kan søge efter resten.

Gennem et værktøj. Et opslag kan hægte sig på et resultat. En regel om sagsposter kommer med ved den første forespørgsel på sagsposter og bliver i sessionen.

Efter betydning. Hver besked kører en vektorsøgning over huskenoterne. Et tæt match kommer i fuld længde, et svagere som en titel, assistenten kan åbne.

Gennem forbindelsen. Et opslag kan bindes til ét selskab, ét miljø eller alle forbindelser af en type, så en regel om en sandkasse ikke følger med ind i produktion.

Kun via navnet holder ikke, når laget vokser, for ingen bruger den præcise titel. Kun efter betydning er uforudsigeligt. Der er brug for begge dele.

Hvad kan gå galt?

Laget lærer noget forkert. Det er derfor, gennemgangen findes, derfor et opslag kan afløses i stedet for at blive duplikeret, og derfor listen kan redigeres.

En definition bliver forældet. Et begreb, der var sandt før en ændring i kontoplanen, er nu forkert og stadig selvsikkert. At køre den gemte forespørgsel igen efter en plan fanger en god del af dem, for en definition, der holder op med at give data, er som regel en definition, der er holdt op med at være sand.

Laget bliver endnu en sandhed. Det må det ikke. Opslaget gemmer, hvordan et tal beregnes ud fra jeres system. Det gemmer ikke tallet.

Opslaget i laget fejler. Kan indekset ikke nås, bør runden køre uden laget og ikke sige noget om det. Et ødelagt videnslag må aldrig ødelægge et svar.

Testen, der fortæller jer, om det virker

Stil assistenten det samme spørgsmål to gange med en måneds mellemrum og en rettelse imellem.

Kræver det andet svar den samme rettelse, findes der ikke noget lag. Gør det ikke, laver laget sit arbejde, og værdien vokser derfra.

Spørgsmål og svar

Hvad er et semantisk lag?
Et semantisk lag er et sæt forretningsbegreber og metoden til at beregne hvert enkelt. Det gør et ord som forfalden til en forespørgsel, som hele virksomheden er enig om.
Hvorfor skal et semantisk lag bygge sig selv?
Et lag, der kræver et projekt, forbliver tomt. Virksomheder har ikke tid til at skrive definitioner, før de ser en værdi, så assistenten skal skrive et opslag, når en definition bliver afklaret i en samtale.
Hvem godkender et opslag i det semantiske lag?
En anden og mindre model læser den samtale, der skabte opslaget, og godkender, omskriver, erstatter eller afviser det. Et selskab kan kræve, at en administrator bekræfter opslag på selskabsniveau.

Kilder

Vi tjekker enhver ekstern påstand på den viste dato. Microsoft flytter funktioner mellem udgivelsesbølger, så tjek siden igen, før I læner jer op ad den.

  1. 01FinGround: Detecting and Grounding Financial Hallucinations via Atomic Claim VerificationarXiv · Kilder tjekket
  2. 02Aged Accounts Receivables (report 120)Microsoft Learn · Kilder tjekket

Se det på jeres eget regnskab

Start en prøveperiode i portalen, og prøv den på jeres egne data, eller book en halv time med os, og se den på en tenant, der er sat op som jeres.

Eller skriv til os på hello@uni4c.ai