אוטומציות הילאו קוד שלך קורסות כי הן חכמות מדי בשביל עצמן לוגיקת אמאז נוקשה הגזר דין מוות כשמתמודדים עם נתונים מבולגנים מהעולם האמיתי שגורמים למערכות לקרוס מדי יום ההנחה שינטונים הם נקיים היא החטאה קדמון של תכנון הילאו קוד בנינו את כל עולמנו על מודל האמאז, אך המודל הזה דורש ודאות מוחלטת כדי לתפקד נתוני העולם האמיתי אינם ודאיים, יש בהם שגיאות הקלדה, חסר בהם הקשר זהו זרם כאותי של טעויות אנוש, כאשר מערכת דטרמיניסטית נתקלת בסטייה של אחוז, היא לא מתגמשת ובטח שלא מסתגלת היא פשוט קורסת, זה יוצרת מלכודת השבריריות שבה האוטומציה חזקה רק כנקודת הנתונים הנקיע ביותר שלך בארגונים זהו רף נמוך מאוד להצלחה, אבל הבעיה אינה הנתונים, אלא המודל שאנו משתמשים בו כדי לאבד אותם מוט הדטרמיניזם, לוגיקה דטרמיניסטית היא שריד מעידן הנתונים המובנים זה עבד כשכל דבר חי בתבלת סיקואל וכשקפינו על בני אדם להיכנס לתבניות מוגדרות מראש אבל העולם הזה נעלם, כיום 80% מהנתונים הארגוניים אינם מובנים, מה שאומר שהם נמצאים באימיילים, בצ'טים ובהקלטות קוליות תהליכי Power Automate מסורתיים מתייחסים לטפוחים ולאי ארבעה טפוחים כשני עולמות שונים עבור מערכת בינרית, אלו מחרוזות שאין ביניהן שום קשר הגענו לנקודת שבירה שבה העלות של ניקוי נתונים ידני עולה כעת על הערך של האוטומציה עצמה אם אתה צריך להשקיע שאתה עם בתיקון קובץ CSV רק כדי שתהליך ירוץ במשך חמש שניות, לא באמת עשית האוטומציה לכלום פשוט העברת את העבודה למקום אחר בינה מלאכותית היא לא רק תכונה נוצצת חדשה שאנחנו מדביקים בצד של הפאוור פלטפורם זהו מעבר מהותי מהתאמה מדויקת לדמיון המודל הישן שואל, האם זה א', המודל החדש שואל, עד כמה זה דומה לו

אתה מחפש תבניות, אתה מחפש הקשר, אתה מזהה ש-INV-202 וחשבונית מספר 222 הם אותו דבר גם אם התווים לא תואמים מערכות דטרמיניסטיות לא יכולות לעשות זאת, הן עברות לכוונה, הן רואות רק את התחביר וככל שאנחנו מתקדמים לעבר 2026 התחביר הופך לפחות חשוב מהסמנטיקה אנחנו עדים לפיצוץ אדיר בנפח הנתונים מחיישני IOT, זרמים בזמן אמת וסיכומים שנוצרו על ידי מודלי שפה גדולים אם תנסה לנהל את הנפח הזה עם ענפי, אם אז, מקודדים מראש, הלוגיקה שלך תהפוך למבוך תסיים עם תהליכים שיש להם 50 תנאים מקוננים, והם עדיין יקרסו ברגע שספק ישנה את חתימת האימייל שלו מודל Hey If Then מניח עולם מושלם שבו הקלת תמיד יתאים לסכימה אבל במציאות זה בדיוק ההפך הנתונים הם המשתנה, הלוגיקה אמורה להיות הקבוע, אך הלוגיקה שלנו הייתה נוקשה מדי כדי לשרוד את המפגש עם המציאות בנינו בתי זכוכית בעולם שבו יורד ברד ללא הרף, ואז אנחנו תוהים מדוע הרצפה מלאה ברסיסים המעבר לייצוב הסתברותי עוסק בבנייה עם גומי במקום עם זכוכית מדובר ביצירת מערכות שיכולות לספוג את הפגיעה של שגיעת הקלדה מבלי להתרסה אנחנו מתרחקים מהרעיון שמערכת חייבת להיות צודקת בית מינוס מאה אחוזים או שגויה בית מינוס מאה אחוזים כי בעולם האמיתי שום דבר אינו מאה אחוזים אנחנו משקרים לעצמנו לגבי איכות הנתונים שלנו כבר עשורים בנינו חדרים נקיים ללוגיקה שלנו, ואז הופתענו כשנתונים מלוכלכים מצוות המחירות גרמו לקריסה מערכתית מות הדטרמיניזם הוא מות השקר הזה זוהי הודעה בכך שאיננו יכולים לשלוט בקלת, ולכן עלינו למודרניזציה של העיבוד אנחנו נכנסים לעידן הארגון המקורב, שבו אנחנו מקבלים שקרוב מספיק הוא למעשה טוב יותר ממדויק אך שגוי כי מערכת שיכולה לאבד התאמה של 90% היא בעלת ערך רב לאין שיעור ממערכת שדוחה כל מה שאינו התאמה של מאה אחוזים זהו לא רק שינוי טכני, זהו שינוי פסיכולוגי עליכם להשלים עם הרעיון שהמערכת שלכם עשויה להיות רק די בטוחה לגבי נתון מסוים עליכם ללמוד לעצב עבור ספק, כי ספק הוא הדרך היחידה הכנה לטפל במידע לא מובנה השינוי הזה דורש מאיתנו לעבור מטריגרים בינאריים למה שהוא מורכב הרבה יותר ציון ביטחון, הארכיטקטורה של איהוודאות אם נקבל את זה שעידן הלוגיקה הבינארית הסתיים, עלינו להחליף אותו במסגרת עבודה חדשה אני קורא לזה מודל התזמורת הסימפונית, בארכיטקטורת אית מסורתית, כולם סולנים שמנגנים לפי טבעי נגינה נוקשים ועם מישהו מפספס תו אחד, כל ההופעה נעצרת אבל בארכיטקטורה הסתברותית, יש לנו מנצחים דטרמיניסטים שמנהלים מוזיקאים הסתברותיים המנצח הוא ה-Power Automate Flow שלכם הוא מספק את המבנה, הוא קובע את הקצב, והוא מגדיר את הגבולות המוזיקאים הם מודלי ה-AI, הם מוכשרים, אך הם אקספר הסיביים והם לא תמיד פוגעים בדיוק באותו התדר בכל פעם שהם מנגנים התפקיד של המנצח הוא לא להכריח את המוזיקאים להיות רובוטים התפקיד הוא להקשיב להם ולהחליט עם הצליל שהם מפיקים טוב מספיק כדי להמשיך זה מביא אותנו לעמוד הסדרה של העיצוב המודרני, ציון הביטחון ציון ביטחון הוא ערך מ-0 עד אחד המחמת ספק זו הדרך של המודל לומר, אני חושב שזו התאמה, והנה כמה שאני מוכן להמר על זה בעולם הישן, היו לנו נתיבים מקובעים מראש אם נושא האימייל מכיל, חשבונית, אז שמור את הקובץ המצורף בעולם החדש, אנו משתמשים בניתוב מבוסס ביטחון אנחנו הופכים את הספק הפנימי של המודל לגלוי עבור המערכת אנחנו לא מתייחסים יותר ל-AI כאל קופסה שחורה, אלא כאל עד עם רמת אמינות ספציפית הנה איך בונים את זה בפועל בפאוור פלטפורם כשמשתמשים ב-AI בילדר או ב-Azure AI, לא מקבלים רק את הנתונים שחולצו מקבלים שכבת מטה-דאטה שחושפת את ההסתברות לכל שדה בנפרד אם המודל מחלץ סכום כולל של 1,500 דולר הוא גם אומר לך שהוא בטוח בית מינוס 95% במספר הזה כארכיטקט, יש לך כעת שלושה אזורי פעולה מובחנים ראשית, האזור הירוק ביטחון של 0.90 ומעלה סיכון השגיעה נמוך, עלות הטעות סבירה והתוצאה היא שאתה מבצע אוטומציה המערכת ממשיכה לפעול ללא התערבות אנושית שנית, האזור הצהוב ביטחון שבין 0.60 למד מינוס 0.89 המודל די בטוח, אבל לא ווודאי אולי המסמך היה מעט מטושטש או שאולי כתב היד היה לא ברור באזור זה, אתה מסמן המערכת מנתבת את הנתונים לבודק אנושי לבדיקה מהירה שלישית, האזור האדום ביטחון נמוך מ-0.60 המודל מנחש באזור זה, אתה דוחה או מעלה לדרג בכיר יותר אתה לא מאפשר לנתונים האלה להתקרב למסד הנתונים התפעולי שלך זוהי שכבה שקופה של ניהול סיכונים היא מאפשרת לך להרחיב את האוטומציה תוך שמירה על שסטום ביטחון חשוב על ההשלכות לגבי ממשל תאגידי במערכת דטרמיניסטית, טעויות הן שקטות תהליך רץ, בוחר מספר שגוי בגלל טעות הקלדה וחוטבת המספר השגוי ל-ERP שלך אתה לא מגלה זאת עד סוף הרבעון במערכת הסתברותית, לטעות יש סימן זיהוי המערכת יודעת שהיא מתקשה ואומרת לך, היי, איבדתי את זה אבל הביטחון שלי היה רק 62% זהו עוד רב עוצמה בצורה בלתי רגילה ומאפשר לך לבנות לוח מכוונים של ספקות אתה יכול לראות בדיוק היכן המודלים שלך נכשלים אתה יכול לראות אילו ספקים שולחים מסמכים שהיא AI לא מצליח לקרוא ולראות אילו שלבי תהליך מגיעים בעקביות לאזור הצהוב אתה לא סתם בונה תהליך, אתה בונה לולעת אינטליגנציה וכאן Azure AI וAI Builder באמת מראים את היכולות שלהם הם חושפים את הניקוד הזה ברמה מפורטת כך שניתן לראות את רמת הביטחון עבור טבלה, תא או כוונה ספציפיים אפשר אפילו להשתמש בפאור FX כדי ליצור ספי איכות דינמיים אולי עבור דו החוצאות של 50 דולר רמת ביטחון של 0.70 זה בסדר אבל עבור הזמנת רכש של 50 אלף דולר תרצה 0.98 סוף סוף אתה מתאים את הלוגיקה הטכנית לסיכון העסקי שלך התייחסנו לכל נקודת נתונים כאילו יש לה את אותו משקל אבל זה לא כך תכנון הסתברותי מאפשר לך להתייחס להחלטה בעלת סיכון גבוה בצורה שונה מאשר להחלטה בעלת סיכון נמוך אפילו באותו תהליך אתה כבר לא בונה עבור עולם מושלם אתה בונה עבור עולם שבו אתה יודע בדיוק כמה איוודאות אתה מוכן לסבול וברגע שתשלוט בניקוד תוכל להתחיל לבחון את הלוגיקה שמגשרת על הפערים התאמה מטושטשת, פאזי מאצ'ינג ולוגיקה סמנטית אבל איך אנחנו באמת מטפלים בנתונים שנמצאים בטווח הביניים של איוודאות אנחנו מתחילים בלהודות שהתאמה מדויקת נכשלת היא נכשלת כי חסר לה הקשר במודל הישן, אם בשם של ספק הייתה טעות של נקודה אחת, החיפוש נכשל החיפוש לא מתעניין בכוונה שלך, הוא מתעניין רק בערכי האסשי כאן נכנסת לתמונה ההתאמה המטושטשת זו טכניקה שמזהה ומקשרת רשומות לא זהות על ידי חישוב ציון דמיון והיא משמשת כגשר בין IBM ל-IBM וההשפעה אינה תיאורטית מחקרים מראים שהתמעת התאמה מטושטשת יכולה לשפר את שיעורי ההתאמה שלך בעד 24% אלו 24% מהנתונים שלך שבעבר היו נדחים או נשלחים לאדם לתיקון ידני בסביבה עם נפח עבודה גבוה, זה מייצג אלפי שעות עבודה שנחסכו אבל עליך להבין את המנגנון ישנן שתי דרכים עיקריות לחשוב על זה ראשית, לוגיקה מבוססת תווים זה נקרא לעיתים קרובות מרחק לבנשטיין זה סופר את מספר העריכות הנדרשות כדי להפוך מחרוזת אחת לאחרת זה מושלם לתיקון שגיאות הקלדה אם מי שהוא כותב manage במקום management המערכת רואה את ה-O וה-C החסרים היא מחשבת את המרחק ומזהה שהם כמעט זהים שנית, יש לנו לוגיקה סמנטית כאן הדברים נהיים מעניינים ללוגיקה סמנטית לא אכפת מהאיות אכפת לה מהמשמעות אם מערכת אחת אומרת customer והשנייה אומרת client התאמה מבוססת תווים תיקשל בכל פעם אבל מודל סמנטי יודע שאלו הם אותו הדבר זה המעבר מהתאמת תווים להתאמת מושגים כשמשלבים ציוני ביטחון עם התאמה עמומה fuzzy matching יוצרים מערכת שמסוגלת לנווט במציאות המבולגנת של נתונים עסקיים אתם כבר לא מוגבלים על ידי חוקים נוקשים שנשברים ברגע שבן אדם עושה טעות הקלדה אתם בונים מערכת שמבינה דקויות וכך עוברים מאוטומציה פשוטה לבינה דיגיטלית אמיתית על ידי בניית תהליכי עבודה בעלי תיקון עצמי גם אם התאמה עמומה מהטובות בעולם עלינו להשלים עם המציאות שבינה מלאכותית עדיין הוזה כך הטכנולוגיה עובדת כרגע נתונים עדכניים מראים שאפילו למודלים המתקדמים ביותר יש שיעורי הזיה של 15 עד 20 אחוזים אם אתם בונים מערכות לעסק אי אפשר להתעלם משיעור כישלון של 1 לחמישה ובטח שאי אפשר לפתור את זה רק באמצעות הנדסת פרומפטים עליכם לקבל את העובדה שהגאה לשיעור הזיה של 0 אחוזים היא לא טריק קסמים זו בחירה ארכיטקטונית מכוונת זה השלב שבו אנחנו עוברים מעבר לאוטומציה פשוטה ומתחילים לבנות תהליכי עבודה עמידים עם תיקון עצמי אנחנו עושים זאת באמצעות מבנה שאני מכנה דפוס עימות דו-מסלולי ומשמש כבלם שמגן על הנתונים האמיתיים שלכם מפני הדמיון היצירתי של הבינה המלאכותית יש כלל יסוד אחד לארכיטקט המודרני לעולם אל תתנו למודל שפה גדול לבצע חישובים מתמטיים מודלי שפה הם מנועים להסקה רכה מה שהופך אותם למצוינים בהבנת כוונה או מציאת פרט ספציפי בתוך הרמת טקסט מבולגנת עם זאת הם לא אמינים סטטיסטית כשזה מגיע לחשבון בסיסי אם תבקשו מבינה מלאכותית לשלוף שלושה פריטים מחשבונית ולחשב את הסך הכל אתם בעצם מבקשים מהמערכת להיכשל בתכנון של תיקון עצמי משתמשים במודל השפה לחלק של ההסקה הרכה כמו שליפת נתונים מקובץ PDF מבולגן ברגע שיש לכם את המספרים האלה אתם מעבירים אותם למערכת דטרמיניסטית שתטפל בעילוצים הקשיחים תהליך ה-Power Automate שלכם או מנוע חוקים בסיסי צריכים להיות אלו שמבצעים את החיבור הם צריכים להיות אלו שבודקים את המס או מבדאים את המרת המטבע אם המודל טוען שהסך הכל הוא 500 דולר אבל החישוב שלכם מראה שזה צריך להיות 480 דולר המערכת זייתה הזיה בזמן אמת במקום לקרוס, המערכת מפעילה מסלול התאוששות היא עשויה לנסות פרומפט אחר או לסמן את השגיאה לבדיקה אנושית זה ההבדל בין תהליך שנשבר לבין תהליך שבאמת מתקן את עצמו אנחנו רואים את אותו שינוי קורה באוטומציה של תהליכים רובוטיים RPA RPA מסורתי הוא שברירי מאוד כי הוא תלוי בקאורדינטות מדויקות על המסך אם כפתור זז רק 3 פיקסלים שמאלה כל הבוט נכשל RPA בעל ריפוי עצמי משנה זאת על ידי שימוש בראייה הסתברותית הבוט כבר לא מחפש קואורדינטות פיקסל ספציפיות במקום זאת הוא מחפש את הכפתור שנראה כמו סמל שמירה ליד ראש העמוד כשהממשק משתנה הבוט משתמש בהקשר כדי להסתגל תוך כדי תנועה הוא מזהה את המבנה החדש מעדכן את הלוגיקה שלו ומשלים את המשימה זה יוצר לולאה חסינה שבה המערכת מזהה קשל פוטנציאלי ובונה גשר לפתרון עוד לפני שהמשתמש מבין שהייתה בעיה השינוי הזה מסית את המיקוד שלנו משיעורי הצלחה לשיעורי התאוששות אנחנו מפסיקים לנסות להפוך את הבינה המלאכותית למושלמת מה שבלתי אפשרי ממלא ומתחילים להפוך את המערכת לבלתי ניתנת להיראור מדובר בבניית שכבת איזונים ובלמים בתוך כל עסקה בודדת עליך להתייחס לבינה המלאכותית כמו אל מתמחה מהיר שמוסך בקלות נותנים לו לעשות את העבודה הקשה של קריאת אלפי מיילים אבל לעולם לא נותנים לו לחתום על צ'קים בלי שמבקר בכיר יעמת את החתימה במקרה הזה הקוד הדטרמיניסטי שלך הוא אותו מבקר על ידי הפרדת החשיבה מהחישוב אתה בונה מערכת שמתמודדת עם הבלגן של השפה האנושית תוך שמירה על דיוק של שעון שוויצרי כך מעבירים את הבינה המלאכותית משלב הבדיקות אל ליבת העסק שלך אתה לא סומך על המודל אתה סומך על הארכיטקטורה שבנית סביבו אתה יוצר רשת ביטחון כל כך חזקה שהמעידה המקרית של המודל אפילו לא נחשבת לשגיאה היא פשוט הופכת לחלק נוסף במחזור התיקון העצמי זה נשמע מצוין במעבדה אבל בייצור צוואר הבקבוק הגדול ביותר הוא לא הבינה המלאכותית אלא המציאות של אדם בלולאה זה נשמע מצוין במעבדה אבל בייצור צוואר הבקבוק הגדול ביותר הוא לא הבינה המלאכותית אלא האדם אנחנו בדרך כלל מדברים על אוטומציה כאילו זו בחירה פשוטה בין אדם למכונה אבל ההסתברות דוחפת אותנו לאזור אמצע מבולגן מדדי התעשייה מראים אמת די מפוקחת קף מינוס 50% מתהליכי העבודה של בינה מלאכותית עדיין זקוקים למומחה שיבדוק אותם לפני סיומם זו הסיבה העיקרית לכך שאנחנו רואים משבר במעבר מפיילוט לייצור אם מסתכלים על המספרים, 88% מפרויקטי הפיילוט של בינה מלאכותית נכשלים תוך שנה הם לא נכשלים כי הטכנולוגיה מקולקלת הם נכשלים כי האנשים שמתכננים אותם מנסים להפוך 100% מהמשימה לאוטומטית מוקדם מדי הם בנו מערכת שעובדת על נתוני בדיקה נקיים אבל הלוגיקה נשברת ברגע שהיא פוגשת את החיכוך של מחלקה אמיתית כשאתה מתעלם מהגורם האנושי, אתה יוצר נטל אימות אם הבינה המלאכותית שלכם חוסכת 10 דקות של הזנת נתונים אבל מוסיפה 50 דקות של בדיקת העבודה כי הצוות לא סומך עליה למעשה איבדתם פרודוקטיביות בניתם נטל במקום נכס תכנונים מוצלחים בשנת 2020 ושש התייחסו לעבודת אימות כאל תכונה ראשונית הם לא רואים בביקורת אנושית כישלון של המערכת במקום זאת, הם רואים בה חלק הכרחי מהארכיטקטורה הם משקללים את עלות הבדיקה הזו בתוך החזר ההשקעה מהיום הראשון הסוד כדי שזה יעבוד הוא היגיון ביקורת מדורג כך מרחיבים פעילות בלי לאבד את השפיות עסקאות בביטחון גבוה קורות בשקט אם המודל בטוח בית מינוס 98% והחישוב נכון המערכת פשוט ממשיכה הלאה אבל מקרים בביטחון נמוך כמו האזור הצהוב שדיברנו עליו יפעילו הסלמה זה משנה לחלוטין את התפקיד האנושי אנחנו עוברים מהזנת נתונים לעבר ביקורת נתונים במודל הישן, האדם היה המנוע כי הוא עשה את כל ההקלדה והלחיצות במודל החדש, האדם הוא המפקח הם מטפלים בחריגים ומספקים את הדקויות שמודל הסתברותי לא ממש יכול להבין חשבו איך זה מרגיש עבור הצוות כשאנשים יודעים שהם צריכים להסתכל רק על 5% מהמקרים שהם באמת קשים הם נשארים הרבה יותר מעורבים הם כבר לא משועממים מהשגרה הם מאותגרים על ידי המורכבות של המקרים הקשים אבל אתם חייבים לבנות את הממשק הנכון כדי שזה יעבוד אי אפשר פשוט לשלוח אימייל שאומר שמשהו השתבש צריך להראות השוואה זה לצד זה הראו לאדם את מסמך המקור הראו מה הבינה המלאכותית חילצה והדגישו בדיוק את השדה שבו ציון הביטחון ירד אם אתם רוצים להתרחב אתם חייבים להפסיק להתנהג כאילו ביקורת אנושית מידע על אוטומציה חלשה זה למעשה ההפך אדם שמשולב היטב הוא מה שהופך מערכת הסתברותית לחזקה מספיק כדי לשרוד בעולם האמיתי זהו השכבה הסופית של הארכיטקטורה לתיקון עצמי שלכם העתיד הסוכן אנחנו מסתכלים לעבר אופק חדש שנקרא הארגון הסוכן זוהי נקודת הסיום הלוגית לכל מה שדענו בו היום אנחנו עוברים לעולם שבו סוכנים הם כבר לא רק סקריפטים פשוטים או תהליכים בסיסיים

היא עוברת מבני אפליקציות סטנדרטי למרכז תזמור מלא במודל הישן בניתם אפליקציה ספציפית כדי לפתור בעיה ספציפית אבל במודל הסוכן אתם בונים סביבה שבה סוכנים פותרים את הבעיות האלו עבורכם הסוכנים האלו לא סתם עוקבים אחרי רשימה סטטית של צעדים הם בוחנים את הסביבה שלהם מעריכים את רמת הביטחון העצמי שלהם ומחליטים איזה כלי הוא אכן הנכון לשימוש בשלב הבא עד שנת 2026 הממשל יראה אחרת לגמרי ממה שנראה לפני שנתיים כלים כמו פורוו וסנצינר עוברים לכיוון של זיהוי אנומליות הסתברותי הם כבר לא רק מחפשים סיסמה שדלפה במקום זאת הם מחפשים דפוסי התנהגות שפשוט לא נראים תקינים הם מיישמים את אותו היגיון דמיון שאנחנו משתמשים בו לחילוץ נתונים על ההבטחה של כל הדייר שלכם השינוי הזה הוא קבוע אנשים שדבקים בלוגיקט אם אז נוקשי יישארו לנהל מערכות שבורות וצוותים מתוסכלים הם יהיו תקועים במעגל של תחזוקה מתמדת בניסיון לתקן בית זכוכית שמעולם לא נבנה למזג אוויר כזה הארגון הסוכן מתחיל בתובנה אחת אנחנו לא צריכים לשלוט בכל משתנה כדי לקבל תוצאה אמינה אנחנו רק צריכים לשלוט בארכיטקטורה התפקיד שלנו הוא להגדיר את הספים ולקבוע את הגבולות כדי שהסוכנים יוכלו לעבוד בתוכם בעולם הזה ההיגיון העסקי שלכם הופך לגמיש הוא נמתח כדי להתמודד עם ספק חדש או פורמט מסמך שונה מבלי שיהיה צורך במפתח שיכתוב מחדש אפילו שורת קוד אחת זו ההבטחה האמיתית של Low Code זו היכולת לנוע במהירות המחשבה במקום במהירות התחביר אבל כדי להגיע לשם אתם חייבים להתחיל היום תפסיקו לבנות עבור עולם מושלם ותתחילו לבנות עבור העולם המבולגן שאנחנו באמת חיים בו אתם חייבים לאמץ את הספה אתגר יישום הנה שיעורי הבית שלכם לשבוע הקרוב אני רוצה שתמצאו את תהליך העבודה עם אחוז הקשלים הגבוה ביותר שלכם אל תבחרו את המורכב ביותר אלא מצאו את זה שקורס הכי הרבה בגלל נתונים גרועים המטרה היא לא לתקן את הנתונים אתם לא יכולים לשלוט במה שהמשתמשים או הספקים שלכם מחליטים לשלוח לכם במקום להילחם במציאות הזו אני רוצה שתוסיפו סף ביטחון הכנסו לאיי בילדר או לפעולת ה-LLM שלכם וחשפו את ציון ההסתברות הזה צרו תנאי פשוט אם ציון הביטחון נמוך מ-85% אל תתנו לתהליך לקרוס נתבו את המקרה הספציפי הזה לתיקיית בדיקה או לרשימת שירפוינט לבדיקה ידנית צפו מה קורה לשיעור ההצלחה שלכם אתם תראו את הלחץ עוזבת המערכת שלכם ברגע שתפסיקו להעמיד פנים שכל כלת יהיה מושלם אם השינוי הזה בחשיבה שינה את הגישה שלכם עקבו אחרי מרקו פיטרס בלינקטין אני משתף ללא הרף ניתוחים מעמיקים של דפוסי ארכיטקטורה אלו שתפו זאת עם הצוות שלכם במיוחד עם התהליכים שלכם קורסים כרגע אנחנו צריכים להפסיק לבנות מזכוכית ולהתחיל לבנות עם כוונה זו הטכניקה והיא מקצרת את זמן ההשבטה שלך בחצי ברגע שתתחיל לתרגל אותה אם ברצונך לראות את הגרסה המתקדמת שבה משתמשים המקצוענים צפה בסרטון הבא הרשמו לערוץ לעוד מדריכים תפסיקו להילכם במציאות המבולגנת של הנתונים שלכם ותתחילו לתכנן לפיה כשמשתמשים בציוני ביטחון הופכים תהליכים שבירים למערכות גמישות שבאמת עובדות אבל הנה העניין המודל עובד רק אם בונים אותו נכון אם ברצונך לראות בדיוק איך להגדיר את זה בקופילות סטודיו צפה בסרטון הבא עכשיו ואם זה שינה את הדרך שבה אתה חושב על בינה מלאכותית עקוב אחריי בלינקטין או הרשם לה Master of a New Model