Marta Zelazna prowadzi biuro rachunkowe w Gdyni. Obsługuje 23 klientow i przez lata wypracowala rutyne, ktora dziala, ale pochłania czas. Opisywanie faktur kosztowych, kategoryzowanie wydatkow, wstepne przygotowanie not ksiegowych. Codziennie okolo 90 minut na same opisy.
Punkt wejscia w temat AI
Nie byl to kurs ani ksiazka. Marta trafiła na post w grupie dla ksiegowych, gdzie ktos opisal, jak uzywa modelu jezykowego do generowania opisow na podstawie danych z faktury. Wkleila przykladowe dane i dostala tekst, ktory wymagal tylko drobnej korekty. Zamiast pisac od zera, zaczela poprawiac. To zmienilo charakter pracy z tworzenia na weryfikacje.
Granice tego podejscia
Po kilku tygodniach Marta zauwazyla, ze model czasem kategoryzuje wydatki zbyt ogolnie i wymaga doprecyzowania kontekstu. Dla faktury za usługi IT od nieznanego dostawcy AI nie wie, czy to koszt marketingowy, czy infrastrukturalny. Marta musi to rozstrzygnac sama. Narzedzie skrocilo czas opisow z 90 do okolo 35 minut dziennie, ale nie wyeliminowalo potrzeby merytorycznej oceny.
Czego ten przypadek uczy o AI
Sztuczna inteligencja nie rozumie kontekstu biznesowego klienta. Przetwarza tekst i wzorce. Dla Marty to wystarczy jako wsparcie, nie jako zamiennik. Osoby, ktore nie maja czasu na teorie, moga zaczac dokladnie tak jak ona: od jednego powwtarzalnego zadania i sprawdzenia, czy AI robi to wystarczajaco dobrze, zeby warto bylo kontynuowac.