
Klient zamawia cztery kanistry płynu do podłóg i dwa kartony płynu do szyb. Godzinę później zwiększa liczbę kanistrów do sześciu. Następnie przesuwa dostawę. Osoba przepisująca zamówienie musi zebrać te wiadomości, zachować niezmienione pozycje i ustalić aktualny termin.
Na takim fikcyjnym wątku sprawdziłem odczyt przez Gemini 3.8 Flash. Model otrzymał wszystkie trzy maile oraz krótką kartotekę produktów. Poniżej pokazuję jego zapisaną odpowiedź obok korespondencji i wyjaśniam, co jeszcze powinno się wydarzyć przed zapisaniem zamówienia w firmowym programie.
Co AI musi dostać oprócz treści maila
Samo „2 kartony SZY-1” nie określa jeszcze liczby butelek. W przykładzie model korzysta z kartoteki, która wiąże kod produktu z nazwą i wielkością opakowania. Dla płynu do szyb karton zawiera 12 butelek.
| Kod produktu | Nazwa | Jednostka w zamówieniu | Zawartość kartonu |
|---|---|---|---|
| PLY-5 | Płyn do podłóg 5 l | kanister | 1 kanister |
| SZY-1 | Płyn do szyb 1 l | butelka | 12 butelek |
| WOR-120 | Worki 120 l, rolka 10 sztuk | rolka | 20 rolek |
| MYD-5 | Mydło w płynie 5 l | kanister | 1 kanister |
To przygotowana kartoteka do testu. W firmie źródłem tych danych powinien być utrzymywany spis towarów. Zmiana wielkości opakowania musi trafić również do rozwiązania odczytującego zamówienia.
Drugą częścią są zasady. Model dostał polecenie, żeby późniejszą jawną korektę traktować jako zastąpienie wcześniejszej wartości. Cytat starej wiadomości nie miał zmieniać aktualnego zamówienia. Przy niejasnej ilości albo sprzecznej dacie odpowiednie pole miało zostać puste, ze wskazaniem problemu.
Trzy wiadomości i końcowy szkic zamówienia
Wiadomości M1, M2 i M3 należą do tego samego przygotowanego przypadku. Model otrzymał je razem, w jednym wywołaniu. Nie testowałem tu samodzielnego rozpoznawania wątków w skrzynce ani zapamiętywania zamówienia między kolejnymi mailami.
T02: Korekta ilości i terminu
Fikcyjne wiadomości · zapis testu z 10.10.2026 · Gemini 3.8 Flash
Wiadomości przekazane do modelu
Przekazane załączniki: brak. Każda próba otrzymała również kartotekę produktów i te same zasady odczytu.
Odpowiedź modelu: próba 1
Do sprawdzenia przez pracownika
Dostawa: 14.10.2026
Płyn do podłóg 5 l
PLY-5
Ilość: 6 · jednostka: kanister
Źródło ilości: M2
Płyn do szyb 1 l
SZY-1
Ilość: 24 · jednostka: butelka
Źródło ilości: M1
Komentarz modelu (zapis oryginalny)
Zamówienie przetworzone poprawnie. Uwzględniono korektę ilości PLY-5 do 6 kanistrów oraz przesunięcie terminu dostawy na 14.10.2026.
Ocena sprawdzanych pól: zgodne z oczekiwaniem. Ten zapis nie zatwierdza zamówienia.
Odpowiedź modelu: próba 2
Do sprawdzenia przez pracownika
Dostawa: 14.10.2026
Płyn do podłóg 5 l
PLY-5
Ilość: 6 · jednostka: kanister
Źródło ilości: M2
Płyn do szyb 1 l
SZY-1
Ilość: 24 · jednostka: butelka
Źródło ilości: M1
Komentarz modelu (zapis oryginalny)
Uwzględniono korektę ilości PLY-5 do 6 kanistrów oraz przesunięcie terminu dostawy całego zamówienia na 14.10.2026.
Ocena sprawdzanych pól: zgodne z oczekiwaniem. Ten zapis nie zatwierdza zamówienia.
W obu próbach model zwrócił sześć kanistrów płynu do podłóg, 24 butelki płynu do szyb i dostawę 14 października. Przy ilości kanistrów wskazał M2, czyli wiadomość z korektą. Dla butelek zachował M1. Źródła ilości są częścią odpowiedzi modelu; nazwy produktów w widoku pochodzą z kartoteki.
Poniższe porównanie pokazuje, co zmieniło się w zamówieniu. Kolumna początkowa jest wyliczona z pierwszego maila na potrzeby objaśnienia. Nie jest wynikiem osobnego wywołania modelu.
| Pole | Po pierwszej wiadomości, przed korektami | Odpowiedź modelu po całym wątku | Źródło zmiany |
|---|---|---|---|
| Płyn do podłóg | 4 kanistry | 6 kanistrów | M2 |
| Płyn do szyb | 2 kartony, czyli 24 butelki | 24 butelki | Bez zmiany, M1 |
| Termin dostawy | 12.10.2026 | 14.10.2026 | M3 |
Wynik sprawdzono programowo względem danych ustalonych przed testem. Model zwracał je w formacie JSON, czyli zapisie z osobnymi polami dla ilości, terminu i innych danych. Google udostępnia wymuszanie takiej struktury odpowiedzi (otwiera się w nowej karcie). Ustalony format ułatwia porównanie pól, ale nadal trzeba sprawdzić ich treść.
Korekta nie powinna tworzyć drugiego zamówienia
W przykładzie słowa „6 kanistrów zamiast 4” oznaczają zastąpienie ilości. Końcowa liczba to sześć. Zachowane zostają butelki płynu do szyb, bo klient ich nie zmienił.
Przy podłączaniu poczty trzeba jednak rozwiązać wcześniejszy problem: ustalić, do której sprawy należy nowy mail. Numer zamówienia i identyfikatory wiadomości mogą w tym pomóc. Sam podobny temat bywa niewystarczający, zwłaszcza gdy klient odpowiada w starym wątku, ale zamawia ponownie.
| Co przyszło | Proponowane zachowanie rozwiązania |
|---|---|
| Ta sama wiadomość pobrana ponownie | Rozpoznać identyfikator i nie tworzyć kolejnego szkicu |
| „6 zamiast 4” z odniesieniem do znanego zamówienia | Przygotować zmianę ilości w tej sprawie |
| „Proszę powtórzyć zamówienie na przyszły tydzień” | Przygotować nowy szkic na podstawie wskazanej historii |
| Poprawka bez jasnego powiązania z zamówieniem | Poprosić pracownika o przypisanie wiadomości do sprawy |
To propozycja reguł dla pełnego rozwiązania. Test odczytu nie obejmował pobierania poczty ani wykrywania powtórzeń. Jeżeli zamówienie zostało już zatwierdzone, późniejsza wiadomość powinna tworzyć widoczną propozycję zmiany. Wcześniejszy zapis musi pozostać do porównania.
Kiedy zamówienie wymaga wyjaśnienia
W innym przypadku klient napisał „2 opakowania SZY-1”. Model pozostawił ilość pustą i wskazał niejasną jednostkę. Przy sformułowaniu „w środę 12.10.2026” nie wybrał samodzielnie terminu, bo data wypada w poniedziałek. Oba zachowania były zgodne z instrukcją testową.
Brakujący załącznik również powinien zatrzymać odczyt pozycji. Samo zdanie „zamówienie w załączniku” nie dostarcza nazw towarów. Trzeba najpierw sprawdzić, czy plik dotarł do skrzynki i czy program przekazał go do odczytu. W naszym teście komentarz modelu pochopnie przypisał brak pliku do wysyłki wiadomości. Ten problem opisuję szerzej w artykule o sprawdzaniu automatyzacji AI.
Pracownik powinien zobaczyć powód zatrzymania obok oryginalnej treści. Wtedy może doprecyzować ilość z klientem albo sprawdzić załącznik. Ogólne oznaczenie „błąd” nie mówi mu, co zrobić dalej.
Co sprawdza program, a co zatwierdza człowiek
W małej próbie model sam przeliczał kartony i rozpoznawał sprzeczność daty z dniem tygodnia. Przy wdrożeniu te kontrole powierzyłbym również zwykłym regułom programu: mnożeniu przez wielkość opakowania i sprawdzeniu kalendarza. Odczyt z tekstu nadal wymaga porównania ze źródłem.
Przed zatwierdzeniem osoba obsługująca zamówienie potrzebuje aktualnego szkicu, wiadomości oraz wykazu zmian. Powinna też widzieć wynik sprawdzenia produktów i dostępności towaru, jeżeli system ma dostęp do takich danych. Status „do sprawdzenia” nie jest zgodą na realizację. W testowych odpowiedziach nie ma statusu oznaczającego zatwierdzenie.
Możliwość zapisania szkicu zależy od programu używanego w firmie. Jeżeli udostępnia odpowiednie połączenie, można przygotować zapis do niego. W innym przypadku wynikiem może być plik do wczytania albo zestawienie do ręcznego przeniesienia. Wybór wymaga sprawdzenia konkretnego programu, uprawnień i tego, jak obsługuje zmiany istniejącego zamówienia.
Od takiego przykładu do próby w firmie
Ten wątek należał do zestawu ośmiu fikcyjnych przypadków, uruchomionych po dwa razy. Model zwrócił oczekiwane pola we wszystkich 16 odpowiedziach, ale zestaw był mały i obejmował wybrane sytuacje. Komentarze pokazały też problem z twierdzeniami wykraczającymi poza dostępne dane. Pełny zapis testu zawiera oryginalne odpowiedzi oraz reguły oceny.
Do pierwszej próby w firmie wybrałbym jedną grupę zamówień i uzgodniony sposób sprawdzania. Potrzebne byłyby przykładowe wiadomości, kartoteka z jednostkami oraz opis tego, co dzieje się po poprawce klienta. Dopiero wynik takiej próby pozwoli ocenić, ile pracy pozostaje przy kontroli szkiców. Zakres przygotowania i dalszej współpracy opisuję na stronie automatyzacji procesów z AI.


