Abaixo estão listados alguns problemas comuns que você pode encontrar ao trabalhar com a Workiva AI.
Requisitos
- O Workiva AI está disponível para qualquer cliente que tenha assinado os Termos de Uso do Workiva AI . Uma vez aprovado, o Workiva AI é ativado por padrão para toda a organização, incluindo todos os espaços de trabalho e usuários existentes e recém-adicionados.
- Os administradores da organização podem gerenciar essa habilitação restringindo a IA da Workiva a espaços de trabalho e usuários específicos ou desabilitando-a para toda a organização.
- A Workiva AI é totalmente criptografada e nunca é treinada no conteúdo da Workiva ou nos dados do cliente. Saiba mais: A abordagem da Workiva para IA
Excedendo o limite de tokens
Os tokens são as unidades básicas de texto que os modelos de linguagem de IA usam para processar o conteúdo. Dependendo do idioma e do modelo, um token pode ser uma palavra, parte de uma palavra, uma marca de pontuação ou até mesmo um único caractere.
Cada modelo de IA tem um limite de tokens, que é o número máximo de tokens que ele pode processar de uma só vez. Esse limite inclui tudo o que o modelo usa para gerar uma resposta, como, por exemplo, sua pergunta ou solicitação:
- Sua pergunta ou solicitação
- Quaisquer documentos ou arquivos selecionados
- Conteúdo de suporte recuperado pelo sistema
- A resposta da IA
Tanto a entrada (o que você fornece) quanto a saída (o que a IA gera) contam para esse total.
Como trabalhar com limites de tokens
Como os modelos podem processar apenas uma determinada quantidade de conteúdo de uma só vez, solicitações grandes ou complexas podem afetar os resultados. Por exemplo, se você analisar vários documentos grandes, como vários arquivamentos da SEC ao mesmo tempo, o modelo poderá não ponderar cada documento igualmente em uma única resposta.
Para melhorar os resultados, reduza o escopo de sua solicitação:
- Selecione menos documentos
- Reduzir o intervalo de datas
- Concentre-se em uma seção ou tópico específico
- Se você dividir uma solicitação grande em etapas menores
Ao reduzir a quantidade de conteúdo, você ajuda o modelo a priorizar as informações mais relevantes e a gerar respostas mais focadas e detalhadas.