Engem az erdekelne, hogy egy veges adathalmazzal tanitva, es arrol kerdezve milyen eredmenyt kapunk.
Vegyunk peldanak egy RFI/RFP processzt.
Van egy termekportfoliom (10..100 onallo termek), minden termek minden kiadasaval bovul az adott termek vagy a temekek kombinalasaval elerheto funkciohalmaz. Ezt mondjuk a termek felelosei szepen felviszik valami adatbazisba.
Az RFI/RFP gyakorlatilag arrol szol, hogy a vevok feltesznek egy rakat kerdest, amelyeket meg kell valaszolni, hogy donthessenek. Van nehany eldontendo, vagy annak latszo kerdes, de inkabb par mondatban kifejtos valasz kell.
Az elso 1-2 RFx altalaban nagy vevoktol jon, nagyok es bonyolultak lehetnek (par szaz trukkos, osszetett kerdes). Ezeket altalaban a hozzaertok valaszoljak meg.
Ezeket a valaszokat felfoghatjuk adatbazisnak. Szoveges kerdes - szoveges valasz. Ez az adatmazis persze novekszik, esetleg valtozik a termekek fejlodesevel.
Kesobb nagy szamban erkeznek kerdesek, amelyekre nincs jol kepzett szakertoi kapacitas. Igy, a fenti adatbazisol dolgozva, egy kevesbe szakerto csapat valaszolja meg ezeket. Neha csak copy&paste-el egy hasonlo kerdesre adott valaszt.
A nehezseg ugye, hogy a kerdesek nem konzerv kerdesek, hanem kb. angolul (a spanyol es koreai angol kozott azert van kulonbseg) megfogalmazott erdeklodes valami kb. szabvany/elvarhato dolog iranyaba. Neha hulye a kerdes, es oktatni kell a kerdezot (erre a kevesbe kepzett emberanyag nem feltetlen kepes).
Van-e ertelme egy nyelvi motorral probalkozni, hogy kivaltsa vagy segitse az emberi munkat? Az olvaso valoszinuleg szakerto, bullshit csak limitaltan mukodik. A hibas valasz meg sokba kerulhet (akar behazudott kritikus feature es kesobbi hiszti soran, akar elbukott biznisz miatt).