Az automatizált, ütemezett AI-feladatok megbízhatósága kiemelt kérdés, hiszen előfordulhat, hogy egy feladat látszólag hibátlanul fut le, mégis hétről hétre egyre rosszabb eredményeket produkál anélkül, hogy erről a felhasználó értesülne.
Az előadás különböző példákon keresztül mutatja be, hogy miért fordulhat elő ilyen viselkedés a ChatGPT és Claude AI rendszereknél, és hogyan vezethetnek megváltozott fájlnevek, áthelyezett mappák vagy elavult utasítások ahhoz, hogy a feladat csak a chatben számoljon be a sikeres végrehajtásról, valójában viszont nem teljesíti a kívánt módosításokat.
Felmerül az a kérdés is, honnan lehet tudni, hogy egy ütemezett feladat a felhőben, vagy épp lokálisan, a felhasználó gépén fut—és hogy ez milyen befolyással van a rugalmasságra és a hibatűrésre.
A videó kitér arra, hogy a felhasználók gyakran csak az új feladatok megnyitását követik nyomon, míg a lezárásukhoz szükséges források (pl. e-mailek, csevegések) könnyen kimaradhatnak, aminek következtében soha nem kerülnek lezárásra a teendők, torzítva ezzel a státuszkövetést.
Kiemelt figyelem esik arra is, hogyan kezelik a rendszerek az időzített futtatások ismétlődését, illetve milyen buktatókat rejt magában a dinamikusan változó kategóriák és címkék kezelése. A szerző megoszt néhány alapvető prompt-stratégiát is, amelyekkel növelhető a folyamatok megbízhatósága, és felveti a kérdést: milyen egyszerű lépések vannak, amelyekkel időben észleljük a hibát és minimalizálhatjuk a veszteséget?
