Ugrás a fő tartalomra

AppSheet és az Intelligencia használata

 AppSheet és az Intelligencia használata



Az  AppSheet -ben ha az Action a „kéz”, ami cselekszik, és az Automation a „robot”, ami helyetted dolgozik, akkor az Intelligence az alkalmazás „agya”.

Programozói szemmel ez a legizgalmasabb terület, mert itt lépünk be a No-Code AI (Mesterséges Intelligencia kódolás nélkül) területére. Nem kell Pythonban Machine Learning modelleket írnod, az AppSheet (és a Google Cloud) megcsinálja helyetted.


1. Az Intelligence szerepe az alkalmazásfejlesztésben

A fejlesztés során az Intelligence funkciókat három fő célra használjuk:

  1. Adatbevitel gyorsítása: Képek felismerése (OCR) gépelés helyett.

  2. Adatkinyerés és előrejelzés: A meglévő adatok alapján a jövőbeli értékek megtippelése (Predictive Models).

  3. Természetes nyelvű vezérlés: Az alkalmazás irányítása beszéddel vagy egyszerű mondatokkal (Smart Assistant).

Ez emeli az alkalmazást a „profi” szintre: a felhasználónak nem kell adatbázis-szakértőnek lennie, elég, ha fotóz vagy beszél.


2. A legfontosabb Intelligence funkciók és példák

Nézzük meg a három fő pillért konkrét példákon keresztül, a raktáros/üzleti kontextusnál maradva.

A) OCR (Optical Character Recognition) – Képből Adat

Ez a leggyakrabban használt funkció.

  • A probléma: A raktáros kap egy szállítólevelet. Be kell gépelnie a cikkszámot, a dátumot és az összeget. Ez lassú és hibalehetőség.

  • A megoldás: Készítünk egy OCR modellt. A raktáros lefotózza a papírt, az AppSheet pedig automatikusan kitölti a mezőket.

  • Hogyan működik:

    1. Feltöltesz 5-10 mintát (pl. fotókat számlákról) a Google Drive-ra.

    2. Az Intelligence fülön létrehozol egy OCR modellt.

    3. Megjelölöd a képen, hogy hol van a "Dátum", hol az "Összeg".

    4. A rendszer megtanulja a dokumentum szerkezetét.

B) Predictive Models (Előrejelző Modellek)

Ez a klasszikus Machine Learning (Gépi Tanulás) egyszerűsítve.

  • A probléma: Nem tudjuk, mennyi idő alatt ér ki a futár, vagy melyik ügyfél fog lemorzsolódni (Churn).

  • A megoldás: Ha van elég történelmi adatod (több ezer sor), az AppSheet képes trendeket felismerni.

  • Példa: Delivery Time Prediction.

    • Van 5000 lezárt szállításod, mindegyiknél ott van a távolság, a napszak és a tényleges kiszállítási idő.

    • Az AppSheet ez alapján megjósolja az új rendelésnél: "Várható érkezés: 45 perc".

C) Smart Assistant (Okos Asszisztens)

  • A probléma: A vezető gyorsan látni akarja a "tegnapi sürgős rendeléseket", de nem akar szűrőket kattintgatni.

  • A megoldás: Bekapcsoljuk a Smart Assistant-ot.

  • Használat: A felhasználó beírja vagy bemondja: "Show me orders where Status is Urgent and Date is Yesterday". Az app megérti és leszűri a listát.


3. Szabályrendszer és Korlátok (A Fejlesztői Realitás)

Bármilyen jól hangzik is az AI, fejlesztőként tisztában kell lenned a technikai és licencelési korlátokkal.

SzempontElőnyök (Pros)Korlátok és Buktatók (Cons)
PontosságFolyamatosan tanul. Minél több adatot kap, annál okosabb lesz.Nem 100%-os: Az OCR tévedhet (pl. gyűrött papír, rossz fényviszonyok). Mindig kell emberi ellenőrzés (human-in-the-loop).
AdatigényNagy adatmennyiségnél (Big Data) olyan összefüggéseket talál, amit emberi szem nem.Hidegindítás: Ha nincs elég adatod (pl. az app teljesen új), a Predictive Model nem működik. Kell egy "betanítási" (training) adatbázis.
LicencelésHatalmas versenyelőny üzletileg.Költséges: Az OCR és a fejlett AI funkciók általában az Enterprise vagy AppSheet Core csomagokban érhetők el. Az ingyenes/Starter verzióban korlátozottak.
NyelvA Smart Assistant egyre jobban érti a kontextust.Angol dominancia: A Smart Assistant (hangvezérlés) jelenleg főleg angolul működik megbízhatóan. Magyarul nehézkes lehet a parancsadás.


4. Konkrét példa: OCR beállítása (Lépésről lépésre)

Tegyük fel, hogy a raktárba érkező Szállítóleveleket akarjuk feldolgozni.

  1. Előkészület:

    • Csinálj egy mappát a Google Drive-on: AppSheet_Training_Data.

    • Tölts fel oda 5-6 fotót különböző szállítólevelekről.

  2. Model létrehozása:

    • AppSheet -> Intelligence fül -> OCR Models.

    • New OCR Model.

    • Válaszd ki a mappát forrásként.

  3. Tanítás (Training):

    • Az AppSheet megjeleníti a képeket.

    • Neked kell "bekeretezni" az egérrel az adatokat: "Ez itt a Szállító neve", "Ez a Dátum", "Ez a Végösszeg".

  4. Összekötés az Appal:

    • Menj a Raktarkeszlet (vagy Bevételezés) tábládhoz.

    • Hozz létre egy oszlopot: Szallitolevel_Kep (Image típus).

    • A form beállításainál add meg, hogy ez az oszlop használja a létrehozott OCR modellt.

    • Párosítsd össze a kinyert adatokat az oszlopokkal (pl. OCR:Date -> [Datum]).


Eredmény: Amikor a raktáros a telefonon rákattint a Szallitolevel_Kep mezőre és fotóz, az AppSheet pár másodperc gondolkodás után automatikusan kitölti a többi mezőt a fotó alapján.


Összegzés: Mikor használd?

Programozó informatikusként akkor nyúlj az Intelligence fülhöz, ha:

  1. Strukturálatlan adatot (kép, szöveges leírás) akarsz strukturálttá tenni.

  2. Van pénzügyi keret a magasabb licencdíjra (Core/Enterprise), mert az üzleti haszon (megspórolt munkaidő) kitermeli azt.

  3. A felhasználóid nem irodai környezetben dolgoznak (pl. koszos kézzel, kesztyűben nehéz gépelni, de fotózni könnyű).






Megjegyzések

Megjegyzés küldése