Ο Scout Advisor της Sevilla FC βάζει ένα πλαίσιο αναζήτησης μπροστά από 300.000 αναφορές σκάουτινγκ

Η διεπαφή είναι μια ερώτηση, το προϊόν είναι αυτό που συμβαίνει πριν το μοντέλο τη δει

Το πρόβλημα σκάουτινγκ της Sevilla FC ήταν στην ουσία πρόβλημα αναζήτησης. Ο σύλλογος διαθέτει πάνω από 300.000 αναφορές σκάουτινγκ, και η αξιολόγηση μιας μόνο λίστας υποψήφιων παικτών απαιτούσε παλαιότερα από τους σκάουτερ 200 έως 300 ώρες χειρωνακτικής ανάγνωσης. Το Scout Advisor, που αναπτύχθηκε από το τμήμα δεδομένων του συλλόγου σε συνεργασία με την IBM στο watsonx και με χρήση του Llama 3.1 70B Instruct της Meta, αντικαθιστά αυτή τη διαδικασία με ένα πλαίσιο κειμένου: ο σκάουτερ κάνει μια ερώτηση και παίρνει πίσω μια λίστα με παίκτες που ταιριάζουν, μαζί με περιλήψεις που έχουν παραχθεί από ΤΝ.

Από την οπτική του frontend, η επιφάνεια είναι σκόπιμα λιτή — φυσική γλώσσα μπαίνει, ταξινομημένα αποτελέσματα βγαίνουν. Όμως η ανακοίνωση είναι ασυνήθιστα ξεκάθαρη ως προς το ότι το αυθεντικό ερώτημα που πληκτρολογεί ένας σκάουτερ δεν είναι αυτό που στέλνεται στο μοντέλο. Υπάρχει ένα ενδιάμεσο βήμα μετάφρασης, και αυτό το βήμα είναι εκείνο που δικαιολογεί την ύπαρξη του συστήματος.

Η ενίσχυση prompt ως επίπεδο εξειδικευμένου λεξιλογίου

Η Meta ονομάζει αυτόν τον μηχανισμό «ενίσχυση prompt»: το σύστημα ξαναγράφει αυτόματα την ερώτηση του χρήστη προσθέτοντας πλαίσιο σχετικό με το ποδόσφαιρο πριν αυτή φτάσει στην ανάλυση. Το παράδειγμα που δίνεται είναι συγκεκριμένο. Ένας σκάουτερ γράφει «δείξε μου ταλαντούχους εξτρέμ», και το σύστημα το επεκτείνει εσωτερικά σε «Ένας ταλαντούχος εξτρέμ αντιμετωπίζει αμυντικούς με ντρίμπλα, δημιουργώντας χώρο και διεισδύοντας στην αντίπαλη άμυνα».

Η περίπτωση αποτυχίας που αναφέρει η Meta είναι αποκαλυπτική — χωρίς ενίσχυση, ένα γενικού σκοπού μοντέλο θα μπορούσε να επιστρέψει μια συνταγή για φτερούγες κοτόπουλου. Αυτό είναι όλο το επιχείρημα για τη δημιουργία αυτού του επιπέδου: ένας ποδοσφαιρικός όρος όπως το «εξτρέμ» είναι ασαφής για ένα γενικό μοντέλο, και ο σύλλογος δεν μπορεί να εκπαιδεύσει εκ νέου τους σκάουτερ να γράφουν αποσαφηνισμένα prompts. Έτσι, η αποσαφήνιση βρίσκεται στην εφαρμογή, όχι στο μυαλό του χρήστη. Το frontend παραμένει τόσο απλό όσο μια γραμμή αναζήτησης ακριβώς επειδή το επίπεδο ενίσχυσης απορροφά την εξειδικευμένη γνώση.

Γιατί η επιλογή του μοντέλου είχε να κάνει με τα ισπανικά και τη σύνοψη, όχι με την ωμή ικανότητα

Ο Chief Data Officer, Elias Zamora, είναι συγκεκριμένος ως προς το γιατί επέλεξαν αυτό το μοντέλο αντί να καταλήξουν αυτόματα στη μεγαλύτερη διαθέσιμη επιλογή.

Επιλέξαμε το Llama 3.1 70B για την απόδοσή του στην ενίσχυση κειμένου και τη σύνοψη, ιδιαίτερα στα ισπανικά.Montana Labs

Αυτή η διατύπωση έχει σημασία. Οι αναφορές σκάουτινγκ περιέχουν ποιοτικές κρίσεις — στάση, επιμονή, ηγετικές ικανότητες — γραμμένες στη γλώσσα των σκάουτερ. Η δουλειά του μοντέλου είναι να συμπυκνώνει αυτά σε περιλήψεις που ένας υπεύθυνος λήψης αποφάσεων μπορεί να διαβάσει γρήγορα, στα ισπανικά. Ο Sporting Director, Victor Orta, περιγράφει το όφελος στο σημείο χρήσης: αντί να εξετάζει 45 αναφορές για έναν παίκτη, λέει ότι μπορεί να αποκτήσει ό,τι χρειάζεται για να αποφασίσει σε περίπου δύο λεπτά. Η αξία εμφανίζεται ως συρρίκνωση του χρόνου ανάγνωσης, όχι ως μια νέα ικανότητα.

Τι δείχνει η υλοποίηση της Sevilla για την «περιτύλιξη» ενός μοντέλου για μη τεχνικούς χρήστες

Το συγκεκριμένο συμπέρασμα εδώ είναι ότι το δύσκολο κομμάτι μιας διεπαφής φυσικής γλώσσας πάνω σε ιδιόκτητα δεδομένα δεν είναι το πλαίσιο συνομιλίας — είναι η αόρατη αναδιατύπωση που κάνει τις καθημερινές ερωτήσεις να αντιστοιχούν σε ένα εξειδικευμένο σώμα δεδομένων. Η Sevilla FC δεν ζήτησε από τους σκάουτερ να μάθουν prompt engineering· μετέφεραν το εξειδικευμένο λεξιλόγιο σε ένα βήμα ενίσχυσης, ώστε η εισαγωγή να μπορεί να παραμείνει συνομιλιακή.

Η ίδια η συμβουλή του Zamora διατυπώνει τις προϋποθέσεις με σαφήνεια: μια στέρεη βάση δεδομένων, βαθιά κατανόηση της επιχείρησης, και μια καλά εκπαιδευμένη ομάδα. Αυτές οι 300.000 αναφορές ήταν το κεφάλαιο· η διεπαφή λειτούργησε μόνο επειδή κάποιος κωδικοποίησε τι σημαίνει «ένας ταλαντούχος εξτρέμ» πριν το ερώτημα φτάσει στο μοντέλο. Οι ομάδες που χτίζουν αντίστοιχα εργαλεία θα πρέπει να προβλέπουν αυτό το επίπεδο μετάφρασης ως πρωταρχικό κομμάτι του προϊόντος, όχι ως μεταγενέστερη προσθήκη πάνω σε ένα prompt.