Die KI hat die Folien generiert. Das Engineering hat sie nutzbar gemacht.

Was mich die Entwicklung der Präsentationserstellung bei DeepMask über nutzbare KI-Produkte gelehrt hat: Eine PowerPoint-Datei kann sich problemlos öffnen lassen und in einem Meeting dennoch völlig nutzlos sein.

Hanzala Saeed

Der Text kann zu klein sein, um ihn zu lesen. Ein vorgeschlagenes Ziel kann wie ein erreichtes Ergebnis wirken. Das Branding, das jemand in der Vorschau ausgewählt hat, fehlt möglicherweise im Download. Die Datei existiert, aber die Person, die sie angefordert hat, hat immer noch ein Problem.

Bei DeepMask habe ich an der PowerPoint-Integration, dem Unternehmens-Branding und der Verarbeitung generierter Dateien gearbeitet. Diese Arbeit hat mich gründlicher darüber nachdenken lassen, was es für eine KI-Funktion bedeutet, erfolgreich zu sein.

Mein Hintergrund liegt in der Web- und Mobile-Entwicklung, daher kommen mir viele der Fragen vertraut vor. Was sieht der Benutzer beim Warten? Was passiert, wenn ein Vorgang fehlschlägt oder zweimal startet? Übersteht das Ergebnis den nächsten Schritt im Workflow?

Der Unterschied besteht darin, dass jetzt ein Modell einen Teil der Ausgabe liefert. Wir wissen nicht genau, wie viel Text es produzieren wird oder welche Struktur es wählen wird. Die Anwendung muss diese Ausgabe dennoch vorhersehbar verarbeiten.

Die Information muss die Übergabe überstehen

Der Benutzer könnte ein Dokument hochladen, eine Zahl korrigieren und die Zielgruppe ändern, bevor er nach einer Präsentation fragt. All das kann für das Deck von Bedeutung sein.

Unser Präsentationsgenerator arbeitet auf Basis eines Briefings. Er erhält nicht unabhängig den gesamten Chatverlauf. Eine Tatsache kann daher im Chat existieren und dennoch in den Informationen fehlen, die der Generator erhält.

Nehmen wir ein einfaches Beispiel:

Unsere aktuelle Onboarding-Zeit beträgt zehn Arbeitstage. Unser Ziel sind sechs.

Wenn das Briefing dies auf „Onboarding: sechs Tage“ reduziert, kann der Generator aus einer unvollständigen Anweisung eine überzeugende Folie erstellen. Die Zahl ist da, aber ihre Bedeutung hat sich geändert.

Deshalb achte ich auf das Briefing als Übergabe zwischen Komponenten. Es muss das Publikum, den Zweck der Präsentation und den Kontext wichtiger Fakten bewahren. Die Kürzung der Quelle ist nur dann sinnvoll, wenn wir die Unterscheidungen beibehalten, die der Leser benötigt.

Hier ist eine vereinfachte Ansicht des Workflows. Die Ausführungsprüfung erfolgt vor der Generierung, und gespeichertes Branding fließt in das Rendering ein.


Article content

Die Vorschau und die heruntergeladene Version verwenden den gespeicherten Präsentationsinhalt mit dem ausgewählten Branding. Eine menschliche Überprüfung prüft die resultierende Datei und ihre Bedeutung.

Gültige Daten können dennoch eine unlesbare Folie erzeugen

Das Modell liefert strukturierte Foliendaten: Felder wie Layout, Titel, Tabellenzeilen und Referentennotizen. Eine vereinfachte Tabellenfolie könnte so aussehen:

{
  "layout": "table",
  "title": "Pilot budget",
  "table": {
    "header": ["Item", "Cost excluding VAT"],
    "rows": [["Workflow setup", "EUR 8,000"]]
  }
}

Die Anwendung kann prüfen, ob diese Felder existieren und die erwarteten Typen haben. Das gibt dem Renderer eine definierte Eingabe, mit der er arbeiten kann.

Aber eine Tabelle kann innerhalb der zulässigen Zeilenanzahl bleiben und trotzdem lange Beschreibungen in jeder Zelle enthalten. Ihre Struktur ist gültig. Ihr Inhalt passt möglicherweise nicht gut auf eine Folie.

Ein Schema kann eine Zeichenkette akzeptieren, die „sechs Tage“ enthält. Es kann nicht feststellen, ob diese Tage ein Ziel oder ein erreichtes Ergebnis darstellen. Eine Layoutprüfung kann das ebenfalls nicht beantworten. Die Person, die die Präsentation verwendet, muss ihre Aussagen immer noch überprüfen.

Zu viel Inhalt erzwingt eine Entscheidung

Ein dichtes Deck ist einer der konkreten Fälle, die unsere Layout-Wiederherstellung handhabt. Möglicherweise gibt es mehr Inhalt, als in die vereinbarte Folienanzahl passt.

Den Text kleiner zu machen, macht ihn letztendlich schwer lesbar. Das Hinzufügen von Folien ändert den Umfang. Das Entfernen von Text birgt das Risiko, etwas Wichtiges zu verlieren. Es gibt keinen Layout-Trick, der uns unbegrenzten Platz verschafft.

Unsere Wiederherstellung kann Inhalte auf lesbare Seiten umverteilen. Wenn diese Erweiterung das gespeicherte Folienlimit überschreiten würde, werden unterstützende Inhalte in die PowerPoint-Notizen verschoben. Tests decken die Beibehaltung des Textes in Folien oder Notizen sowie das Beibehalten der Schlussfolie ab.

Diese Entscheidung hat eine Konsequenz: Der Benutzer muss möglicherweise die Notizen auf zusätzliche Details prüfen. Wir müssen das sichtbar machen, anstatt jemanden annehmen zu lassen, dass jeder Teil der Quelle auf dem Bildschirm zu sehen ist.

Branding beeinflusst dies ebenfalls. Eine andere Schriftart kann den Zeilenumbruch und den Platzbedarf einer Tabelle verändern. Die Anwendung der Schriftarten eines Unternehmens muss daher mit den Layout-Einschränkungen harmonieren und nicht nur das Aussehen des Decks verändern.

Eine neue Call-ID bedeutet keine neue Aufgabe

Ein weiterer Fall, vor dem wir uns schützen, ist die wiederholte Generierung innerhalb eines einzelnen Benutzer-Turns.

Ein Modell kann das Präsentations-Tool aufrufen, einen Fehler erhalten und es mit einer anderen Aufruf-ID erneut versuchen. Eine Prüfung auf doppelte IDs würde das nicht erfassen. Aus Sicht des Benutzers ist es immer noch dieselbe Anfrage, und wir könnten einen kostspieligen Vorgang erneut starten.

Die Anwendung verfolgt, ob in diesem Turn bereits eine Präsentationsgenerierung versucht wurde. Unsere Tests decken wiederholte Aufrufe mit neuen Identifikatoren ab, auch nach einem fehlgeschlagenen Versuch. Eine neue Benutzeranfrage kann eine neue Generierung starten.


Article content

Die nützliche Lektion hier betrifft den Ort, an dem eine Regel angesiedelt ist. Wir können dem Modell sagen, dass es keine Wiederholungsversuche unternehmen soll, aber die Verhinderung einer doppelten Ausführung erfordert eine Prüfung in der Anwendung. Der Prompt leitet das Modell an. Die Ausführungsebene setzt die Regel durch.

Die Vorschau muss mit der Datei übereinstimmen

Meine Arbeit umfasst die Bereitstellung des Unternehmens-Brandings für den Präsentations-Workflow und die Verarbeitung der generierten Dateien im Produkt.

Wenn jemand in der Vorschau ein Branding anwendet, muss der Download diese Auswahl widerspiegeln. Wir bewahren die strukturierte Präsentationsquelle auf, sodass Vorschau und Export auf Basis desselben wiederhergestellten Inhalts arbeiten können – mit angewendetem ausgewähltem Branding.

Tests überprüfen diese Beziehungen, einschließlich expliziter Branding-Entscheidungen und der gerenderten Folienanzahl. Sie ersetzen jedoch nicht das tatsächliche Öffnen von PowerPoint. Es lohnt sich immer noch, nach veränderten Umbrüchen, fehlenden Assets oder Inhalten zu suchen, die sich anders lesen, sobald sie auf einer Folie präsentiert werden.

Diese abschließende Überprüfung ist der Punkt, an dem die Funktion unsere Oberfläche verlässt und auf die Aufgabe trifft, die jemand erledigen wollte.

Mein Hintergrund in Web und Mobile war hier von Nutzen. Dateiverarbeitung und Fehlerzustände sind vertraute Softwareprobleme. Generierter Inhalt bringt eine weitere Unsicherheitsquelle mit sich und macht es umso wichtiger zu definieren, was Erfolg bedeutet.

Für mich folgt diese Definition dem Ergebnis bis hin zu der Datei, die jemand für sein Meeting öffnet. Das Modell kann seinen Teil beenden, während das Produkt noch Arbeit vor sich hat.