Gå til indhold
UNI4C
Alle indlæg

Afkortning er den stille fejl i AI oven på ERP

En assistent, der læste de første 500 af 3.901 rækker, kan stadig skrive en selvsikker total. Svaret ser rigtigt ud. Denne side forklarer, hvordan I finder fejlen og stopper den.

Tjekket 3 min læsning

En assistent læser en tabel. Tabellen indeholder 3.901 rækker, der matcher. Læsningen stopper ved 500. Assistenten skriver en total.

Totalen er regnestykket på en stikprøve. Den er forkert, og intet på skærmen siger det. Det er den stille fejl i AI oven på et ERP-system, og den bliver værre, efterhånden som jeres data vokser, for den viser sig kun på de tabeller, der betyder mest.

Hvad er en afkortet læsning?

En afkortet læsning er en forespørgsel, der stopper, før den har givet alle rækker, der matcher.

Enhver dataforbindelse har en grænse. En API-side har en sidestørrelse. Et læseværktøj har et loft for antal poster. Et svar har en maksimal størrelse. De grænser er rigtige. Et system uden en grænse fejler anderledes og værre.

Fejlen er ikke grænsen. Fejlen er et resultat, der ikke siger, at det blev afkortet.

Hvorfor er afkortning sværere at opdage end et forkert tal?

Fordi svaret ser rigtigt ud på alle de måder, et menneske kontrollerer.

Et forkert kundenavn er synligt. En forkert dato er synlig. En total over 500 af 3.901 rækker er et plausibelt tal med korrekt formatering, i en sætning med korrekt grammatik, om et spørgsmål, I stillede. Det afslører sig kun over for den rigtige total, og det var netop den, I ikke havde.

De tabeller, hvor det sker, er debitorposter, værdiposter og bogførte dokumentlinjer. Det er de tabeller, der bærer jeres penge.

Hvordan tester jeg en assistent for afkortning?

Brug denne test på enhver assistent, også vores. Den tager fem minutter.

  1. Vælg en tabel med flere rækker, end der er plads til på én side med resultater. Debitorposter over en lang periode virker i de fleste virksomheder.
  2. Stil et spørgsmål, der kræver hver eneste række: en total, et gennemsnit eller en optælling.
  3. Stil et spørgsmål mere: hvor mange poster gav den forespørgsel?
  4. Stil et tredje: var der flere rækker, du ikke læste?

Et korrekt system svarer på spørgsmål 3 med et tal og på spørgsmål 4 med et tydeligt ja eller nej. Et system, der ikke kan svare på spørgsmål 3, kan heller ikke have svaret korrekt på spørgsmål 2, undtagen ved held.

Gentag derefter det første spørgsmål med et filter, der gør resultatet lille. Er de to totaler uenige på en måde, filteret ikke forklarer, har I fundet fejlen.

Hvad bør et korrekt system gøre?

Fire ting, i denne rækkefølge.

Hente side for side, indtil data er slut, op til et oplyst loft. Én side er aldrig nok. Automatisk hentning side for side op til en dokumenteret grænse, for eksempel 2.000 poster, klarer de fleste virkelige spørgsmål.

Bære afkortningen i selve resultatet. Resultatet skal sige, hvor mange poster der kom retur, og om der er rækker tilbage. Det skal være en del af data, ikke en del af teksten.

Nægte at opsummere en afkortet læsning. Det er den del, de fleste systemer springer over. Ramte hentningen sit loft, er en total eller et gennemsnit over den ikke en total eller et gennemsnit. En rapport skal sige, at læsningen var ufuldstændig, i stedet for at præsentere et tal.

Sige det i svaret. Læseren, og ikke kun loggen, skal have at vide, at læsningen stoppede.

En rapport er der, hvor det bliver dyrt

En samtale bliver læst én gang. En rapport bliver åbnet hver måned af folk, der ikke stillede det oprindelige spørgsmål.

Er en rapport et gemt billede af et tal, er afkortningen frosset ind i den, og tallet bliver ved med at være forkert, så længe rapporten findes. Er en rapport et sæt forespørgsler, der henter data igen, er hver åbning en ny læsning, og afkortningen kan kontrolleres på ny hver gang.

Det er det praktiske argument for rapporter, der læser igen, frem for rapporter, der gemmer. Det handler ikke kun om friske data. Det handler om en grænse, der kan vurderes igen, i stedet for en grænse, der blev registreret én gang og glemt.

En beslægtet fælde: de rigtige rækker, det forkerte felt

Afkortning har en fætter. Den aldersfordelte saldoliste i Business Central kan aldersfordele efter forskellige datofelter, og Microsoft dokumenterer valget. Aldersfordeling efter bogføringsdato, dokumentdato eller forfaldsdato giver tre forskellige korrekte svar.

En assistent, der vælger et af dem uden at fortælle jer det, har ikke afkortet noget. Den har svaret på et spørgsmål, I ikke stillede. Kontrollen er den samme: svaret skal oplyse, hvad det filtrerede på og hvordan, så en læser kan se det valg, der blev truffet.

Den korte version

Spørg enhver assistent, hvor mange rækker den læste. Kan den ikke svare på det, kan den heller ikke fortælle jer totalen.

Spørgsmål og svar

Hvad er en afkortet læsning?
En afkortet læsning er en forespørgsel, der stopper, før den har givet alle rækker, der matcher. Resultatet er en stikprøve. Et gennemsnit eller en total over den stikprøve er ikke gennemsnittet eller totalen for alle data.
Hvordan tester jeg en assistent for afkortning?
Stil et spørgsmål på en tabel med flere rækker end læsegrænsen. Spørg derefter, hvor mange rækker forespørgslen gav. Et korrekt system oplyser antallet og siger, at der er rækker tilbage.
Bør en rapport nægte at opsummere en afkortet læsning?
Ja. En total over en delvis læsning er forkert, og den ser rigtig ud. En rapport skal sige, at hentningen ramte sit loft, i stedet for at præsentere en stikprøve som det hele.

Kilder

Vi tjekker enhver ekstern påstand på den viste dato. Microsoft flytter funktioner mellem release waves, så tjek siden igen, før du læner dig op ad den.

  1. 01FAITH: A Framework for Assessing Intrinsic Tabular Hallucinations in FinancearXiv · Kilder tjekket 2026-09-17
  2. 02FinGround: Detecting and Grounding Financial Hallucinations via Atomic Claim VerificationarXiv · Kilder tjekket 2026-09-17
  3. 03Aged Accounts Receivables (report 120)Microsoft Learn · Kilder tjekket 2026-09-17

Se det mod jeres eget regnskab

En demo på et miljø, der ligner jeres, svarer på mere, end en side kan. En halv time, ingen slides.

Book en demo

Eller skriv til os på hello@uni4c.ai