Gemini API zapowiada pobieranie narzędzi na żądanie
Google wprowadził Tool Retrieval 19 listopada 2026 roku, podważając praktykę ładowania pełnych instrukcji każdego narzędzia, zanim agent rozpocznie pracę. W ogłoszeniu Introducing Tool Retrieval in the Gemini API opisano wersję zapoznawczą, która ładuje schematy parametrów, czyli definicje akceptowanych danych wejściowych, wtedy, gdy są potrzebne. Najważniejsze pytanie brzmi, czy taka selektywność usprawnia kompletne przepływy pracy.
Główna rywalizacja dotyczy ładowania wszystkiego z góry oraz pobierania szczegółów w trakcie wykonywania zadania. Agent, czyli oprogramowanie wykorzystujące model do wyboru i wykonywania działań, potrzebuje wystarczających informacji, aby wybrać przydatne możliwości. Przekazanie mu od razu każdego szczegółu tworzy jednak inny problem: istotne instrukcje konkurują z informacjami, których dane zadanie nigdy nie wymaga.
Anthropic oferuje już podobne podejście do wyszukiwania narzędzi, dlatego wydanie Google wpisuje się w ugruntowaną zmianę architektoniczną. Dla deweloperów i nabywców korporacyjnych presja skupia się na projekcie integracji. Dłuższa lista dostępnych połączeń ma mniejsze znaczenie, jeśli asystent ma trudności z wyborem spośród nich, odpowiada wolniej lub wymaga wielokrotnych korekt.
Introducing Tool Retrieval in the Gemini API zmienia to, co ładuje się najpierw
Wersja zapoznawcza Google zmienia moment, w którym szczegóły narzędzia trafiają do roboczego kontekstu modelu, zamiast usuwać potrzebę posiadania tych szczegółów.
Według ogłoszenia Google dotyczącego Tool Retrieval odroczone narzędzia zachowują widoczne nazwy i opisy, podczas gdy ich schematy parametrów pozostają poza początkowym kontekstem. Kontekst to informacje dostępne dla modelu podczas generowania odpowiedzi. Deweloperzy włączają to zachowanie za pomocą tool_search i defer_loading.
To rozróżnienie wyznacza granice tego wydania. Model nadal potrzebuje użytecznego opisu dostępnych możliwości. Może odłożyć zapoznanie się z dokładnymi danymi wejściowymi operacji, ale musi otrzymać wystarczająco dużo informacji, aby rozpoznać jej cel.
Rozważmy hipotetycznego asystenta w miejscu pracy, połączonego z wyszukiwaniem dokumentów, rejestrami klientów, harmonogramowaniem i działaniami wsparcia. Prośba dotycząca spotkania nie powinna wymagać szczegółowych instrukcji dla każdego działania związanego z zarządzaniem klientami. Selektywne ładowanie daje deweloperom sposób na oddzielenie świadomości istnienia danej możliwości od gotowości do jej wywołania.
Konsekwencją architektoniczną jest to, że opisy narzędzi stają się ważną powierzchnią wyboru. Niejasna etykieta zmusza model do zgadywania, zanim otrzyma szczegółowy schemat. Zwięzły opis, który wskazuje działanie, obiekt i zamierzoną sytuację, daje odkrywaniu wyraźniejszy punkt wyjścia.
Zmienia to również to, co zespoły powinny analizować, gdy coś zawiedzie. Nieprawidłowe działanie może rozpocząć się przed wygenerowaniem argumentów, kiedy asystent identyfikuje niewłaściwą możliwość. Analizowanie wyłącznie końcowego żądania pomija tę wcześniejszą decyzję.
Google udostępnia kroki pobierania i wywoływania w odpowiedzi interakcji. Ta widoczność jest istotna, ponieważ deweloperzy mogą odróżnić problem z odkrywaniem od problemu z wykonaniem. Pierwszy dotyczy tego, której możliwości szukał model; drugi — tego, co wydarzyło się po wyborze.
Wersja zapoznawcza obsługuje Gemini 3.6 i nowsze modele, w tym Gemini 4, za pośrednictwem Interactions API. Ta dostępność powinna pozostać wyraźnie zaznaczona w dyskusjach o wdrożeniu. Ogłoszenie funkcji nie potwierdza kompatybilności z każdą istniejącą integracją Gemini.
Znacząca zmiana jest więc węższa niż nieograniczone rozszerzenie możliwości agentów. Google wprowadził kolejny sposób zarządzania dostępem do istniejących narzędzi. Jego wartość zależy od tego, czy opóźnione szczegóły pomagają aplikacji ukończyć pracę, o którą rzeczywiście proszą użytkownicy.
Dla zespołów produktowych jest to użyteczne przeformułowanie problemu. Katalog może pozostać szeroki, podczas gdy natychmiastowe instrukcje dla modelu pozostają selektywne. Kolejna decyzja dotyczy tego, które aplikacje skorzystają na tyle, by uzasadnić zmianę istniejącej ścieżki wykonania.
Duże katalogi narzędzi wywierają presję na zespoły integracyjne
Najwyraźniejszą presję odczuwają zespoły, których asystenci udostępniają więcej możliwości, niż wymaga większość pojedynczych zadań.
Szeroki katalog tworzy obietnicę produktową: asystent może docierać do różnych systemów biznesowych. Każde dodatkowe połączenie wprowadza także wybory nazewnicze, nakładające się działania, zasady dostępu i możliwe stany błędów. Pobieranie zmienia sposób, w jaki te możliwości trafiają do modelu, ale deweloperzy nadal odpowiadają za ich organizację.
Dokumentacja wywoływania funkcji Google opisuje function calling jako łączenie modeli z zewnętrznymi działaniami i danymi. W przypadku funkcji zdefiniowanych przez aplikację model żąda operacji, a aplikacja ją wykonuje. To rozdzielenie pozostaje kluczowe przy ocenie funkcji wyboru narzędzi.
Wybór właściwej operacji przez model nie oznacza, że operacja zakończyła się powodzeniem. Aplikacja może napotkać niedostępną usługę, wygasłe poświadczenia lub nieprawidłowy warunek biznesowy. Nabywcy muszą odróżniać jakość odkrywania od niezawodności połączonego systemu.
Presja staje się konkretna w hipotetycznym procesie wsparcia. Klient pyta, dlaczego przesyłka zastępcza nie została wysłana. Asystent musi zidentyfikować odpowiednie wyszukiwanie, zinterpretować jego wynik i ustalić, czy uzasadnione jest kolejne działanie.
Rozbudowana lista integracji nie odpowiada na te pytania. Podobne możliwości mogą pobierać zamówienie, sprawdzać przesyłkę, tworzyć wysyłkę zastępczą lub kontaktować się z klientem. Ich rozróżnienia muszą przetrwać drogę od żądania w języku naturalnym do wykonywalnego działania.
Z perspektywy inżynierskiej selektywne ładowanie sprawia, że trudniej ignorować utrzymanie katalogu. Jeśli opisy się nakładają, pobieranie wprowadza kolejne miejsce, w którym niejednoznaczność może wpłynąć na wynik. Dodawanie konektorów bez przeglądu ich nazw i odpowiedzialności sprawia, że warstwa wyboru staje się coraz trudniejsza do zrozumienia.
Zespoły odpowiedzialne za wewnętrzne narzędzia wiedzy stoją przed podobnym rozróżnieniem. Znajdowanie dokumentu i znajdowanie operacji programowej to odrębne problemy pobierania. Baza wiedzy z możliwością wyszukiwania dotyczy dostępu do informacji; pobieranie narzędzi dotyczy dostępu do możliwości.
Połączenie tych warstw może uczynić asystenta bardziej użytecznym, ale każda z nich zasługuje na osobną ocenę. System może odnaleźć właściwy dokument, a mimo to wybrać niewłaściwe działanie. Może również wybrać właściwą operację wyszukiwania i otrzymać niepełne informacje.
Zakupy korporacyjne powinny odzwierciedlać te różnice. Pytanie o liczbę integracji obsługiwanych przez produkt dostarcza spisu. Pytanie o to, jak asystent wybiera, autoryzuje, wykonuje i weryfikuje operację, daje bardziej znaczący obraz jego działania.
Dla deweloperów utrzymujących istniejącą aplikację wydanie tworzy praktyczny punkt przeglądu. Które możliwości rzeczywiście potrzebują natychmiastowej dostępności? Które należą do sporadycznych procesów? Które dublują cel innego narzędzia na tyle, że mogą wprowadzać zamieszanie przy wyborze?
Te pytania mają znaczenie przed podjęciem decyzji o migracji. Mechanizm pobierania może szybko zmienić zachowanie ładowania, podczas gdy niejasny katalog pozostaje niejasny. Zespoły, które potraktują ogłoszenie jako zaproszenie do zbadania projektu integracji, dowiedzą się więcej niż zespoły, które po prostu włączą kolejną opcję.
Odroczone ładowanie przesuwa decyzję wcześniej
Selektywne ładowanie czyni odkrywanie wyraźną częścią ścieżki działania, więc jakość początkowego opisu zyskuje większe znaczenie.
Dokumentacja pobierania narzędzi Google rozróżnia odkrywanie po stronie serwera od odkrywania zarządzanego przez aplikację. Domyślny tryb serwerowy rozwiązuje zadeklarowane narzędzia wewnętrznie. Pobieranie po stronie klienta pozwala aplikacji przeszukiwać własny rejestr, katalog dostępnych operacji, i zwracać pasujące definicje.
Ścieżka klienta dodaje rundę żądania, czyli kolejną wymianę między aplikacją a modelem. Uwzględnia również narzędzia wprowadzane podczas rozmowy. Są to różne wybory operacyjne, o odmiennych konsekwencjach dla kontroli nad aplikacją i czasu odpowiedzi.
Pytanie projektowe brzmi, gdzie powinna należeć logika wyboru. Stabilny katalog może sprzyjać zarządzanej ścieżce odkrywania, ponieważ aplikacja już zna dostępne operacje. Zmienny katalog może uzasadniać udział aplikacji, gdy dostępność zależy od bieżącego użytkownika lub połączonych systemów.
Ta ocena powinna wynikać z wymagań aplikacji. Większa kontrola oznacza więcej kodu do utrzymania, więcej stanów błędów do zbadania i kolejną zależność na ścieżce odpowiedzi. Prostsza ścieżka zarządzana nadal wymaga starannie zdefiniowanego zestawu udostępnionych możliwości.
Przewodnik wymaga również stałej uwagi poświęconej stanowi rozmowy. Deklaracje narzędzi muszą być wysyłane ponownie, a aplikacje samodzielnie zarządzające historią muszą zachowywać kroki pobierania i ich sygnatury. Sygnatura to nieprzezroczysta wartość używana przez API do zachowania kontekstu pobierania.
Dla deweloperów oznacza to, że niewielka zmiana konfiguracji może mieć szersze konsekwencje integracyjne. Oprogramowanie pośredniczące, które przekształca historię rozmowy, wymaga przeglądu. Logowanie rejestrujące wyłącznie końcowe odpowiedzi może ukrywać ścieżkę wyboru. Zachowanie ponawiania prób musi zachowywać informacje wymagane do kontynuacji.
Te kwestie pokazują, dlaczego pobieranie należy do dyskusji architektonicznej, a nie do listy kontrolnej funkcji. Wybór modelu zależy od tego, co aplikacja udostępnia, jak opisuje to udostępnienie i jaki stan przetrwa między żądaniami.
Hipotetyczny asystent harmonogramowania ułatwia dostrzeżenie problemu. „Znajdź dostępne terminy” i „zarezerwuj spotkanie” dotyczą tego samego tematu, ale niosą różne konsekwencje. Odkrywanie musi zachować to rozróżnienie, zanim model otrzyma szczegółowe dane wejściowe.
To samo rozumowanie dotyczy działań związanych z klientami. „Sprawdź zwrot środków” i „zrealizuj zwrot środków” powinny pozostać rozróżnialne nawet wtedy, gdy ich szczegółowe schematy są nieobecne. Katalog zorganizowany wokół jasnych intencji użytkownika daje etapowi wyboru bardziej użyteczną podstawę.
Nie dowodzi to, że odroczone ładowanie poprawi każdy niejednoznaczny proces. Wskazuje, gdzie deweloperzy powinni szukać podczas testowania. Etap odkrywania musi wybrać właściwą operację, zanim pozostała część aplikacji będzie mogła wykonać swoje zadanie.
Istnieje także konsekwencja dla projektu produktu. Użytkownicy powinni otrzymywać jasne wyjaśnienia, gdy asystent nie może znaleźć odpowiedniej możliwości. Powtarzające się wyszukiwanie, nieistotne działanie i prośba o wyjaśnienie to różne rezultaty.
Udane wdrożenie sprawia, że te rezultaty są obserwowalne dla zespołu, który je utrzymuje. W przeciwnym razie pozornie zwięzła końcowa odpowiedź może ukrywać zagubiony proces odkrywania. Mechanizm ładowania zmienia ścieżkę wykonania; aplikacja potrzebuje wystarczającej widoczności, aby ocenić tę zmianę.
Anthropic zapewnia precedens, a nie punkt odniesienia dla Gemini
Kontekst konkurencyjny wspiera odkrywanie na żądanie jako poważną opcję projektową, pozostawiając jednocześnie korzyści Google na poziomie aplikacji do zmierzenia.
Publikacja Anthropic dotycząca zaawansowanego użycia narzędzi opisuje własne Tool Search Tool i odroczone definicje. Wyraźnie uznaje też kompromis: dodatkowy krok wyszukiwania musi uzasadnić swoje miejsce lepszym wykorzystaniem kontekstu lub większą dokładnością.
Ten precedens ma znaczenie, ponieważ Google wchodzi w istniejącą debatę architektoniczną. Kluczowy wybór nadal dotyczy tego, czy aplikacja powinna od razu udostępniać kompletne definicje, czy odkrywać je w miarę rozwoju pracy. Marka dostawcy nie eliminuje leżącego u podstaw pytania inżynieryjnego.
Implementacje różnią się także w sposób, który zniechęca do powierzchownego utożsamiania ich ze sobą. Google twierdzi, że jego odroczone narzędzia zachowują nazwy i opisy w początkowym kontekście. Anthropic opisuje mechanizm wyszukiwania, który odnajduje odroczone narzędzia przed rozwinięciem ich definicji.
Tych podejść nie należy uznawać za wymienne tylko dlatego, że oba odraczają informacje. Początkowy obraz dostępny dla modelu wpływa na to, jak rozpoznaje on istotne możliwości. Różne metody wykrywania mogą też prowadzić do odmiennych wzorców błędów.
Anthropic informuje o wewnętrznych ulepszeniach swojej implementacji, lecz wyniki te nie potwierdzają wydajności Gemini. Benchmark dotyczy testowanych modeli, zbiorów narzędzi, zadań i metody oceny. Przenoszenie wartości procentowej między dostawcami zacierałoby te warunki.
Dla nabywców użyteczne porównanie ma więc charakter metodologiczny. Co każdy system ujawnia na początku? Jak znajduje narzędzie? Co się dzieje, gdy oczekiwana funkcja jest niedostępna? Jak aplikacja analizuje błędny wybór i jak po nim odzyskuje sprawność?
Rzetelna ocena wymaga również wiarygodnego punktu odniesienia. Porównanie wyszukiwania z celowo chaotycznym katalogiem zawyżyłoby wkład nowego mechanizmu. Obecne podejście zasługuje na jasne opisy, odpowiednie grupowanie i usunięcie niepotrzebnych operacji.
Podobnie test zdominowany przez rzadko używane narzędzia naturalnie faworyzuje selektywne ładowanie. Przepływ pracy, który wielokrotnie korzysta z większości dostępnych możliwości, stanowi inne obciążenie. Żaden z tych wyników sam w sobie nie opisuje wszystkich aplikacji agentowych.
Najbardziej miarodajne porównanie utrzymuje stałość zadania biznesowego. Użytkownik zadaje to samo pytanie, połączone systemy zwracają równoważne informacje, a aplikacja stosuje te same zasady autoryzacji. Ocena bada następnie, czy zmieniona strategia ładowania poprawia ukończony rezultat.
Obejmuje to także doświadczenie użytkownika. Asystent, który prawidłowo kończy zadanie po wielokrotnych doprecyzowaniach, różni się od takiego, który od razu rozumie prośbę. Szybsza pierwsza odpowiedź może mimo to poprzedzać wolniejsze całościowe rozwiązanie.
Konkurencja między dostawcami powinna ułatwiać testowanie tych różnic, zamiast zachęcać do szerokich twierdzeń o tym, kto rozwiązał problem użycia narzędzi. Podobne kierunki rozwoju produktów tworzą okazję do porównywalnych eksperymentów. Nie dostarczają jednak wyników tych eksperymentów.
W przypadku Introducing Tool Retrieval in the Gemini API uzasadniony wniosek jest taki, że Google dołączyło do trendu selektywnego ładowania możliwości. To, czy jego wersja zapoznawcza stanie się preferowaną ścieżką dla konkretnej aplikacji, zależy od zmierzonego zachowania tej aplikacji.
Mniejsze prompty nie gwarantują tańszej ukończonej pracy
Istotną miarą ekonomiczną jest koszt udanego przepływu pracy, uwzględniający wykrywanie, wykonanie, odzyskiwanie sprawności i dalszą rozmowę.
Google podaje, że Tool Retrieval nie wiąże się z oddzielną opłatą za funkcję, podczas gdy nadal obowiązuje standardowe rozliczanie tokenów modelu. Tokeny to jednostki używane do mierzenia wejścia i wyjścia modelu. Wyszukiwanie dodaje stały narzut wejściowy, a pobrane schematy nadal podlegają rozliczeniu w kontekście kolejnych rozmów.
Ten model rozliczeń tworzy warunkową możliwość. Pominięcie nieużywanego materiału może ograniczyć zużycie wejścia. Późniejsze załadowanie materiału nadal powoduje zużycie, a rozmowa, która ostatecznie wymaga dużej części katalogu, ma inny profil.
Kluczowym punktem analitycznym jest mianownik. Mierzenie wyłącznie początkowego promptu może sprawić, że optymalizacja będzie wyglądała na cenniejszą, niż jest w rzeczywistości. Firmę interesuje, czy prośba klienta została rozwiązana, raport ukończony, czy zamierzony rekord został poprawnie zaktualizowany.
Hipotetyczny asystent może rozpocząć z mniejszym wejściem, ale wykonać niepotrzebną próbę wykrywania. Może pobrać niewłaściwą operację, poprosić o doprecyzowanie i spróbować ponownie. Początkowe oszczędności opisywałyby wtedy tylko część interakcji.
Możliwy jest również odwrotny wynik. Lepszy wybór może zapobiec nieprawidłowemu wywołaniu i następującej po nim pracy naprawczej. W takim przypadku korzyść wykracza poza pominięty tekst schematu.
Żadnego z tych scenariuszy nie należy przedstawiać jako zaobserwowanego wyniku Gemini bez dowodów. Wyjaśniają one, dlaczego zespoły potrzebują pomiarów obciążenia. Liczba tokenów, jakość ukończenia i czas, który upłynął, odpowiadają na powiązane pytania, ale żaden z tych wskaźników nie zastępuje pozostałych.
Podobnej ostrożności wymaga opóźnienie, czyli czas upływający przed ukończeniem odpowiedzi lub działania. Wewnętrzne wyszukiwanie na serwerze pozwala uniknąć dodatkowej wymiany z aplikacją. Nadal oznacza ono pracę w ramach żądania, więc „brak dodatkowego przejścia tam i z powrotem” nie znaczy „brak czasu pobierania”.
Buforowanie dodaje kolejną zmienną. Pamięć podręczna ponownie wykorzystuje kwalifikujące się wcześniej przetworzone treści. Google twierdzi, że odroczone ładowanie zachowuje stabilny prefiks promptu, lecz zespoły nadal muszą przeanalizować rzeczywiste wzorce rozmów, zanim oszacują korzyść ekonomiczną.
Bezpieczeństwo i uprawnienia należą do tej samej praktycznej oceny. Ukrycie schematu do późniejszego etapu nie potwierdza, czy użytkownik ma prawo wykonać dane działanie. Aplikacje powinny egzekwować dostęp zarówno podczas udostępniania możliwości, jak i wykonywania istotnych operacji.
Przykład zwrotu środków wyraźnie pokazuje tę granicę. Odkrycie operacji zwrotu odpowiada na pytanie, które narzędzie pasuje do żądania. Nie potwierdza natomiast, że klient się kwalifikuje, że kwota jest prawidłowa ani że bieżący użytkownik może ją autoryzować.
Wersja zapoznawcza pozostawia również ryzyko wydania po stronie wdrażających ją użytkowników. Dokumentacja Google określa Tool Retrieval jako wersję zapoznawczą, której interfejs może ulec zmianie przed ogólną dostępnością. Zespoły muszą uwzględnić ten status, decydując, jak silnie na nim polegać.
Rozsądny pilotaż ocenia zatem więcej niż niższą liczbę tokenów wejściowych. Porównuje ukończone zadania, błędy, wysiłek odzyskiwania sprawności i całkowity czas. Wynik staje się istotny komercyjnie, gdy efektywność utrzymuje się w tych szerszych miarach.
To podstawowe ograniczenie obietnicy zawartej w ogłoszeniu. Selektywne ładowanie tworzy możliwość ostrożniejszego wykorzystania kontekstu. Nie eliminuje potrzeby udowodnienia, że cała aplikacja działa lepiej.
Kolejne sygnały to stabilność, wyniki przepływów pracy i jakość katalogu
Następny etap należy oceniać na podstawie obserwowalnych wyników aplikacji, przy czym istotny kontekst zapewniają dojrzałość wydania i łatwość utrzymania.
Pierwszym sygnałem, który warto obserwować, jest stabilność produktu. W nadchodzących kilku miesiącach zmiany statusu wersji zapoznawczej, obsługiwanego zachowania i dokumentacji wpłyną na decyzje wdrożeniowe. Stabilny interfejs ułatwia zespołom zaangażowanie wysiłku inżynieryjnego i utrzymanie spójnego zachowania.
Sygnał ten wzmocniłby argument za szerszym zastosowaniem, ale nie dowiódłby wzrostu efektywności. Dojrzałość wydania i wydajność przy danym obciążeniu odpowiadają na różne pytania. Niezawodny interfejs nadal może być niewłaściwym wyborem dla aplikacji z niewielkim, często używanym zestawem narzędzi.
Drugim sygnałem są dowody z pełnych przepływów pracy. Użyteczne wyniki porównywałyby równoważne zadania przy selektywnym i wstępnym ładowaniu, przy niezmienionym pozostałym zachowaniu aplikacji. Raporty powinny wyjaśniać, co się udało, co zawiodło i jak odzyskiwanie sprawności wpłynęło na wynik.
Wyniki dla zróżnicowanych żądań byłyby bardziej przekonujące niż starannie wybrana demonstracja. Rutynowe wyszukiwania, niejednoznaczne prośby, zmieniające się cele rozmowy i niedostępne możliwości ujawniają różne słabości. Funkcja, która działa dobrze w takich warunkach, ma mocniejsze uzasadnienie wdrożeniowe.
Dowody niższego całkowitego zużycia wejścia przy stabilnej jakości ukończenia wspierałyby argument Google dotyczący efektywności. Więcej błędów wykrywania lub dłuższy czas rozwiązania osłabiłoby argument w odniesieniu do testowanego obciążenia. Każdy z tych wyników pomógłby deweloperom podjąć bardziej precyzyjną decyzję.
Trzecim sygnałem jest jakość katalogu w utrzymywanych aplikacjach. Zespoły powinny obserwować, czy jasne nazwy, skoncentrowane opisy i celowe granice możliwości pozostają skuteczne w miarę zmian integracji. Aplikacja wymagająca ciągłych napraw, by zachować wykrywalność, ma inne obciążenie utrzymaniowe.
Ten sygnał dotyczy również odpowiedzialności. Gdy możliwość się zmienia, ktoś musi odpowiadać za jej opis, warunki dostępu i oczekiwane zachowanie. Pobieranie uwidacznia tę odpowiedzialność, ponieważ tekst katalogu bezpośrednio uczestniczy w wyborze.
Dla nabywców korporacyjnych sygnały te sugerują konkretne pytania do dostawców. Czy produkt może pokazać, jak wybrał operację? Czy potrafi wyjaśnić nieudane wykrywanie? Czy jego zespół może porównać ukończone przepływy pracy przed i po zmianie strategii ładowania?
Dla deweloperów najsilniejszym kolejnym krokiem jest ograniczone porównanie z wykorzystaniem reprezentatywnej pracy. Uwzględnij prośby wymagające znanych możliwości, prośby wymagające okazjonalnych możliwości oraz prośby, które nie powinny powodować żadnego działania. Zachowaj istniejący punkt odniesienia, aby wynik pozostał interpretowalny.
Traktuj Introducing Tool Retrieval in the Gemini API jako możliwą do przetestowania zmianę architektoniczną. Wybierz przepływ pracy, którego użytkownicy już dostrzegają błędy wyboru lub opóźnienia, a następnie porównaj skuteczne ukończenie, całkowite zużycie i czas, który upłynął. Przeanalizuj przypadki, w których asystent wybiera nieprawidłowo, nie odkrywa niczego użytecznego lub potrzebuje doprecyzowania. Przejrzyj katalog wraz z tymi błędami, ponieważ jaśniejsze opisy mogą rozwiązać problemy, których same zmiany ładowania nie są w stanie usunąć. Utrzymuj spójne uprawnienia podczas całego porównania i zachowaj poprzednią ścieżkę wykonania, gdy rozwija się wersja zapoznawcza. Decyzja powinna wynikać z dowodów z Twojej aplikacji: czy selektywne ładowanie pomaga asystentowi wykonać właściwą pracę przy mniejszym wysiłku użytkownika?



