> For the complete documentation index, see [llms.txt](https://docs.enate.net/enate-help/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.enate.net/enate-help/polski/zintegrowane-raportowanie/raport-dotyczacy-wydajnosci-klasyfikacji-wiadomosci-e-mail-przez-sztuczna-inteligencje.md). # Raport dotyczący wydajności klasyfikacji wiadomości e-mail przez sztuczną inteligencję Raport dotyczący wydajności klasyfikacji wiadomości e-mail przez sztuczną inteligencję zawiera informacje związane z funkcją klasyfikacji wiadomości e-mail EnateAI, a w szczególności pokazuje, jak skutecznie ta sztuczna inteligencja ocenia i precyzyjnie klasyfikuje przychodzące wiadomości e-mail, które powodują utworzenie Zapytań. Użytkownicy mogą wykorzystać te informacje jako podstawę do podjęcia decyzji, czy należy wprowadzić jakiekolwiek zmiany w ustawieniach sztucznej inteligencji, np. w poziomach pewności wymagających ręcznej interwencji.
## **Konfiguracja wymagana do korzystania z raportu dotyczącego wydajności klasyfikacji wiadomości e-mail za pomocą sztucznej inteligencji** Aby raport dotyczący klasyfikacji wiadomości e-mail za pomocą sztucznej inteligencji wyświetlał dane, w Państwa systemie musi być włączona odpowiednia integracja „EnateAI Email Classification”. Można to zrobić w sekcji Enate Marketplace w narzędziu Builder. Gdy integracja ta jest aktywna, przychodzące wiadomości e-mail, które powodują utworzenie nowego zapytania, generują dane niezbędne do sporządzenia raportu. {% hint style="info" %} Uwaga: dane wyświetlane w tym raporcie dotyczą wyłącznie: * przychodzących wiadomości e-mail, które powodują utworzenie Zapytania ORAZ * które zostały sklasyfikowane przez funkcję „EnateAI Email Classification”. {% endhint %} ## **Dostęp do raportu wydajności funkcji „AI Email Classification”** Dostęp do raportu wydajności funkcji „AI Email Classification” oraz możliwość jego edycji są kontrolowane za pomocą ról użytkowników, tak samo jak w przypadku wszystkich innych raportów w systemie Enate. Aby edytować raport, użytkownicy muszą mieć włączoną funkcję „Tworzenie raportów niestandardowych”. Oto niektóre rodzaje informacji, które można znaleźć w raporcie ## **Struktura raportu dotyczącego wydajności i dokładności klasyfikacji opartej na sztucznej inteligencji** #### **Zapytania pochodzące z przychodzących wiadomości e-mail**
Ten wykres przedstawia liczbę zapytań utworzonych na podstawie przychodzących wiadomości e-mail. #### **Odsetek wiadomości e-mail ocenionych przez sztuczną inteligencję**
Ten wykres przedstawia odsetek przychodzących wiadomości e-mail, które doprowadziły do utworzenia zapytań i zostały jednocześnie sklasyfikowane przez system klasyfikacji wiadomości e-mail EnateAI. #### **Akceptacja prognoz sztucznej inteligencji**
Wykres ten przedstawia liczbę oraz odsetek klasyfikacji AI, które zostały zaakceptowane przez użytkowników. #### **Przewyższone prognozy AI**
Wykres ten przedstawia liczbę oraz odsetek klasyfikacji AI, w przypadku których wybrana kategoria Zapytania została ostatecznie zmieniona przez konsultanta. #### **Dokładność w zależności od poziomu pewności AI**
Wykres ten przedstawia poziomy dokładności w procentach dla różnych poziomów pewności AI. Na przykład: „Kategorie zapytań wybrane przy poziomie pewności poniżej 50% były zastępowane w 76,2% przypadków. Zapytania wybrane przy poziomie pewności wynoszącym 80–90% i więcej były trafne w 92,3% przypadków”. Dane te stanowią dobry sposób na ocenę tego, na ile trafna jest ocena własnych wyników dokonywana przez sztuczną inteligencję. #### **Tendencje dotyczące liczby zapytań i dokładności sztucznej inteligencji**
Wykres ten przedstawia liczbę zapytań sklasyfikowanych przez system klasyfikacji wiadomości e-mail EnateAI w danym okresie oraz poziomy ich dokładności, co pozwala obserwować zmiany dokładności sztucznej inteligencji w czasie. #### **Najczęściej przewidywane przez sztuczną inteligencję kategorie L3**
Wykres ten przedstawia najczęściej przewidywane przez system klasyfikacji wiadomości e-mail EnateAI kategorie zapytań, w rozdzieleniu na wyniki poprawne i przeklasyfikowane. #### **Najczęściej korygowane kategorie L3**
Wykres ten przedstawia kategorie zapytań przewidziane przez sztuczną inteligencję, które są najczęściej korygowane przez użytkowników. ## **Co się stanie, jeśli funkcja klasyfikacji wiadomości e-mail EnateAI nie została włączona?** Jeśli spróbują Państwo uzyskać dostęp do raportu wydajności klasyfikacji opartej na sztucznej inteligencji, ale nie mają Państwo włączonych funkcji EnateAI, nie będą Państwo mogli wyświetlić raportu i pojawi się okienko z informacją, że aby uzyskać do niego dostęp, należy włączyć funkcje EnateAI.
Jeśli spróbują Państwo uzyskać dostęp do raportu wydajności klasyfikacji AI po włączeniu funkcji EnateAI, ale bez włączenia integracji klasyfikacji wiadomości e-mail EnateAI, nie będą Państwo mogli wyświetlić raportu i pojawi się okienko z informacją, że konieczne jest włączenie tej integracji.
--- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.enate.net/enate-help/polski/zintegrowane-raportowanie/raport-dotyczacy-wydajnosci-klasyfikacji-wiadomosci-e-mail-przez-sztuczna-inteligencje.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.