7.1 Mapa przepływu end-to-end

Części V i VI opisały poszczególne etapy. Ta część jest o tym, co się dzieje, gdy etapy działają razem, raz za razem, a ciebie nie ma w środku każdego kroku.

Najpierw trzeba ustalić, które kroki są jednorazowe, a które cykliczne. Mylenie tych dwóch rzeczy to najczęstszy powód, dla którego automatyzacja nie daje nic: ludzie automatyzują krok, który zdarza się dwa razy w roku, a zostawiają ten, który zdarza się czterdzieści razy w miesiącu.

Dwanaście kroków

Dwie obserwacje, które porządkują pracę na nowo.

Pięć z dwunastu kroków jest cyklicznych i ludzkich, a to na nie faktycznie idzie twój czas: strategia, utrzymanie referencji, QA i selekcja, montaż oraz sprawdzenie ujawnienia. Kroki od 4 do 9 to praca maszyny z bramką człowieka na wyniku.

Publikacja to jedyny nieodwracalny krok. Wszystko przed nią można uruchomić ponownie, a ta asymetria jest architektonicznym argumentem za bramką zatwierdzenia z 7.3: postaw sprawdzenie przez człowieka bezpośrednio przed jedynym krokiem, którego nie da się cofnąć.

Przepływ, z punktami decyzyjnymi

[1 Strategy] ─→ [2 References] ─→ [3 Identity lock]
                                        │
                                        ▼
              ┌───────────── [4 Batch generation] ◄── prompt list (5.2)
              │                     │
              │                     ▼
              │              [5 Post-processing]
              │                     │
              │                     ▼
              │            [6 QA / selection] ──reject──→ [discard or fix queue]
              │                     │ pass
              │                     ▼
              │              ┌──────┴───────┐
              │         still post      video post
              │              │              │
              │              │         [7 Motion]
              │              │              │
              │              │         [8 Voice]
              │              │              │
              │              │         [9 Lip-sync]
              │              │              │
              │              └──────┬───────┘
              │                     ▼
              │              [10 Assembly]
              │                     │
              │                     ▼
              │           [11 Disclosure check] ──fail──→ back to 10
              │                     │ pass
              │                     ▼
              │           [12 Publication]  ← HUMAN GATE HERE
              │                     │
              └─────────────────────┴──→ [analytics] ─→ review slot (2.6)

Trzy punkty decyzyjne i to, co należy do każdego.

Po QA (krok 6): czy ten frame albo clip idzie dalej, do kolejki do naprawy, czy do odrzucenia? Cztery cele z rozdziału 5.6. Tu mierzy się rejection rate i to ta liczba rządzi rozmiarem twojego batcha.

Po montażu (krok 10): czy materiał przechodzi checklistę oddania z 6.7? To checklista, nie ocena uznaniowa, i powinna być stałą listą, którą przechodzisz za każdym razem.

Przed publikacją (krok 12): bramka człowieka. Jedna osoba decyduje, że to wychodzi. Nie powiadomienie, nie automatyczna zgoda po upływie czasu — decyzja.

Które kroki są jednorazowe

Kroki 1, 2 i 3 zdarzają się raz na wersję tożsamości, a pokusa, żeby je zautomatyzować, jest najsilniejsza właśnie dlatego, że są technicznie ciekawe. Oprzyj się tej pokusie — ale nie w złej kolejności.

Identity lock zdarza się może dwa razy w roku. Weekend pracy ręcznej dwa razy w roku to nie wąskie gardło. Automatyzacja treningu to projekt, który zajmuje dłużej niż ręczne zrobienie tego przez rok.

Referencje zmieniają się najwyżej co kwartał. Struktura folderów i konwencja nazewnictwa (5.3) to wystarczająca automatyzacja.

Strategia to praca człowieka i żadnej jej części nie należy automatyzować, w tym tej, w której decydujesz, że persona istnieje.

Które kroki są cykliczne

Kroki od 4 do 10 biegną w każdym cyklu produkcyjnym i to na nich automatyzacja się zwraca:

Generacja to krok o największym wolumenie. Pipeline batchowy (5.4) to pierwsza rzecz do zbudowania, bo to krok z największą liczbą powtórzeń i najczystszym interfejsem: wchodzi lista promptów, wychodzą frame'y.

QA to krok, który większość ludzi próbuje zautomatyzować, a nie powinna — w całości. Model potrafi wstępnie odfiltrować oczywiste defekty — zniekształcone dłonie, puste frame'y, treść łamiącą regulamin platformy — i to warto robić. Ocena, czy frame jest zgodny z modelem i kanonem, to wkład człowieka, a oddanie jej klasyfikatorowi psuje to, co sprzedajesz.

Montaż to krok, na którym szablony się opłacają. Zapisany projekt z wymiennymi slotami (6.7) usuwa większość powtórzeń, nie usuwając decyzji.

Publikację można automatyzować do bramki. Harmonogramowanie, cross-posting, umieszczanie podpisów i zbieranie analityki są mechaniczne. Człowiekowi musi zostać decyzja.

Czas na cykl

Mapa staje się operacyjna, gdy przypniesz do niej czasy trwania. Dwa reprezentatywne posty, z czasem uwagi oddzielonym od czasu maszyny.

Stosunek jest tu istotą. Post wideo kosztuje około trzy–cztery razy więcej uwagi niż post still, a czas maszyny to mniejszy jego udział, niż ludzie zakładają. Dlatego miks formatów z rozdziału 6.1 jest decyzją o throughputcie: decyzja o publikowaniu większej liczby wideo to decyzja o wydaniu większej części uwagi na post, a uwaga jest wiążącym ograniczeniem (7.1).

Dwie konsekwencje dla planowania. Tygodniowy slot produkcyjny rozpisany pod posty still nie wchłonie wideo bez większej ilości czasu albo mniejszej liczby postów. A retry wideo zjada tyle samo uwagi co pierwsza próba — to praktyczny powód, dla którego istnieje reguła trzech prób z 6.3.

Gdzie naprawdę tworzy się wąskie gardło

Nie tam, gdzie ludzie się spodziewają. Trzej kandydaci, w kolejności, w której naprawdę wiążą:

Uwaga przy QA. Sto pięćdziesiąt frame'ów sprawdzanych po trzydzieści sekund to ponad godzina i skoncentrowana ocena człowieka. To zwykle realne ograniczenie wolumenu, a naprawą jest lepszy rejection rate na wejściu (lepsza warstwa referencji), a nie szybszy recenzent.

Sekwencja w wideo. Łańcuch match cutów z rozdziału 6.4 jest z natury seryjny: clip B czeka na QA clipa A. Produkcja wideo dlatego słabiej się zrównolegla niż produkcja still, a udział wideo w twoim miksie (6.1) jest bezpośrednią decyzją o throughputcie.

Sufit kosztowy. Nie czas, ale miesięczny budżet, przy którym pipeline się zatrzymuje. To temat rozdziału 7.5 i jest to twarda ściana, nie miękka.

Co rzadko jest wąskim gardłem: szybkość generacji. Czekanie na batch jest tanie i można je nakładać na inną pracę. Operatorzy optymalizują to, bo jest mierzalne, a nie dlatego, że ma znaczenie.