AI
AI rešitve, povezane z dejanskimi podatki in sistemi.
Razvijamo AI rešitve, ki uporabljajo podatke, dokumentacijo in obstoječe informacijske sisteme naročnika. Glede na primer uporabe lahko rešitev vključuje velike jezikovne modele, RAG, AI agente, semantično iskanje, klasifikacijo dokumentov, ekstrakcijo podatkov, avtomatizacijo procesov in povezovanje z zunanjimi API-ji.
Pri poslovni uporabi AI določimo vire podatkov, dovoljene akcije, pravice dostopa, revizijsko sled, kontrolne točke in primere, kjer je pred izvedbo potrebna potrditev uporabnika.
Storitve na tem področju
Kdaj nas običajno vključijo
- zaposleni iščejo informacije po dokumentih
- dokumenti se pregledujejo ročno
- podpora odgovarja na ista vprašanja
- potrebujete klasifikacijo ali izluščenje podatkov
- želite AI vključiti neposredno v poslovni proces
AI ni vedno prava rešitev
Če proces lahko rešimo z običajno avtomatizacijo, AI ne dodajamo zato, ker je trend. Povemo, kje se AI izplača in kje ne.
Kaj to pomeni za vas
- Manj časa za iskanje informacij.
- Manj ročnega prepisovanja podatkov.
- Hitrejša obdelava dokumentov in zahtevkov.
- Bolj enoten odgovor zaposlenih.
- Jasna sled, od kod odgovor prihaja.
Problem → rešitev
Iz česa je sestavljena AI rešitev
Kliknite del sistema in ga izklopite - ugasne tisto, kar brez njega ne deluje. Ponoven klik ga vrne.
AI povezujemo z
- internimi dokumenti
- CRM
- ERP
- e-pošto
- podatkovnimi bazami
- poslovnimi aplikacijami
- API-ji
- uporabniškimi portali
Področja
AI Solutions
Namenski AI sistemi za konkreten poslovni problem, ne splošni klepetalniki.
AI agenti
AI, ki opravi več zaporednih korakov znotraj pravil in dovoljenj.
RAG
AI, ki uporablja interno znanje organizacije in navaja vir.
Obdelava dokumentov
Razumevanje, analiza in strukturiranje dokumentov.
AI podpora uporabnikom
Podpora uporabnikom in zaposlenim s predlogi odgovorov.
AI avtomatizacija
AI kot del avtomatiziranega poteka dela, ne kot ločeno orodje.
Kaj je kaj: pojmi, ki se pogosto zamenjujejo
Pod oznako »AI« se danes prodajajo zelo različne stvari. Razlika med njimi ni akademska – določa, katere podatke sistem potrebuje, koliko dela je potrebnega pred uvedbo, kaj lahko gre narobe in kako sploh preverimo rezultat.
| Pojem | Kaj pomeni | Kdaj je primeren |
|---|---|---|
| Generativni model (LLM) | model, ki tvori besedilo na podlagi vprašanja in danega konteksta | pisanje osnutkov, povzemanje, razlaga, pretvorba oblike zapisa |
| RAG | model odgovarja na podlagi vaših dokumentov in navaja vire | interno znanje, navodila, pogodbe, dokumentacija |
| AI agent | sistem, ki opravi zaporedje korakov in uporablja druge sisteme | opravila, ki jih človek danes ročno opravlja v več sistemih |
| Klasifikacija | razvrščanje zapisa v vnaprej znane kategorije | usmerjanje pošte, razvrščanje zahtevkov, oznake dokumentov |
| Izluščenje podatkov | branje določenih polj iz nestrukturiranega dokumenta | računi, obrazci, pogodbe, razpisna dokumentacija |
| Pomensko iskanje | iskanje po pomenu, ne po natančni besedi | velike zbirke dokumentov, pri katerih iskanje po ključnih besedah odpove |
| Avtomatizacija procesa | pravila in koraki brez modela ali z modelom v enem koraku | ponovljiva opravila z jasnimi pravili |
Kadar je pravilo jasno in se korak vsak dan ponavlja, je običajna avtomatizacija pogosto cenejša, hitrejša in bolj predvidljiva od modela. Model uporabimo tam, kjer so vhodni podatki nestrukturirani, jezik naraven ali pravil ni mogoče v celoti zapisati.
AI ni samostojen sistem
AI rešitev redko obstaja sama zase. Da je uporabna, mora vedeti, kdo sprašuje, kaj ta oseba sme videti, kje so podatki in dokumenti, katere sisteme sme brati in kaj sme spremeniti. Zato je vsak resen AI projekt tudi integracijski projekt.
- identiteta uporabnika in prijava
- pravice dostopa, ki veljajo tudi za AI
- podatkovne baze in poslovni sistemi
- dokumentni sistemi in arhivi
- API-ji obstoječih aplikacij
- ERP, CRM in DMS, kadar so vir podatkov
- dnevniki, odobritve in revizijska sled
- nadzor delovanja po uvedbi
Izbira modela je samo ena od odločitev
Vprašanje »kateri model« je v praksi manj pomembno od vprašanj, kje so podatki, kdo lahko dostopa do njih, kako preverimo rezultat in kaj se zgodi ob napaki. Model izberemo po merilih, pomembnih za konkretni primer, in ga po potrebi zamenjamo, ne da bi bilo treba na novo razviti celoten sistem.
- kakovost odgovorov na vaših dejanskih primerih
- odzivni čas glede na način uporabe
- obvladovanje slovenščine
- velikost konteksta, ki ga model sprejme
- zahteve glede zasebnosti in lokacije obdelave
- strošek na obseg uporabe
- podpora za uporabo orodij in strukturirani izhod
- način gostovanja: storitev ali lastno okolje
Človek v postopku
Popolna avtonomija ni cilj vsakega AI procesa. Pri odločitvah, ki imajo finančne, pravne ali poslovne posledice, je pravi model običajno preprost: sistem pripravi, človek potrdi, sistem izvede. Tako se ohrani hitrost, odgovornost pa ostane pri človeku.
Upravljanje in nadzor AI rešitve
Pred uvedbo je treba določiti meje: kateri podatki se lahko obdelujejo, kdo lahko uporablja rešitev, kaj se beleži, koliko časa se podatki hranijo in kdo odobri dejanja z večjim vplivom. To ni le vprašanje skladnosti – brez tega ni mogoče ugotoviti, zakaj je sistem nekaj naredil.
- meje obdelave podatkov: kaj se sme in česa se ne sme obdelovati
- pravice dostopa, enake kot v izvornih sistemih
- presoja ponudnika modela in lokacije obdelave
- beleženje vprašanj, virov in dejanj
- čas hrambe zapisov
- odobritve za dejanja z večjim vplivom
- revizijska sled in možnost naknadnega pregleda
Kaj gre pri AI projektih pogosto narobe
| Tveganje | Kako ga obravnavamo |
|---|---|
| slabi ali neurejeni viri podatkov | popis virov in pregled kakovosti pred razvojem |
| ni merila, kdaj je rezultat dovolj dober | nabor testnih vprašanj s pričakovanimi odgovori |
| preveč samostojnosti prehitro | dejanja z večjim vplivom pošljemo v odobritev |
| razkritje podatkov, do katerih uporabnik ni upravičen | pravice dostopa preverimo že pri iskanju, ne šele pri prikazu |
| ni nadzora po uvedbi | beleženje, opozorila in redna ponovna evalvacija |
| rešitev ni povezana s sistemi, kjer ljudje delajo | integracija je del obsega projekta, ne poznejša želja |
Kdo dela na AI projektu
- AI/ML strokovnjak za zasnovo rešitve in evalvacijo
- strokovnjak za podatke za vire, pripravo in kakovost
- backend razvijalec za povezavo s sistemi in pravice
- arhitekt rešitev za umestitev v obstoječo arhitekturo
- QA inženir za testne primere in regresijo
- DevOps inženir za okolja, nadzor in stroške obratovanja
Epix razvija tudi lastne AI produkte, zato razvoja AI rešitev ne obravnavamo kot dodatek k spletni strani, temveč kot razvoj programske opreme z lastnimi zahtevami glede podatkov, pravic in preverjanja.
Kako AI zasnujemo
Primer uporabe
Najprej določimo, katero odločitev ali korak naj AI prevzame in kje se mora ustaviti.
Podatki
Popišemo vire, kakovost in dostope. Brez urejenih podatkov AI ne more dati zanesljivega rezultata.
Arhitektura
Izberemo model, način priklica znanja in mesto, kjer se AI vključi v obstoječi proces.
RAG, agenti, orodja
Agent uporablja vaše sisteme prek njihovih vmesnikov in znotraj pravic, ki jih določite vi.
Nadzor nad AI
Varovalke
Kaj AI sme in česa ne, kdaj mora vprašati človeka in kdaj proces ustavi.
Človek v procesu
Občutljive korake potrdi človek. Potrditev je zabeležena skupaj z razlogom.
Merjenje kakovosti
Redno preverjanje na vzorcih, da ugotovimo, kdaj se kakovost odgovorov spremeni.
Nadzor in stroški
Spremljanje uspešnosti, napak in stroška po opravilu, z opozorili ob odstopanju.
Sorodno delo
Pogosta vprašanja
Kje so shranjeni naši podatki?
Odvisno od zahtev. Rešitev lahko postavimo tako, da podatki ostanejo v EU ali v vaši infrastrukturi. Pravila dostopa in hrambe določimo pred razvojem.
Kaj pa napačni odgovori?
AI ne odloča sam tam, kjer je napaka draga. Uporabimo navedbo virov, kontrolne točke in potrditev človeka pred izvedbo dejanja.
Koliko stane uporaba AI?
Strošek na obdelan primer izmerimo v pilotu in ga omejimo z dnevno mejo, da ni presenečenj.
Ali je AI vedno prava rešitev?
Ne. Kadar je pravilo jasno, je klasična avtomatizacija cenejša in zanesljivejša. To povemo, preden se karkoli razvija.
Katere podatke potrebuje AI rešitev?
Odvisno od namena: za odgovarjanje na podlagi internega znanja potrebujemo dokumente in pravice dostopa do njih, za obdelavo dokumentov vzorčne primere, za AI agenta pa dostop do sistemov, v katerih bo deloval.
Ali morajo naši podatki v oblak?
Ne nujno. Način obdelave in lokacijo določimo glede na vaše zahteve; kaj je izvedljivo, je odvisno od izbranega modela in okolja, zato to vprašanje razrešimo pred začetkom razvoja.
Kako preverite, ali AI odgovarja pravilno?
S pripravljenim naborom vprašanj in pričakovanih odgovorov, ki ga uporabimo ob vsaki spremembi. Nekaj naključnih vprašanj ni ustrezno merilo.
Ali lahko AI izvaja dejanja v naših sistemih?
Da, v obsegu, ki ga določite. Dejanja razdelimo na branje, pisanje in dejanja, ki zahtevajo potrditev človeka; vse korake beležimo.
Kdaj AI ni pravi odgovor?
Kadar je pravilo jasno in ponovljivo. Takrat je običajna avtomatizacija cenejša, hitrejša in bolj predvidljiva.
Kaj potrebujete od nas za začetek?
Opis procesa, ki ga želite razbremeniti, primere dokumentov ali vprašanj, informacijo, kje so podatki, in dogovor, katera dejanja so dovoljena.
Preberite tudi
Opišite, kaj potrebujete
Nekaj stavkov je dovolj: kaj potrebujete, za kateri proces ali sistem in do kdaj. Odgovorimo vam po e-pošti.
Sorodne rešitve
Se sliši kot vaš projekt?
Pošljite opis projekta, obstoječi sistem, razpisno dokumentacijo ali datum dogodka.
Ali pišite na info@epix.si