Türkçe
English
Deutsch
Français
Español
Русский
Български
العربية
Бизнес приложения с изкуствен интелект
Разглеждаме изкуствения интелект не като отделен продукт, а като компонент, вграждащ се в съществуващата работа на организацията. Дадена модел става наистина полезен едва когато бъде свързан със собствените данни и правила на процесите на организацията.
Когато се говори за изкуствен интелект, обикновено се обсъжда кой модел ще се използва. От корпоративна страна обаче резултатът обикновено се определя не от избора на модел, а от това до какви данни има достъп системата, от какви правила е ограничена и кой валидира отговора, който дава. При превръщането на дадена задача в подпомагана от изкуствен интелект, по-голямата част от усилията отиват именно в отговора на тези три въпроса.
Затова започваме разработката с един-единствен процес. Например разчитане на постъпващите фактури, извличане на информация от пакет договори, класификация на полеви записи или възможност потребителят да задава въпроси на естествен език за собствените си данни. При стеснен обхват е възможно да се измери коректността на резултата и системата да бъде коригирана преди мащабирането ѝ.
Самото приложение си остава познатата ни корпоративна софтуерна работа: модел на данни, оторизация, одиторска следа, интеграция със съществуващи системи. Изкуственият интелект се вгражда в тази структура като компонент с ясно дефинирана отговорност. Пред потребителя се появява не нов екран, а версия на вече използваната от него система, изискваща по-малко ръчна работа.
Ние ли сме подходящият партньор?
При задачи с ясно правило изкуственият интелект е излишен слой. Ако правилото може да бъде записано, записването му остава едновременно по-евтино и по-лесно за проверка. Тази технология е полезна там, където правилото не може да бъде записано, но съществуват примери.
Да, нека поговорим
- Съществува ръчна, повтаряща се задача, чийто резултат може да бъде проверен
- Решението се основава на документ, свободен текст или неструктурирани данни
- В организацията са налични достатъчно примери, показващи какъв е правилният отговор
Не, някой друг ще го направи по-добре
- Задачата вече е дефинирана чрез правила — класическият софтуер е по-евтин и по-точен
- Става дума за решение, при което грешен резултат би довел до необратима последица
- Данните на организацията са разпръснати; тяхното събиране само по себе си е отделен проект
С какво се занимаваме
- Оценка на процеса — определяне коя задача е подходяща за тази технология
- Инфраструктура за въпроси и отговори върху собствените документи и записи на организацията
- Разпознаване на документи, извличане на полета и класификация
- Интерфейси за отчетност и заявки на данни на естествен език
- Подкрепа при вземане на решения и генериране на препоръки, свързани с работния процес
- Интеграция със съществуващи корпоративни системи и източници на данни
- Избор на модел; оценка на разходи, скорост и поверителност на данните
- Решение и внедряване за работа на място или в облак
- Измерване на точността на резултатите, човешко потвърждение и одиторска следа
- Интерфейси на възможности, достъпни за извикване от ИИ клиенти
Как процедираме
Избор на процес
Не всички задачи в организацията са подходящи за тази технология. Избираме процес, който протича ръчно, повтаря се и резултатът му може да бъде проверен; изграждаме първото приложение върху него.
Извличане на данни и правила
Събираме документите, записите и вътрешните дефиниции, върху които се основава процесът. Там, където данните са разпръснати или дефинициите никога не са били записани, тук започва истинската работа.
Критерий за точност
Дефинираме правилния отговор въз основа на собствените примери на организацията. Без установен критерий доколко даден резултат е добър остава въпрос на мнение.
Разработка на приложението
Вграждаме модела в корпоративното приложение. Оторизацията, воденето на журнал и предаването на несигурни случаи към човек настройваме на този етап.
Въвеждане в експлоатация и мониторинг
В началния период всички резултати преминават през човешко потвърждение. С натрупването на резултати от измерванията определяме кои стъпки могат да протичат без одобрение.
Нашите технически решения
- Компонентът с изкуствен интелект се позиционира по такъв начин, че да не може да излезе извън правилата на приложението. Границите на правата, достъпните данни и стъпката на одобрение се съхраняват в собствения слой на системата; текстът, генериран от модела, не може да променя тези правила. В противен случай кой до какво има достъп става също толкова несигурно, колкото и точността на резултата.
- Всеки резултат се регистрира. Съхранява се на кой въпрос е отговорено с какви данни, коя версия е работела и дали потребителят е потвърдил резултата. Без такъв запис, когато системата произведе грешен резултат, е невъзможно да се върнем назад и да установим причината.
- Точността се измерва не на око, а чрез набор от примери. Валидационен набор, изготвен от собствените документи на организацията, позволява повторение на същия тест при всяка промяна на версия. Само по този начин може да се установи какво се е влошило при промяна на модела или инструкцията.
- Мястото на обработка на данните не е техническо предпочитание, а решение на организацията. При задачи с високи изисквания за поверителност се разглеждат модели, работещи на място; в останалите случаи — облачни услуги. Изборът се прави между разходи, скорост и поверителност и се документира заедно с обосновката.
- Системата е проектирана да предава на човек случаите, в които не е сигурна. Структура, която поставя съмнителните записи в опашка, е по-полезна от структура, която решава всичко сама; така се вижда къде се натрупват грешките и корекцията се прилага именно там.