Wdrożenie AI w firmie, gdzie człowiek zatwierdza wynik

Trzy zastosowania AI, które zwracają się najszybciej

W firmach od 20 do 500 osób AI daje najwięcej tam, gdzie ludzie czytają dużo tekstu i przepisują go w ustalone pola. Nie w strategii i nie w „inteligentnych asystentach do wszystkiego”, tylko w trzech dość nudnych miejscach.

1. Odczyt dokumentów. Faktury, zamówienia, listy przewozowe, umowy. Model AI czyta PDF albo skan, wypełnia pola: kontrahent, NIP, pozycje, kwoty, terminy. Człowiek widzi dokument obok wyniku i zatwierdza albo poprawia.
2. Szkice odpowiedzi. Do zapytań ofertowych, reklamacji, pytań o status. System przygotowuje odpowiedź na podstawie danych z Twoich systemów, a pracownik ją czyta, poprawia i wysyła.
3. Klasyfikacja zapytań. Mail trafia na wspólną skrzynkę, a system rozpoznaje, czy to zamówienie, reklamacja, pytanie o fakturę czy spam, i kieruje go do właściwej osoby z priorytetem.

Każde z tych zastosowań jest procesem z jasnym wejściem i wyjściem. Dlatego można je zmierzyć: ile dokumentów, ile minut na sztukę, ile poprawek.

Dlaczego człowiek zawsze zatwierdza

Modele AI mylą się rzadko, ale pewnie. Potrafią odczytać kwotę z niewłaściwej kolumny albo napisać uprzejmą odpowiedź z błędnym terminem dostawy. Dlatego projektujemy każde wdrożenie tak, żeby decyzję podejmował człowiek.

• Wynik AI jest zawsze propozycją ze statusem „do zatwierdzenia”, a nie gotowym zapisem w systemie księgowym.
• Pola, przy których model ma mniejszą pewność, są wyróżnione, więc pracownik wie, gdzie patrzeć.
• Każda poprawka trafia do dziennika. Widać, kto zatwierdził, co zmienił i kiedy.
• Reguły biznesowe sprawdzają wynik niezależnie od AI: suma pozycji musi zgadzać się z kwotą faktury, NIP musi mieć poprawną sumę kontrolną.

Taki układ daje większość oszczędności czasu, a odpowiedzialność zostaje tam, gdzie była.

Przykład rachunku dla obsługi zapytań

To przykład metody na założeniach, nie dane klienta. Dział obsługi dostaje 1 200 maili miesięcznie na wspólną skrzynkę.

Przy koszcie godziny 55 zł oszczędność wynosi około 6 200 zł miesięcznie. Koszt wywołań modelu AI przy takiej skali to zwykle niewielki ułamek tej kwoty, a wliczamy go w wycenę, żeby nie było niespodzianek. Rachunek zakłada, że wszystkie maile są typowe. W rzeczywistości część wymaga pełnej pracy człowieka i to też uwzględniamy w Discovery.

RODO i bezpieczeństwo danych przy AI

Pierwsze pytanie zarządu przy AI dotyczy danych. Odpowiadamy konkretnie.

• Hosting w UE. System i baza stoją na serwerach w Unii Europejskiej.
• Umowa powierzenia. Przetwarzamy dane osobowe na podstawie umowy powierzenia, a listę kategorii podmiotów przetwarzających dostajesz przed startem.
• Dostawca modeli AI. Korzystamy z interfejsów, w których przesłane dane nie służą do trenowania modeli, i wysyłamy tylko te fragmenty, które są potrzebne do zadania.
• Minimalizacja. Tam, gdzie się da, usuwamy dane osobowe przed wysłaniem tekstu do modelu, na przykład numery PESEL czy rachunków.
• Uprawnienia i dziennik. Wynik AI widzą tylko osoby z odpowiednią rolą, a każde zatwierdzenie jest zapisane.

Szczegóły opisujemy na stronie bezpieczeństwo i RODO. Przy dokumentach szczególnie wrażliwych, na przykład medycznych, zakres AI ustalamy w Discovery osobno.

Gdzie AI w firmie się nie sprawdza

Nie każdy pomysł z konferencji nadaje się do wdrożenia. Odradzamy AI w kilku przypadkach.

Gdy dane już są ustrukturyzowane. Faktura z KSeF ma pola w pliku, więc zamiast modelu wystarczy zwykła integracja i elektroniczny obieg faktur kosztowych, tańsze i pewniejsze. Gdy błąd jest bardzo drogi, a człowiek nie ma jak go sprawdzić, na przykład przy automatycznym przelewie bez akceptacji. Gdy dokumentów jest kilka miesięcznie, bo wtedy wdrożenie nie zwróci się nigdy.

Często najlepszy efekt daje połączenie. Automatyzacja procesów robi to, co da się opisać regułą, a AI pomaga tylko w miejscu, gdzie tekst jest nieustrukturyzowany.

Jak mierzymy, czy AI działa dobrze

Zanim AI trafi do zespołu, ustalamy miarę sukcesu. Bez niej po miesiącu zostaje tylko wrażenie, że „chyba jest szybciej”. Dla każdego wdrożenia mierzymy cztery rzeczy.

Wyniki widać w panelu wdrożenia, a raz w miesiącu trafiają do raportu. Gdy trafność spada, na przykład po zmianie wzoru faktury u dużego dostawcy, dostajemy sygnał i poprawiamy instrukcje w ramach abonamentu.

Dokumenty i zapytania, z którymi AI radzi sobie dobrze

Najlepsze wyniki dają dokumenty, które mają powtarzalną treść, ale różny układ. Faktura od każdego dostawcy wygląda inaczej, choć zawiera te same informacje. Tak samo zamówienia w PDF od klientów hurtowych, dokumenty przewozowe, protokoły odbioru, zgłoszenia reklamacyjne pisane w mailu.

Słabiej wypadają odręczne notatki złej jakości, zdjęcia zrobione pod kątem w ciemnym magazynie i dokumenty, w których kluczowa informacja wynika z kontekstu poza dokumentem. W takich przypadkach projektujemy proces tak, żeby AI wskazywało, czego nie jest pewne, a nie zgadywało.

Przy zapytaniach mailowych ważne jest, żeby szkic odpowiedzi opierał się na prawdziwych danych firmy: cenniku, stanach, terminach dostaw, historii klienta. Model bez dostępu do tych danych pisze odpowiedzi ładne, ale ogólne. Dlatego wdrożenie AI prawie zawsze idzie w parze z integracją z ERP albo CRM na zamówienie.

Jak wygląda wdrożenie AI krok po kroku

W briefie opisujesz, jakie dokumenty albo zapytania obsługujecie i w jakich ilościach. W Discovery zbieramy próbkę prawdziwych dokumentów, mierzymy jakość odczytu i liczymy zwrot na Twoich liczbach. Dopiero wtedy podajemy stałą cenę.

Pierwsza wersja po 7 do 14 dniach działa obok dotychczasowej pracy. Przez pierwsze tygodnie porównujemy wynik AI z pracą człowieka i poprawiamy instrukcje dla modelu tam, gdzie się myli. Wynik zapisuje się w Twoim systemie, na przykład w mini-ERP albo przez integrację z programem księgowym.

Po odbiorze utrzymujemy wdrożenie w abonamencie. Modele AI się zmieniają, a my pilnujemy, żeby zmiana modelu nie pogorszyła odczytu, i sprawdzamy to na zestawie testowych dokumentów przed każdą aktualizacją.

Co robi dziś zespół, a co przejmuje AI