Sztuczna inteligencja w automatyzacji, czyli jak WEBCON wykorzystuje AI

Sztuczna inteligencja stała się integralną częścią naszego codziennego życia, wpływając na wiele jego aspektów – od personalizowanych rekomendacji przy zakupach po automatyczne zarządzanie np. temperaturą w domu. Jej zastosowania wykraczają jednak daleko poza te codzienne udogodnienia, przynosząc korzyści także wewnątrz firm.

Platforma WEBCON jest regularnie rozwijana w kierunku wykorzystania sztucznej inteligencji. Stosujemy AI tam, gdzie przynosi najwyższą wartość biznesową, zapewniając jeszcze większe możliwości optymalizacji zadań. Na podstawie faktycznego zapotrzebowania biznesu analizujemy kolejne scenariusze wykorzystania AI w połączeniu z niskokodowym dostarczaniem aplikacji.

Przykłady zastosowania sztucznej inteligencji w automatyzacji procesów biznesowych

Skuteczne rejestrowanie dokumentów za pomocą OCR i AI

Dokumenty są nieodłączną częścią procesów biznesowych. Inteligentna automatyzacja procesów biznesowych polega na tym, by zarządzać nimi z pomocą narządzi end-to-end: od skanowania aż do archiwizacji. Elementem, który może pozwolić na taką rejestrację dokumentów, jest np. silnik Optycznego Rozpoznawania Znaków (OCR), wsparty autorskimi sieciami neuronowymi odpowiedzialnymi za ekstrakcję kluczowych danych ze skanowanych dokumentów.

Przykładem jednego z najbardziej popularnych scenariuszy wykorzystania OCR oraz sztucznej inteligencji jest rejestracja faktur kosztowych. Silnik OCR (oparty np. o ABBYY FineReader) nakłada na skanowany dokument warstwę tekstową i rozpoznaje każdy ze znaków. Następnie sieci neuronowe odpowiedzialne są za automatyczne rozpoznanie i wpisanie do formularza kluczowych danych nagłówkowych, tj.: kwoty (netto/brutto), daty (wystawienia, sprzedaży, zapłaty), numeru konta bankowego, NIP-u kontrahenta, i innych. WEBCON udostępnia swoim klientom wstępnie wyuczoną sieć neuronową dla faktur kosztowych. Ta może być następnie douczana i zwiększać wydajność automatyzacji na podstawie indywidualnych faktur otrzymywanych przez klienta.

Co ważne, dla większości dokumentów stosuje się uniwersalną sieć neuronową, z możliwością obsługi wyjątków wtedy, gdy układ skanowanych faktur odbiega mocno od standardu. Proces uczenia sieci neuronowej jest bardzo prosty i nie wymaga ani kodowania, ani wiedzy specjalistycznej. Zadaniem użytkownika jest jedynie wskazanie poprawnych danych na podglądzie skanu i wskazanie ich miejsca docelowego na formularzu.

W efekcie optymalizacja procesów biznesowych i zastosowanie AI pozwala na masową rejestrację dokumentów w WEBCON. To natomiast, dzięki mariażowi technologii low-code, OCR oraz AI, przekłada się na skrócenie o nawet 90% czasu, jaki pracownicy poświęcali na wprowadzanie danych.

Wykrywanie anomalii i przedstawianie sugestii za pomocą AI

W przypadku platform aplikacyjnych, które przechowują znaczne ilości danych, wdrożenie AI pozwala na wczesne rozpoznanie i zasygnalizowanie nieprawidłowości występujących w obsługiwanych procesach. W WEBCON dzięki zastosowaniu uczenia maszynowego, specjalne mechanizmy wykryją w procesie anomalie. Następnie system analizuje informacje i wskazuje na te, które są niespójne z historycznymi danymi, zaproponuje też sugestie. Takie mechanizmy stosowane w obiegu faktur służą jako niezawodne wsparcie w wykrywaniu błędów i oszustw finansowych, np:

• Narzędzie AI wykrywa numer konta, który nie był wcześniej wykorzystywany przez danego kontrahenta.
• Algorytmy sztucznej inteligencji wyłapują duplikat płatności i ostrzegają przed ponowną wpłatą.
• AI zgłasza anomalię - wpisana do przelewu kwota znacząco odbiega od standardowego zakresu płatności.

Przykłady nie muszą jednak dotyczyć tylko finansów. Narzędzia sztucznej inteligencji sprawdzą się również w poniższych scenariuszach.

• Monitorowanie maszyn produkcyjnych w celu zapobiegania poważnym awariom.
• Analiza danych medycznych pacjenta skupiona na detekcji potencjalnych problemów ze zdrowiem i błędów w dokumentacji.
• Wyświetlanie użytkownikowi sugestii dotyczących instancji procesów. Dzięki narzędziom technologicznym system m.in. na podstawie daty oraz aktorów procesu generuje raport elementów, które zidentyfikował jako wymagające atencji pracownika. W efekcie, w prosty sposób możliwe jest przejrzenie najważniejszych zadań i spraw z całego systemu w jednym miejscu.

Low-code i generatywna sztuczna inteligencja

Potencjał wykorzystania generatywnego AI w przypadku platform low-code polega na dalszym obniżaniu progu wejścia przy tworzeniu aplikacji. Warto wykorzystać generatywne AI punktowo, tam, gdzie korzyści jakościowe są najbardziej zauważalne. Jeśli wybrane narzędzie do optymalizacji procesów biznesowych zostało zbudowane o znane języki programowania i skryptowania (T-SQL, JavaScript), tym lepiej. Wykorzystanie generatywnego AI w tym kontekście daje większe możliwości ze względu na ogromną ilość informacji, którymi nauczone zostały modele AI.  

Przykładem takiego zastosowania jest tworzenie wyrażeń regularnych z wykorzystaniem możliwości ChatGPT. Power user chcąc skonfigurować walidację wybranego pola na formularzu, np. numeru NIP, musi wprowadzić w jego konfiguracji wyrażenie regularne, które będzie wymagało na użytkowniku końcowym wprowadzenie ściśle określonej liczby i typu znaków. W tym celu zamiast konstruować tego typu wyrażenie samodzielnie, wykorzystuje generatywne AI, które błyskawicznie dostarcza pożądaną konfigurację, zwiększając efektywność i produktywność procesu.

Ponadto, w wysoce zaawansowanych scenariuszach konfiguracyjnych zachodzi niekiedy konieczność wyjścia poza graficzny silnik reguł biznesowych i skorzystanie z odpowiedniego zapytania T-SQL. Również w takim przypadku można skorzystać z generatywnej sztucznej inteligencji – zarówno w kontekście tworzenia zapytania, jak i jego optymalizacji.

Generatywne AI może znacznie ułatwić tworzenie aplikacji na platformach low-code. Dzięki takim technologiom jak ChatGPT, użytkownicy mogą szybko generować wyrażenia regularne czy zapytania T-SQL, co zwiększa efektywność i produktywność.

Low-code i konwersacyjne AI

Innym przykładem zastosowania sztucznej inteligencji jest wykorzystanie jej w komunikacji. Tak zwana konwersacyjna sztuczna inteligencja oznacza zestaw technologii, które umożliwiają urządzeniom czy aplikacjom porozumiewanie się z ludźmi za pomocą języka naturalnego. Klienci WEBCON korzystają także z możliwości oferowanych przez konwersacyjną sztuczną inteligencję do optymalizacji obsługi spraw, zarówno wewnątrz organizacji, jak i w interakcji z osobami (klientami i petentami) zewnętrznymi.

Przykładem zastosowania takiego połączenia jest chatbot odpowiadający na pytania użytkowników, dotyczące toczących się spraw. Baza danych tego typu interaktywnego agenta zasilana jest wówczas konkretnymi informacjami związanymi z daną specjalnością, np. aktami prawnymi, umowami, dokumentami opisującymi procesy i procedury, itp. Wówczas dzięki połączeniu uczenia maszynowego oraz chatbota, można stworzyć wszechstronną i łatwą w obsłudze bazę wiedzy. W takim scenariuszu użytkownicy wewnętrzni wspierani są merytorycznie w kontekście podejmowanych decyzji, natomiast użytkownicy zewnętrzni otrzymują łatwy dostęp do pożądanych informacji bez konieczności szukania ich w różnych typach źródeł danych (strony www, dokumenty, regulacje).