Задачи, которые мы решаем с помощью ИИ
Мы нацелены на применение ИИ в основных бизнес-процессах организации, а не на решение вспомогательных задач. Оптимизация основных бизнес-процессов приносит наиболее ощутимый экономический эффект и позволяет ощутить реальную пользу от использования ИИ, а не просто декларировать применение модных технологий. Наши инструменты ИИ ориентированы на средние и крупные предприятия, интегрируются с корпоративными системами и готовы к обработке больших объемов данных. Все инструменты устанавливаются on-premise, без необходимости передавать данные на обработку в большие внешние ИИ-модели. Вот основные сценарии использования ИИ:
- Создание диалоговых помощников для поиска по документам и базам знаний организации. Благодаря использованию технологии GraphRAG помощники хорошо ориентируются в большом объеме документов с похожей лексикой, точнее отвечают на вопросы и не подвержены галлюцинациям. Помощника можно интегрировать с внутренней коммуникационной платформой Вашей организации - добавлять в чаты, переписку и др.
- Создание Системы управления знаниями организации - более широкая задача, в которой ИИ широко используется не только для выполнения поиска, но и для обнаружения, структурирования и связывания знаний на стадии обработки источников знаний.
- Система управления инженерными данными - частный случай решения такой задачи актуальна для проектных и строительных организаций, операторов сложной технологической инфраструктуры (см. нашу статью об этом решении).
- Системы контроля выполнения требований (комплаенса) извлекают требования из текста нормативных документов, преобразуют их формальные правила и контролируют соблюдение требований в конкретных ситуациях. В нашем портфолио - реализация таких систем для контроля за хозяйственной деятельностью организаций, контроля структуры и содержания определенных видов документов, проверки соответствия моделей определенным требованиям. Сфера применения этого решения практически не ограничена, так как задачи контроля встречаются в самых разных отраслях экономики и бизнес-процессах.
- Обогащение функционала MDM-системы средствами ИИ. В продуктовом MDM искусственный интеллект помогает классифицировать, дедуплицировать, очищать и обогащать данные. См. нашу статью о нормализации номенклатуры изделий.
- Решение практических задач в процессах поставки товаров: поиск в каталоге товаров, соответствующих спецификации, сравнение аналогов товаров, формирование черновика счетов или технико-коммерческих предложений, проверка предложения поставщика на соответствие спецификации, извлечение и сравнение цен и условий поставки и др.
- Обработка документов в бизнес-процессах: проверка и маршрутизация обращений и жалоб, договоров, проверка комплектности заявок и др.
- Автоматизация обработки обращений в техподдержку: классификация и маршрутизация, связывание и поиск дубликатов, анализ общих причин разных обращений, обогащение обращений и поиск похожих инцидентов.
Наши собственные разработки в области ИИ
- Инструмент формирования онтологической модели предметной области, который автоматически конструирует концептуальный уровень графа (определения типов сущностей и свойств), гармонизирует его с существующими онтологиями верхнего уровня или прикладными моделями.
- Инструмент наполнения графа знаний, который извлекает информацию из текста или таблиц и приводит ее в соответствие структуре онтологической модели.
- Диалоговый помощник, основанный на использовании технологии GraphRAG для получения ответа на вопрос пользователя путем преобразования его в структурированный запрос к графу знаний, или формирования контекста для ответа на вопрос с помощью LLM.
- Инструмент нормализации каталогов изделий, автоматизирующий создание иерархии каталога и классификацию, извлечение свойств изделий из их маркировки, обогащение сведений об изделиях из внешних источников.
- Инструмент формализации требований, извлекающий требования из текста нормативных документов и преобразующий их в шаблоны запросов к графу знаний (SPARQL Constraints/Rules).
- Инструменты контроля исполнения требований, сочетающие контроль по формализованным критериям с оценкой вероятности наличия нарушений с помощью ИИ.
Некоторые из используемых нами подходов описаны в наших научных публикациях. Уникальность наших решений состоит в использовании онтологических моделей и графа знаний вместе с инструментами ИИ - это позволяет повысить точность и обеспечить проверяемость и масштабируемость получаемых результатов.
Инструменты ИИ, которые мы используем
- Интеллектуальная OCR-модель для распознавания структуры и содержания документов
- Фреймворк NLU для анализа текста
- Локально разворачиваемые модели LLM
- Фреймворки AutoML для решения классических задач машинного обучения
