Pomocí AI pomáháme zrychlit výrobu i ulehčit od hor papírů

13. října 2020

Umělá inteligence má v Trasku svoji nezastupitelnou roli. Nepřistupujeme k ní ale jako k buzzwordu a neupínáme se k její daleké a sci-fi budoucnosti. Umělá inteligence je pro nás především o reálném využití a práci s daty, která dnes pomáhá například zpracovávat snímky z mamografu, párovat závady ve výrobě s pracovními postupy, komunikovat se zákazníky nebo vyřizovat pozůstalosti.

Zkratku AI neboli umělou inteligenci, obklopuje v posledních letech velká bublina očekávání. Oblast tvoří například strojové a hluboké učení (machine a deep learning). Ty pod sebou skrývají neuronové sítě, kognitivní funkce, zpracování přirozeného jazyka (NLP), doporučovací systémy (recommender engine) nebo počítačové rekonstrukce a vizualizace procesů postavené na samoučících se mechanismech zpracování IT logů (process mining). Pod pojmem AI si tak dnes každý představí něco jiného. Pro velkou část lidí je umělá inteligence zhmotněním fascinace – například počítač, který porazil člověka ve hře go. Někdo si pod ní představí bytosti, které by mohly ovládnout svět.  

Jenže užitečné technologie, které se pod umělou inteligencí skrývají a na jejichž rozvoji v Trasku pracujeme, nejsou záležitostí budoucnosti. Technologie, které u nás vznikají, jsou především o asistované a rozšířené inteligenci, která nalézá reálné využití v různých oblastech života. A používáme je už dnes.  

Pavel Tužil, Senior Manager

Párování závad a pracovních postupů, snížení zmetkovitosti

Výroba v roce 2013 vstoupila do éry Průmyslu 4.0, která s sebou přinesla masivní digitalizaci a automatizaci řady procesů. Pomocí „metod“ a nástrojů Průmyslu 4.0 by mělo dojít k optimalizaci procesů, jejichž výstupem je velké množství dat, úsporám času a peněz a zvýšení flexibility firem. Jsou ale oblasti výroby, které jsou k chybovosti extrémně náchylné.  

Mezi ně patří i automobilová výroba, kde pomocí informačních systémů založených na technologii strojového zpracování obrazu a moderních neuronových sítích například monitorujeme a předpovídáme nežádoucí závady produktů na výrobní lince. A to na základě párování výrobních procesů a jejich kroků spolu s výstupy z kontrolních míst na lince. Když tak pracovník potřebuje do systému závad vložit konkrétní poškozenou položku, zadá například: poškrábaná kapota. NLP mu během pár vteřin nabídne adekvátní možnosti, jak k poškození mohlo dojít a v jaké části linky se tak nejspíš stalo. Pracovník už jen vybere relevantní možnost a výrobce může efektivně odhalovat problémová místa k optimalizaci. 

V oblasti výroby ale pomáháme i mimo výrobní haly. A to s nahrazením procesů, které zdržují logistiku a výrobu. Příkladem je proces odbavení kamionu. Místo používaného soudobého procesu, kdy se musí veškeré potřebné informace o zboží, řidiči i jízdě vypisovat ručně, se řidič může snadno odbavit digitálně. A v ideálním případě dokonce dřív, než vůbec vjede do továrny. Díky OCR technologii, která umí rozpoznat a vytěžit text dokumentů i dokladů, stačí ale naskenovat jeden dodací list, který veškeré důležité informace obsahuje. Zpracování i ověření informací je tak otázkou pár vteřin. Výrazně se tak omezuje zdržování při vykládce a zároveň se zvyšuje kapacita návozu kamionů (až o stovky denně a při zachování stejného prostoru).

Virtuální asistent a jazyková podpora jejich konverzací 

Virtuální asistenti se stávají nedílným pomocníkem každého z nás. Na základě strojového zpracování přirozeného jazyka (NLP) dokáží porozumět konverzaci, vyhodnotit, na co se uživatel ptá a sestavit a odeslat mu požadovanou odpověď. 

V praxi to funguje tak, že se propojí vrstva asistenta s vrstvou porozumění. Pro tu je stěžejní rozsáhlé množství kvalitních dat, pomocí nichž se sestaví velký jazykový model, v našem případě model pro češtinu. Společnost, která chce do své komunikace zapojit asistenta, nám k dané agendě poskytne popisná data. Například pro oblast lidských zdrojů víme, že společnost chce touto cestou řešit dovolené, benefitní konta a zůstatky na nich. Analýzou poskytnutých dat zjistíme, zda jich je dostatek a že jsou v požadované kvalitě. Propojením dat od uživatele s jazykovým modelem vznikne konkrétní model pro danou konverzaci. S tím pak bude asistent v dané společnosti pracovat.  V rámci provozu každého konverzačního modelu analyzujeme aktuální schopnosti a kvalitu modelu. Z konverzace lze také identifikovat nově vznikající témata a modely tak na základě aktuálních potřeb přeučovat. 

V dané naučené oblasti asistent nejen že porozumí tomu, na co se daný uživatel/zákazník ptá, ale rozezná i konkrétní entity/pojmy (čas, místo, produkt atd.). Na jejich základě se vyšší vrstva – aplikace, může rozhodnout, co je potřeba s takto získanými daty dále provést. Může se například dotázat jiných systémů na související data, která pak budou tvořit součást odpovědi na dotaz uživatele. Například ve zmíněné oblasti HR naši virtuální asistenti pomáhají s často kladenými dotazy.

Prediktivní modely 

V Trasku také vytváříme prediktivní modely, které pomáhají nejen bankovním domům zlepšovat jejich efektivitu, optimalizovat jejich chod, ale i například prodávat více úvěrů s vyšším úrokem díky personalizaci. Na základě hloubkové analýzy prodejních dat a dat o zákaznících vytváříme prediktivní modely, které jsou schopné odhadnout, jakou úrokovou sazbu máme konkrétnímu zákazníkovi optimálně nabídnout tak, aby nabídku akceptoval a firma maximalizovala úrokový výnos v rámci určitého cenového rozpětí, které je primárně definováno kreditním rizikem. Stejně tak jsou schopné díky napojení na další systémy vyhodnotit a navrhnout optimální produkt pro konkrétního zákazníka. V automobilovém průmyslu jsme tak například díky doporučovacímu systému zákazníkovi schopni nakonfigurovat auto na míru na základě jeho chování a preferencí. O prediktivních modelech a pokročilé práci s daty se dozvíte v dalším ze článků.

Vytěžování dokumentů a generování textů 

Pomáhat klientům a jejich pracovníkům s vyšší efektivitou, aby mohli pracovat na smysluplných úkonech, je pro nás zásadní. A i v této oblasti si bereme jako pomocníka AI. Technologie v tomto případě zastane rutinu pracovníka a je rychle schopná například vytěžovat dokumenty.  

Bavíme se o různých typech dokumentů napříč segmenty. AI umí pracovat teoreticky se všemi typy informací, které zákazník do daného dokumentu doplní. A je jedno, jestli jde o strukturovaný nebo polostrukturovaný dokument. Například dodavatelé energií tak zákazníkovi na základě poskytnutých dokumentů o současných podmínkách a odměrném místě mohou snadno nabídnout lepší tarif a cenu. A když technologie nějakou formu dokumentu nezná, lze ji velice snadno doučit. 

AI efektivně pracuje i s nestrukturovanými dokumenty jako smlouvy nebo rozvahy. Pracovník společnosti by musel mnohastránkový dokument číst a zjišťovat, zda je obsah relevantní a na stránkách je vše, co bylo od zákazníka požadováno. Technologie má za chvíli hotovo. Text „pročte“, označí nejdůležitější údaje, zjistí důležité termíny a povinnosti a případně i to, zda se nejedná o podvod. V Komerční bance a dalších společnostech se tak díky nám mohou zaměstnanci věnovat práci, která pro ně má přidanou hodnotu a pracovat už jen s výstupy, které jim AI poskytne. Například v ČSOB mají díky nám „zaměstnance“, který rychle a přesněji zpracovává notářské žádosti týkající se pozůstalostí, které jsou časově náročnou agendou. Do přímého kontaktu s ním ale klienti banky nepřijdou, komunikace probíhá mezi bankou a notářem a denně náš asistent vyřídí přes 50 žádostí.

Díky práci se statistickým přehledem, výpočty a následným zpracováním a porozumění jazyku AI navíc umí dobře rozřazovat agendu. Podle obsahu a typu dokumentu je přiřadí pracovníkům, do jejichž agendy spadají. S dlouhým textem dokáže AI nejen takto efektivně pracovat, ale také z něj to nejdůležitější předat. Poté, co si technologie dokument pročte a vyhodnotí ho, umí za pár okamžiků vygenerovat souhrnný krátký text o tom nejdůležitějším, co se v daném dokumentu nachází.  

Analýza stížností i chytré procesní knihy 

Pomocí AI a jazykového modelu, který v Trasku pro češtinu máme, ale také pomáháme klientům prioritizovat žádosti či problémy jejich zákazníků do oblastí podle urgence. Na základě různorodých dat umíme například finančním společnostem pomoci s vyhodnocením nejčastějších problémů jako nefunkčnost bankomatů nebo zamítnuté transakce, nedoručený výpis a seřadit je dle toho, jak rychlé vyřízení vyžadují.  

A chytré technologie pomáhají i pracovníkům společností samotným. Na pobočkách a v call centrech, kde se denně vyřizuje nespočet klientských dotazů, pomáhají zaměstnancům naše technologie zaobalené v inteligentní procesní knize. Snadno a bez listování tak zjistí, co dělat, pokud si například bude chtít účet zřídit nezletilá osoba. Společnosti tak snižují riziko nežádoucích odpovědí a zkracují dobu obsluhy zákazníka.

Natural language processing

České prostředí je pro oblast NLP modelů velice specifické. Vzhledem k syntaktické a morfologické náročnosti českého jazyka není jejich množství vysoké. Velký jazykový model pro čestinu od Trasku patří v současnosti mezi nejdokonalejší řešení v Česku. Obecně je dnes NLP spolu s oblastí computer vision jedním z katalyzátorů výzkumu AI. Vznikají díky nim typy algoritmů, které posouvají celou AI vpřed a v rámci neuronových sítí vznikají i převratné trendy a architektury přenesitelné do dalších oblastí.

Potřebujete pomoc s AI ve vaší společnosti? Napište nám.


Přečtěte si také

Kdy má nasazení rozšířené reality smysl a jaké jsou její dnešní limity

Kdy má nasazení rozšířené reality smysl a jaké jsou její dnešní limity

Scénářů, kde má rozšířená realita (AR) potenciál najít využití, je mnoho – mobilní technologie, nemovitosti, retail, výroba, automobilový průmysl a další. Těch, kde má její využití z hlediska společností opravdu smysl, už je ale mnohem méně.

Data science pomůže s personalizovanými nabídkami

Data science pomůže s personalizovanými nabídkami

Pokročilá prediktivní analytika pomáhá několikanásobně zpřesňovat a tím zefektivňovat veškeré marketingové a obchodní aktivity. S její pomocí vytváříme například vysoce personalizované nabídky šité na míru jednotlivým zákazníkům.

Budoucnost přinese větší tlak na rychlost v nasazování nových technologií

Budoucnost přinese větší tlak na rychlost v nasazování nových technologií

S Rudolfem Urbánkem, generálním ředitelem společnosti Microsoft pro Českou republiku a Slovensko, jsme si povídali o roli a růstu cloudových služeb a o technologiích, které budou zásadní pro komunikaci se zákazníky i pro jejich pohodlnou digitální obsluhu.

Co a jak lze elektronicky podepisovat

Co a jak lze elektronicky podepisovat

Uzavírat smlouvy elektronicky a na dálku je rychlejší a levnější. Elektronické podepisování v sobě však ukrývá několik úskalí a rizik. Jaké typy dokumentů a za jakých okolností můžete bezpečně elektronicky podepsat?