Wdrażamy AI w procesach firmy i uczymy zespoły, jak z niego korzystać.

Współtworzyliśmy rdzeń tej architektury: projekt rozwiązania i podział na mikroserwisy, czyli szkielet rozwiązania, w który wpinają się kolejne zastosowania agentowe. Architektura pozwala im działać przy wspólnych limitach przepustowości modeli, liczonych w tokenach na minutę, i zarządza ruchem oraz priorytetami tak, żeby jedno zastosowanie nie zużyło całego limitu kosztem pozostałych.

System przyjmuje zlecenie, odszukuje w repozytorium dokumenty potrzebne do jego oceny, czyli umowę ramową wraz z aneksami, i rekomenduje przyjęcie, odrzucenie albo uzupełnienie brakujących informacji. Trudność leży w odtworzeniu aktualnego stanu zapisów: kolejne aneksy wielokrotnie nadpisują fragmenty umowy ramowej.

System pilnuje, żeby procedura przeszła od początku do końca, bez pomijania kroków i bez zmiany ich kolejności. Trudność leży w pogodzeniu tego rygoru ze swobodą rozmowy: użytkownik zadaje pytania poboczne, a model językowy ma skłonność do improwizacji, więc system śledzi stan procedury i po każdej dygresji wraca do właściwego kroku.

Semantyczne przeszukiwanie dokumentów użytkowników w platformie wielodostępnej, gdzie każdy widzi wyłącznie to, do czego ma prawo. Uprawnienia są egzekwowane przed wyszukiwaniem, a nie przy prezentacji wyników, więc ani zapytanie semantyczne, ani wstrzyknięta instrukcja nie wyciągną cudzego dokumentu.

Nagrania ekranu z zespołów operacji analizowaliśmy dwiema drogami, bo koszt i skuteczność każdej z nich zależą od rodzaju nagrania. Model multimodalny brał nagranie w całości i trudność leżała w dzieleniu go, przekazywaniu kontekstu między częściami oraz połączeniu wyniku z powrotem w jedną całość. Rozbicie na ścieżkę dźwiękową i próbkowane klatki dawało większą kontrolę, ale wymagało przemyślanej strategii próbkowania i nałożenia na siebie interpretacji obrazu i dźwięku. Na podstawie pozyskanego materiału agent odtwarzał rzeczywisty przebieg pracy, zestawiał go z przebiegiem modelowym i katalogiem szukanych nieefektywności, wskazywał, gdzie proces się blokuje, i dobierał narzędzia usprawniające.

Prowadzi rozmowy z klientami w oparciu o dostarczoną bazę wiedzy, rozpoznaje intencje klienta i automatycznie wykonuje operacje.

System oparty na modelu językowym, działający jako rozszerzenie przeglądarki. Czyta dane o reklamacjach z CRM, znajduje podobne sprawy i podpowiada kroki rozwiązania. Trudność leżała w integracji: agent korzysta z wielu narzędzi naraz, a każde ma własny dostęp i własny format danych.

Generuje zapytania SQL dopasowane do konkretnej bazy i jej schematu na podstawie pytań zadanych w języku naturalnym. Trudność leżała w złożoności schematów: im więcej tabel i powiązań między nimi, tym mniej oczywiste, które z nich odpowiadają na zadane pytanie.

Wyszukiwarka korzystająca z firmowej bazy wiedzy w różnych formatach, od PDF-ów po dokumenty w SharePoincie. Zbudowana w architekturze RAG na modelach językowych. Trudność leżała w skali: bardzo duża liczba użytkowników i dokumentów, więc o użyteczności decyduje utrzymanie trafności i czasu odpowiedzi przy rosnącym korpusie.

Użytkownik mówi zwykłym zdaniem, na co ma ochotę, i może doprecyzowywać w kolejnych turach rozmowy. Agent rozpoznaje intencję i dobiera tytuły hybrydowo: po metadanych, po zgodności semantycznej opisów liczonej na embeddingach oraz po preferencjach, zarówno zaznaczonych wprost, jak i wynikających z historii oglądania.