Ngowahi kontrak dadi data sing bisa ditelusuri ing OpenAI
Iki bagean saka seri kami sing nuduhake conto internal babagan carane OpenAI nggunakake teknologi lan API-ne dhewe. Piranti iki digunakake sacara internal, mung ing OpenAI, lan dibagi ing kene minangka conto ilustratif babagan carane AI tercanggih ndhukung macem-macem use case ing tim kami. Kami uga nuduhake jeneng piranti internal supaya luwih cetha carane AI tercanggih mbantu tim kami ngrampungake pakaryan.
Saben kesepakatan perusahaan mesthi ana kontrak sing wis ditandatangani. Saben kontrak nduweni tanggal wiwitan, syarat penagihan, lan klausul perpanjangan.
Wiwitane, proses iki isih bisa ditangani: diwaca baris demi baris, diketik maneh menyang spreadsheet, banjur diterusake. Nanging nalika volumené tikel pindho lan tikel pindho maneh, pendekatan manual iki ambruk.
“Kurang saka nem wulan, tim iki saka mriksa atusan kontrak saben wulan dadi luwih saka sewu. Nanging, kami mung nambah siji wong anyar. Cetha yen proses iki ora bakal bisa diskalakake,” ujare Wei An Lee, AI Engineer.
Tinimbang mung nambah wong kanggo ngatasi masalah iki, tim keuangan lan engineering kami mbangun agen data kontrak. Prinsip desainé prasaja: ngilangi pengulangan saka peninjauan kontrak, nanging ahli tetep nduweni kontrol penuh.
Agen iki makarya ing telung langkah:
- Nampa data: PDF, salinan pindai, malah foto saka ponsel sing diwenehi suntingan tulisan tangan. Sing biyen dadi puluhan file sing ora konsisten, saiki mili menyang siji pipeline.
- Inferensi nganggo prompting: Kanthi prompting sing ditambah retrieval, sistem iki ngurai kontrak dadi data terstruktur. Sistem ora mung mbuwang sewu kaca menyang context; mung njupuk sing relevan, nalar adhedhasar kuwi, lan nuduhake prosesé.
- Review: Ahli keuangan mriksa output terstruktur, lengkap karo anotasi lan referensi kanggo syarat sing ora standar. agen iki nandhani apa sing ora umum; banjur manungsa dilebokake kanggo mriksa.
“Kami ora mung ngurai, kami uga nalar—nuduhake kenapa sawijining syarat dianggep ora standar, nyebut bahan referensi, lan ngidini reviewer ngonfirmasi klasifikasi ASC 606.”
Output-e yaiku dataset sing langsung migunani ing macem-macem alur kerja keuangan. Sing biyen butuh pirang-pirang jam, saiki teka sewengi, wis dianotasi lan siap divalidasi. Ahli tetep melu, nanging perané owah saka input manual dadi pertimbangan.
“Sing nggumunake yaiku pakaryan abot ditindakake dening AI—banjur tim kami tangi esuk karo data sing wis siap kanggo ditinjau.”
Desain iki njamin kapercayan: para profesional entuk data terstruktur lan bernalar kanthi skala, nanging keahliané sing nemtokake asil.
Asilé:
- Luwih cepet. Wektu review dadi separo, siap sewengi.
- Kapasitas luwih gedhe. Ewonan kontrak diproses tanpa nambah jumlah karyawan kanthi irama sing padha.
- Context luwih pinter. Syarat non-standar ditandhani nganggo nalar lan referensi.
- Asil bisa diquery. Output tabular ing data warehouse ndadekake analisis data luwih gampang.
Saben siklus umpan balik saka manungsa ngasah Agen iki, nggawe saben review luwih cepet lan luwih akurat.
“Siji-sijiné cara supaya kami bisa skala nalika OpenAI skala ya liwat iki,” ujare Wei An. “Tanpa iki, sampeyan kudu ngembangake tim kanthi linear pas karo volume kontrak. Iki ngidini kami njaga tim tetep ramping nalika nangani hypergrowth.”
Arsitektur iki saiki ndhukung pengadaan, compliance, malah penutupan akhir wulan. Prinsip sing padha tetep berlaku: otomatisasi pakaryan rutin, nanging manungsa tetep nyekel keputusan.
Para engineer njlentrehake iki minangka “pakaryan manual sing wis rampung,” dudu keputusan sing diganti. Tim keuangan isih nulis cerita angka-angka kasebut; Agen iki mesthekake yen dheweke ora ngentekake dinané kanggo nindakake pakaryan rinci sing melelahkan.
Sing wiwitane mung dadi solusi kanggo kontrak, saiki wis dadi cara kerja anyar ing bidang keuangan. Parsing data mlaku sewengi. Para profesional fokus ing analisis lan strategi. Pimpinan bisa skala kanthi yakin bareng pertumbuhan, tanpa ngembangake tim kanthi irama sing padha.
Agen data kontrak iki dadi blueprint kanggo carane AI bisa ngowahi pakaryan sing diatur lan berisiko tinggi kanthi tanggung jawab. Iki nuduhake apa sing dadi mungkin nalika para ahli kerja bareng sistem cerdas: leverage luwih gedhe, kapercayan luwih dhuwur, lan luwih akeh wektu kanggo sing paling penting.


