Przekształcanie umów w przeszukiwalne dane z OpenAI
Oto jeden z serii naszych artykułów na temat sposobów opracowywania przez OpenAI własnych rozwiązań na podstawie naszych technologii.
Każda transakcja biznesowa wymaga podpisania umowy. Każda umowa zawiera daty rozpoczęcia, warunki rozliczeń i klauzule dotyczące przedłużenia.
Na początku ten proces wcale nie był trudny do opanowania: lektura wiersz po wierszu, przepisywanie danych do arkusza kalkulacyjnego i przechodzimy dalej. Kiedy jednak wolumeny zaczęły puchnąć, ręczne procesy przestały wystarczać.
„W ciągu niespełna sześciu miesięcy zespół przeszedł od przeglądania setek umów miesięcznie do ponad tysiąca. Mimo to udało nam się zatrudnić tylko jedną nową osobę. Oczywistym było, że ten proces nie ulegnie skalowaniu” — mówi Wei An Lee, inżynier sztucznej inteligencji.
Zamiast angażować do tego więcej osób, nasze zespoły finansowe i inżynieryjne stworzyły agenta danych kontraktowych. Projekt opierał się na prostej zasadzie: wyeliminować z procesu przeglądu umów powtarzalność, dając ekspertom pełną kontrolę.
Działanie agenta polega na trzech krokach:
- Przyswojenie danych: Plików PDF, zeskanowanych kopii, a nawet zdjęć z telefonu z odręcznie wprowadzonymi zmianami. Niegdysiejszy bałagan związany z tym, że trzeba było przetwarzać dziesiątki niespójnych plików, teraz płynie jednym, uporządkowanym strumieniem.
- Wnioskowanie w oparciu o polecenia: Wykorzystując funkcję podpowiedzi wspomaganych wyszukiwaniem, system analizuje umowy i przekształca je w uporządkowane dane. Nie potrzebuje tysięcy stron kontekstu; wybiera tylko to, co jest istotne, rozumuje na tej podstawie, a następnie przedstawia swoją pracę.
- Przegląd: Eksperci finansowi przeglądają uporządkowane dane wyjściowe wraz z adnotacjami i odniesieniami do wszelkich niestandardowych warunków. Agent zaznacza nietypowe części, a następnie do procesu weryfikacji podchodzą ludzie.
„Nie tylko analizujemy, ale także rozumujemy: pokazujemy, dlaczego dany warunek jest uznawany za niestandardowy, powołując się na materiały odniesienia i umożliwiając przeglądającemu potwierdzenie klasyfikacji ASC 606”.
Dane wyjściowe stanowi zbiór danych, który można od razu wykorzystać w procesach finansowych. To, co kiedyś zajmowało wiele godzin, teraz jest realizowane z dnia na dzień, od razu z adnotacjami i gotowe do zatwierdzenia. Eksperci pozostają zaangażowani, ale teraz zamiast ręcznego wprowadzania danych tylko dokonują ich oceny.
„Najbardziej niesamowite jest to, że prawdziwie ciężką pracę wykonuje sztuczna inteligencja, a nasze zespoły budzą się rano i od razu mają gotowe dane do przeglądu”.
Ten system daje nam pewność: profesjonaliści otrzymują dużą ilość uporządkowanych, przemyślanych danych, ale o wyniku decyduje ich wiedza specjalistyczna.
Efekty:
- Szybsze przetwarzanie. Na przeglądy potrzeba dwa razy mniej czasu — dane są gotowe już następnego dnia.
- Większe moce przerobowe. Można przetwarzać tysiące umów, bez konieczności zwiększania liczby skoordynowanych pracowników.
- Inteligentniejszy kontekst. Niestandardowe warunki są opatrywane uzasadnieniami i materiałami odniesienia.
- Przeszukiwalne wyniki. Obecność wyników w formie tabelarycznej w hurtowni danych ułatwia analizę danych.
Każdy cykl przedstawiania informacji zwrotnych od ludzi sprawia, że Agent staje się coraz lepszy, dzięki czemu oceny są szybsze i dokładniejsze.
„To jedyny sposób, w jaki możemy skalować się równorzędnie OpenAI” — stwierdził Wei An. „Bez tego bylibyśmy zmuszeni powiększać nasz zespół liniowo, odpowiednio do wolumenu kontraktów. To rozwiązanie pozwala nam uniknąć zatrudniania zbyt wielu osób, a jednocześnie radzić sobie z gigantycznymi wzrostami”.
Ta architektura obsługuje obecnie procesy pozyskiwania, gwarantowania zgodności z przepisami, a nawet rozliczeń miesięcznych. Obowiązuje ta sama zasada: rutynowe zadania automatyzujemy, a podejmowanie decyzji zostawiamy ludziom.
Inżynierowie opisują to jako sposób na szybkie wykonanie powtarzalnych prac, a nie zastępstwo w podejmowaniu decyzji. Zespoły finansowe nadal opisują stojące za liczbami historie; Agent zaś dba o to, by nie zajmowało to całych dni żmudnej pracy.
To, co zaczynało jako rozwiązanie problemów związanych z umowami, stało się nowym sposobem pracy w finansowości. Przetwarzanie danych odbywa się automatycznie, w nocy. Specjaliści zajmują się analizą i strategią. Liderzy mogą niezawodnie skalować działania w miarę wzrostu, bez konieczności powiększania zespołów.
Agent danych kontraktowych to doskonały przykład tego, jak sztuczna inteligencja może w odpowiedzialny sposób przekształcić regulowaną pracę w branżach, gdzie stawka jest wysoka. Pokazuje spektrum możliwości, gdy eksperci współpracują z inteligentnymi systemami: więcej siły oddziaływania, większa niezawodność i więcej czasu na to, co najważniejsze.
