将 AI 引入业务流程
实际效果
来自 AI 已在日常运行的项目的数据:
三个案例中,AI 都负责例行工作:读图纸、扫描件和申请文本,搬运数据,生成文档。专业人员检查结果并做出决定。
我们如何引入 AI
- 从一项任务开始。寻找员工在表格之间抄数据或靠肉眼核对的环节:解析申请、准备文件、核对文档。
- 先测量,再承诺。用您的真实文档组成基准集,在上面运行多个模型。对物业管理公司来说,这是 150 多份人工标注的申请。
- 不轻信代理的报告。结果由独立脚本或第二个代理检查:在设计局,模型按质量、截面和形状与图纸比对。
- 错误变成规则。每次分析过的失误都会变成一条规则、一个测试或一个经过验证的函数。设计局已有 40 多条这样的规则。
- 红线事先写明。在实验室,AI 解析文档、检查格式,但从不改动测量结果。
交给 AI 的任务
- 来件文档。扫描的申请、格式随意的邮件和收据照片变成草稿,需要人判断的地方会做标记。
- 申请分类。根据申请文本和公司自己的工作目录确定工作类型、紧急程度和负责部门。
- 工程文档。按 ESKD 图纸建 3D 模型,出图纸、明细表、激光切割文件,做装配性和电气绝缘检查。
- 按模板生成文档。根据维修工的语音汇报生成工作单,生成商务报价,按企业标准排版。
- 基于知识库回答。助手依据您的规章和说明作答,并给出文档中具体条款的链接。
数据与 152-FZ
个人数据不会进入模型。在实验室,系统在发送前遮盖姓名、电话、邮箱、银行信息和签名,并再检查一遍页面;每发现一个遮盖错误都有对应的回归测试。在物业管理公司,申请文本会先做匿名化处理。
模型按要求选择:俄罗斯模型(GigaChat、YandexGPT)、国外模型,或部署在公司自己服务器上的本地模型,图纸和文档不会离开内网。
培训团队
系统只有被使用才会产生价值。在上线的同时,我们教员工如何与 AI 代理协作:每人在内部平台上有自己的课程,课程围绕他的任务设计,并在真实项目上实操。详见“团队培训”部分。
AI 项目
常见问题
企业引入 AI 从哪里开始?
从一项员工现在靠手工和记忆完成的任务开始:解析来件、在系统之间搬运数据、例行检查。通话中我们选出这样一个环节,5–9 天做出原型,无需预付款,并测量它节省了多少时间。
AI 出错怎么办?
涉及资金、期限或安全的决定由员工做出。代理准备草稿,并在没有把握的地方做标记。上线前用您的真实文档组成的基准集检验准确率,每发现一个错误就变成一条规则或一个测试。
你们使用哪些模型?
模型按任务和数据要求来选。涉及个人数据或政府合同的项目,我们使用 GigaChat 或 YandexGPT,并把基础设施放在俄罗斯境内。部分任务可以交给公司自己服务器上的本地模型,文档不会离开内网。
个人数据如何保护?
个人数据不会进入模型:发送之前,系统找出并遮盖姓名、电话、邮箱、银行信息和签名,然后再检查一遍页面。只要还有残留,这一页就不会发给模型。
需要培训员工吗?
需要,否则系统用不起来。在上线的同时,我们教团队如何与 AI 代理协作:每人在内部平台上有自己的课程,并在真实项目上实操,导师能看到谁读了什么、卡在了哪里。
引入 AI 需要多少钱?
取决于任务和数据量。通话之后报价,签合同之前先用原型展示第一个成果。按阶段付款,每个阶段签署验收单。