Artykuły zebrane według problemu, branży i rodzaju systemu.
AI może grupować reklamacje jakościowe, które opisują ten sam problem różnymi słowami. Zacznij od uzgodnienia znaczenia kategorii i próby z gotowym modelem z ich opisem. Fine-tuning rozważ, gdy konkretne pomyłki stale wracają na reklamacjach, których model nie widział.
Gdy zespół ciągle skraca i przestawia odpowiedzi AI, najpierw nazwij powtarzające się poprawki i dodaj je do wskazówek stylu z przykładami. Fine-tuning pomaga, gdy mimo nich model wraca do tych samych nawyków. W scenariuszu na 2 000 odpowiedziach do klientów miesięcznie wskazówki stylu z przykładami obniża błędy z 30% do 12%, a fine-tuning do 5%, co razem oszczędza 17 godzin poprawek, czyli 1 108 zł miesięcznie.
Przy formularzach ubezpieczeniowych najczęstszy błąd to poprawnie odczytana wartość w złym polu, na przykład adres siedziby wpisany jako lokalizacja magazynu. Najpierw sprawdź szablon odczytu i gotowy ekstraktor z przykładami, a model dostosuj, gdy pomyłki przypisania wracają na czytelnych formularzach. W scenariuszu na 2 000 formularzach miesięcznie gotowy ekstraktor z przykładami obniża błędy z 15% do 7%, a fine-tuning do 3%, co razem oszczędza 24 godzin poprawek, czyli 1 595 zł miesięcznie.
Firma budowlana zwykle nie musi douczać modelu, żeby AI rozumiało skróty z notatek, takie jak „do wyj.”. Najpierw działa słownik skrótów i kontekst projektu, a fine-tuning ma sens, gdy te same pomyłki wracają mimo nich. Przy 600 notatkach miesięcznie spadek błędnych kategorii z 12 do 2% oszczędza 6 godzin poprawek, czyli 399 zł.
Porównanie wersji umowy zaznacza zmiany, a model AI może przypisać im kategorie, żeby koordynator wiedział, komu przekazać każdą różnicę. Częstotliwość raportu to zmiana merytoryczna, a nowy podział akapitu to formatowanie. W scenariuszu na 600 zmianach w umowach miesięcznie uzgodnione definicje kategorii obniża błędy z 20% do 8%, a fine-tuning do 4%, co razem oszczędza 8 godzin poprawek, czyli 532 zł miesięcznie.
Podsumowanie rozmowy serwisowej musi odróżniać, co zrobiono, od tego, co dopiero ustalono. Najpierw popraw format: osobne sekcje na czynności wykonane i dalsze ustalenia. Fine-tuning ma sens, gdy model mimo to myli plan z wykonaniem. W scenariuszu na 2 000 rozmowach serwisowych miesięcznie format z osobnymi sekcjami obniża błędy z 12% do 6%, a fine-tuning do 3%, co razem oszczędza 15 godzin poprawek, czyli 997 zł miesięcznie.
AI porządkuje opinie o produktach B2B według tematów, których dotyczą, i zachowuje oba doświadczenia z jednego komentarza, na przykład pochwałę instrukcji i skargę na przygotowanie urządzenia. Jedna ocena „pozytywna” lub „negatywna” tego nie pokaże. Własny model rozważ, gdy gotowe narzędzie stale gubi rozróżnienia ważne dla produktu.
AI pomaga znaleźć osobę z konkretnym doświadczeniem projektowym, na przykład prowadzeniem warsztatów zbierania wymagań, odnajdując fragmenty dokumentacji, w których opisano tę pracę pod różnymi nazwami. Wynik to punkt wyjścia do rozmowy o doświadczeniu, z odnośnikiem do źródła.
AI do ofert dostawców zachowuje pełny termin dostawy: sześć tygodni i zdarzenie, od którego biegną, na przykład zatwierdzenie rysunku. Bez tej części tabela wygląda na gotową, a planowanie się myli. W scenariuszu na 600 ofertach miesięcznie wspólny formularz dla dostawców obniża błędy z 15% do 6%, a fine-tuning do 3%, co razem oszczędza 12 godzin poprawek, czyli 797 zł miesięcznie.
AI wskazuje w zgłoszeniu IT fragmenty o wpływie na pracę i pilności, na przykład zablokowany dział zamówień, oraz braki do dopytania. Priorytet nadaje dyżurny według zasad firmy. W scenariuszu na 1 500 zgłoszeniach miesięcznie formularz z polami wpływu i pilności obniża błędy z 20% do 8%, a fine-tuning do 4%, co razem oszczędza 24 godzin poprawek, czyli 1 595 zł miesięcznie.
Model AI w polskim contact center rozpoznaje cel rozmowy, ale przy krótkiej, niejednoznacznej wypowiedzi przydatniejsze jest pytanie doprecyzowujące niż szybkie przypisanie. Dostosowanie modelu rozważ przy powracających pomyłkach w wypowiedziach, których sens jest już jasny, a porównanie rób na osobnych polskich rozmowach, których model nie widział.
AI rozpoznaje z notatki technika rodzaj wykonanej pracy, na przykład regulację albo wymianę modułu, i cytuje zdanie. Zwykła reguła dobiera do tego listę wymaganych załączników, więc biuro prosi tylko o potrzebne materiały. W scenariuszu na 800 dokumentacjach wizyt miesięcznie pole rodzaju wykonanej pracy obniża błędy z 15% do 6%, a fine-tuning do 3%, co razem oszczędza 24 godzin poprawek, czyli 1 595 zł miesięcznie.
Model AI zawęża dopasowanie produktów z katalogu dostawcy do własnej kartoteki, gdy nazwy i kody się różnią. Najpierw sprawdź wyszukiwanie po kodach, nazwach i poziomach opakowania, a własne dostosowanie rozważ, gdy model myli produkty różniące się opakowaniem albo wariantem.
AI do wykrywania duplikatów podsuwa pracownikowi powiązaną sprawę z innego kanału, zanim powtórzy wykonaną pracę. Musi odróżnić ten sam problem opisany innymi słowami od podobnie brzmiącego zgłoszenia o innym zdarzeniu. W scenariuszu na 3 000 zgłoszeniach miesięcznie powiązanie kanałów i numer zamówienia obniża błędy z 8% do 4%, a fine-tuning do 2%, co razem oszczędza 45 godzin poprawek, czyli 2 990 zł miesięcznie.
Model AI może podzielić PDF z kilkoma dokumentami na osobne pozycje w spisie, z rodzajem dokumentu i zakresem stron. Najpierw sprawdź gotowy klasyfikator i funkcje obecnego systemu dokumentów, a dostosowanie rozważ przy powtarzających się pomyłkach. W scenariuszu na 400 pakietach PDF miesięcznie gotowy klasyfikator obniża błędy z 30% do 12%, a fine-tuning do 5%, co razem oszczędza 17 godzin poprawek, czyli 1 108 zł miesięcznie.
Wspólny raport komunikatów maszyn wymaga rodziny urządzenia przy każdym kodzie, bo E17 w jednej rodzinie dotyczy łączności, a w drugiej czujnika. Znane kody odczytuje tabela powiązań, a model pomaga przy opisach bez czytelnego kodu. W scenariuszu na 2 000 komunikatach miesięcznie tabela powiązań z rodziną urządzenia obniża błędy z 12% do 5%, a fine-tuning do 2%, co razem oszczędza 19 godzin poprawek, czyli 1 263 zł miesięcznie.
Model AI przydaje się przy atrybutach katalogowych, gdy dostawcy opisują te same cechy różnie, a słownik nazw nie nadąża. Przy stałych szablonach dostawców wystarczy słownik odpowiedników, a model proponuje pole docelowe z etykietą źródłową do zatwierdzenia. W scenariuszu na 5 000 atrybutach miesięcznie słownik nazw dostawców obniża błędy z 10% do 5%, a fine-tuning do 2%, co razem oszczędza 20 godzin poprawek, czyli 1 329 zł miesięcznie.
AI może wskazać technikowi brak w raporcie jeszcze podczas pisania, na przykład brak wyniku wydruku próbnego po instalacji drukarki. Najpierw sprawdź osobne pytanie w formularzu, bo wypełnione pole „zrobione” wciąż nie opisuje wyniku. W scenariuszu na 1 500 raportach z wizyt miesięcznie osobne pytanie o wynik w formularzu obniża błędy z 15% do 7%, a fine-tuning do 3%, co razem oszczędza 30 godzin poprawek, czyli 1 994 zł miesięcznie.
AI odczyta odręczny formularz, gdy gotowy OCR obsługuje pismo w danym języku, a pracownik sprawdza numery obok wycinka kartki. Dostosowanie modelu ma sens, gdy ten sam błąd wraca na formularzach firmy. Aplikacja do odczytu i korekty kosztuje w Syntalith od 12 500 zł netto i przy 1 500 formularzach miesięcznie zwraca się w 3,9 miesiąca.
Kosztorysant dostaje zestawienie robót opisanych inaczej niż w firmowym katalogu i musi odszukać pasujące pozycje. AI podpowiada wpisy z opisem, jednostką i zakresem obok wiersza źródłowego, a kosztorysant zatwierdza dopasowanie. Gdy kody są wspólne, wystarczy import. Aplikacja do dopasowania kosztuje w Syntalith od 12 500 zł netto i przy 2 000 wierszy miesięcznie po 2 minuty zwraca się w 3,4 miesiąca.
Prywatne modele
Dobieramy sprzęt i model, uruchamiamy go i mierzymy jakość na Twoich przykładach. Możesz zacząć od komputera, który już masz.
Terminy zobaczysz w swojej strefie czasowej.
Zobacz prywatne modeleOpenAI robi ChatGPT, a Anthropic robi Claude. Należymy do programów partnerskich obu firm, więc pracujemy z ich narzędziami na co dzień i uczymy się od samych twórców.
Claude Partner NetworkUdział w programach nie oznacza, że OpenAI albo Anthropic polecają nasze usługi.