Lokalne AI do analizy pytań administracyjnych w placówce

Jeden temat rezerwacji, dwa różne pytania

W fikcyjnym zbiorze są wiadomości: „Czy po wysłaniu formularza mam już zarezerwowany termin?” oraz „Gdzie znajdę potwierdzenie rezerwacji?”. Model proponuje wspólną kategorię potwierdzenia, ale kierownik rozdziela ich sens: pierwsza dotyczy tego, kiedy rezerwacja staje się wiążąca, druga miejsca, gdzie pacjent szuka potwierdzenia.

To rozróżnienie wskazuje, co obejrzeć w obecnej komunikacji: treść po wysłaniu formularza i wiadomość wysyłaną przez placówkę. Zestawienie nie dowodzi, że te komunikaty są przyczyną pytań, ale daje konkretny temat do rozmowy z rejestracją. Raport opisuje wybrany zbiór i okres, a liczba wiadomości nie jest liczbą osób.

Ile to kosztuje i kiedy się zwraca

Rachunek liczy czas szukania, czytania i zestawiania materiału. Zostaje czas na sprawdzenie wyniku przy źródle, w scenariuszu 25% dzisiejszej pracy. Oba czasy mierzymy w próbie na 20 do 100 sprawach, które zespół już obsłużył.

Przygotowanie danych i lokalne przetwarzanie

Komisja Europejska wyjaśnia, że dane pozwalające ponownie zidentyfikować osobę pozostają danymi osobowymi, a anonimizacja musi być nieodwracalna. Jeśli placówka wybiera przetwarzanie na własnym komputerze albo serwerze, model może działać tam. Ollama opisuje modele lokalne i chmurowe oraz wyłączenie funkcji chmurowych. Miejsce działania modelu nie potwierdza anonimizacji, a w tym zastosowaniu nie łączymy korespondencji z historią konkretnego pacjenta.

Czy wystarczy obecny raport

Jeśli formularz albo system obsługi już zapisuje sensowne kategorie, zacznij od jego raportu. Przy niewielkiej liczbie wiadomości ręczne oznaczenie tematów bywa prostsze niż aplikacja. Model warto porównać, gdy treść jest zróżnicowana, a ogólny temat w systemie ukrywa różne sprawy. Na tym samym materiale kierownik ogląda raport obecnego narzędzia i proponowane grupowanie i liczy poprawki. Obsługę pojedynczej sprawy opisuje tekst o agencie dla administracji przychodni.

Od czego zacząć

Pierwszy etap obejmuje jedno pytanie o komunikację administracyjną i fikcyjną próbkę, na której omawiamy zestawienie. Na rozmowę wystarczy opis pytania, które wraca do rejestracji, bez wiadomości pacjentów. Lokalne modele wdrażamy w ramach prywatnych modeli LLM, a widok pracy ze źródłami budujemy jako aplikację AI. Na bezpłatną analizę wystarczy opis jednej sprawy i miejsc, w których leżą materiały. Poufne pliki zostają w firmie, a plan na piśmie dostajesz w 2 dni robocze.