Rockawork – digitalizacja 2.0

Wykorzystanie narzędzi AI zostało uregulowane aktami prawnymi, których celem jest ochrona ludzi i ich danych. Regulacje te mają duże znaczenie dla wykorzystania sztucznej inteligencji w biznesie i ważne jest zapoznanie się z nimi. W marcu 2024 r. w Unii Europejskiej został przyjęty AI Act, który ogranicza wykorzystane sztucznej inteligencji w kilku obszarach, w których stwarza ona niedopuszczalne ryzyko dla ludzi: Są to m.in.:

• Poznawczo-behawioralna manipulacja ludźmi lub określonymi wrażliwymi grupami (np. zabawki aktywowanie głosem zachęcające do niebezpiecznych zachowań);
• Identyfikacja biomedyczna i kategoryzacja osób fizycznych;
• Scoring (klasyfikacja punktowa) obywateli: klasyfikacja na podstawie statusu społeczno-ekonomicznego, zachowań, lub cech osobistych.

W tym samym akcie prawnym znalazła się informacja, że dozwolone jest korzystanie z generatywnej sztucznej inteligencji, czyli dużych modeli językowych (np. ChatGPT). Musimy mieć jednak na uwadze fakt, że nadal obowiązują nas przepisy RODO. Oznacza to, że nie można korzystać z narzędzi AI, jeśli w dokumentach, które chcemy dzielić z usługami typu ChatGPT, zawarte są dane osobowe (tu uwaga na CV, dokumenty wymieniane z kontrahentami, czy faktury).

Rozwiązania All for One Poalnd, które prezentujemy naszym klientom, nie wykorzystują modeli językowych i funkcji, które znajdują się poza Unią Europejską, i są zgodne z RODO.

Obieg i akceptacja faktur zakupowych to jedno z najpowszechniejszych zastosowań platformy Rockawork u naszych klientów. W skrócie – faktura, która trafiła do firmy poprzez e-mail, skan czy też w przyszłości z KSeF, zostaje przekazana do OCR, gdzie następuje wyciągnięcie danych, następnie uruchomienie procesu akceptacji i księgowanie w systemie ERP.

Rozwiązania AI znajdują zastosowanie w procesie akceptacji i komunikacji z ERP, przy przypisywaniu odpowiednich kont w procesie księgowym do pozycji na fakturze, na podstawie zamówień. Do niedawana częstym problemem były różnice w opisie danego produktu na zamówieniu i na fakturze od sprzedawcy (np. czarny długopis z zamówienia na fakturze stawał się czarnym cienkopisem) – co sprawiało, że automatyzacja tego zadania była praktycznie niemożliwa.

Zaimplementowane modele językowe pozwalają na dopasowywanie różne nazwanych pozycji z faktury do pozycji zamówienia i powiązanie tych dokumentów w systemie (innymi słowy – AI wie, że czarny długopis z zamówienia to to samo co czarny cienkopis na fakturze). To zastosowanie pozwoli wspomóc pracę księgowych i uwolnić ich od czasochłonnego przeglądania i dopasowywana tych dokumentów.

W firmach, które korzystają z systemu SAP, podobna funkcjonalność może zostać zaimplementowana bezpośrednio w tym systemie (transakcja MIRO). Na ekranie SAP pojawi się przycisk do wstępnego księgowania, które będzie wymagało jedynie sprawdzenia poprawności i zatwierdzenia.

A co w sytuacji, gdy należy przypisać odpowiednie konta wymagane w procesie księgowania do pozycji na fakturze, gdy nie ma zamówień i zapotrzebowań? Tradycyjnie w takich sytuacjach księgowi zwykle dysponują opisowymi instrukcjami księgowymi (np. faktury z krajów UE należy księgować na konto główne X, faktury z USA – na konto Y, z Polski – konto Z). W digitalizacji tego procesu przeszkodą są różne nazwy krajów stosowane w różnych językach. Moduł sztucznej inteligencji w Rockawork dobrze radzi sobie z rozpoznawaniem nazwy kraju w dowolnym języku i poprawnym zaksięgowaniem faktury. Ten prosty przykład unaocznia możliwości drzemiące w narzędziach AI.

Oparte na podobnej zasadzie algorytmy – instrukcje dla AI typu „pole konto główne dla faktur z firmy ABC zawsze wypełniaj numerem 123”; „jeżeli… – to …”) pozwalają na poprawne księgowania według zaimplementowanych instrukcji księgowych. Te proste algorytmy w języku naturalnym zastępują skomplikowane algorytmy w klasycznych językach programowania. Na końcu procesu pracownikowi pozostaje weryfikacja poprawności i akceptacja. To ogromna oszczędność czasu przygotowania i wdrożenia automatyzacji w procesie fakturowym.

Innym przykładem wykorzystania sztucznej inteligencji w procesach ECM-owych jest wyszukiwanie informacji i wykorzystanie wiedzy zgromadzonej w firmie bez konieczności otwierania i przeszukiwania dokumentów. Wirtualny asystent sam przeszukuje załączone do Rockawork dokumenty i odpowiada na pytania, które użytkownik zadaje mu w okienku czatu. Okienko czatu może zostać dodane na różnych stronach wewnątrz organizacji (np. w firmowym intranecie).

Tę funkcjonalność można wykorzystać na wiele różnych sposobów, np. pomagając pracownikom wyszukiwać informacje kadrowe, o oferowanych benefitach, zasadach premiowania, znajdować informacje zawarte w różnego rodzaju instrukcjach i opisach. Taki czat może byś szczególnie pomocny dla nowych pracowników, w procesie onboardingu. Mogą oni zadawać wirtualnemu asystentowi pytania, które pozwolą im się odnaleźć w nowej firmie – dosłownie („gdzie jest stołówka?”) i w przenośni („jak zgłosić nieobecność?”, „jak złożyć wniosek o dofinansowanie z funduszu świadczeń socjalnych?”). Rozmowa w czacie może być prowadzona podobnie jak z człowiekiem (z wykorzystaniem kontekstu), bez konieczności formułowania zapytań wg określonego schematu.

W tym wypadku platforma Rockawork może służyć jako system backendowy, będący zbiorem dokumentów do przeszukiwania przez AI.

Analiza treści dokumentów według zadanych parametrów to także zadanie, które może wykonać za nas AI. Dobrym przykładem jest tu wstępna analiza i selekcja nadesłanych na skrzynkę e-mail CV i oznaczenie osób, które spełniają podane kryteria (np. prawo jazdy kategorii B, uprawnienia na wózek widłowy, poziom znajomości języka).

Zadane przez użytkownika kryteria są opisane prostymi komendami słownymi mówiącymi, jakie informacje są dla nas ważne i w jaki sposób, na podstawie jakich kryteriów ma zostać dokonana ewentualna ocena (np. poziomu znajomości języka obcego).

AI w większości przypadków dobrze radzi sobie ze zrozumieniem kontekstu i fleksji języka polskiego, co nie tylko pozwala jej dobrze rozumieć pytania, ale też udzielać poprawnych, zrozumiałych odpowiedzi. Wyselekcjonowane w ten sposób oferty przechodzą do dalszego procedowania. A dla odrzuconych kandydatów AI pomoże nam przygotować spersonalizowaną odpowiedź, np. z informacją o powodach dyskwalifikacji.

Powyższe możliwość można zastosować także w analizie dokumentów z repozytorium umów (np. pytanie: „czy w umowie z firmą X są zapisy o zakazie konkurencji”), szybkiej pomocy w obsłudze firmowych systemów i aplikacji (np. „co to znaczy, gdy pole jest zaznaczone na żółto? A co na czerwono?”). Ogranicza nas tu jedynie wyobraźnia.

Proste instrukcje dla AI, typu „uzupełnij zmienną procesową imię – imię kandydata, nazwisko – nazwisko kandydata” lub „uzupełnij zmienną wykształcenie wartością podstawowe, średnie lub wyższe”, zastępujące fragmenty kodu przygotowanego przez programistę to właśnie praktyczne zastosowanie zasady „low-code”, czyli jak najmniej kodowania, pracy programisty na rzecz elastycznego tworzenia schematów dokumentów i definiowania procesów biznesowych w sposób wizualny. Dodatkowo warto podkreślić, że tradycyjny kod nie byłby w stanie poradzić sobie z wieloma tego typu zadaniami, które wymagają „inteligencji”, myślenia kontekstowego, kojarzenia. Tak opracowaną logikę biznesową (algorytmy) można w sposób opisowy wprowadzać do platformy Rockawork, korzystając z dużych modeli językowych i generatywnej sztucznej inteligencji.

Oczywiście opisane powyżej przykłady zastosowania sztucznej inteligencji w platformie Rockawork nie wyczerpują wszystkich możliwości narzędzia. Pozwalają jednak wyrobić sobie pojęcie o skali możliwych do wprowadzenia automatyzacji i ułatwień w różnych obszarach organizacji.

Oszczędność czasu, wsparcie pracowników w zakresie realizacji ich codziennych zadań lub spraw kadrowych, łatwy dostęp do wiedzy przy jednoczesnym zagwarantowaniu pozostawania w zgodzie z regulacjami prawa (np. RODO) to najważniejsze zalety naszego rozwiązania.