Rozmowa z Oskarem Jedynastym, dyrektorem ds. rozwoju oprogramowania ERGO Hestii
Aleksandra E. Wysocka: – Czy ERGO Hestia jest już w 100% w chmurze obliczeniowej?
Oskar Jedynasty: – Coraz więcej naszych operacji realizujemy w chmurze i stopniowo przenosimy tam wybrane systemy oraz wdrażamy nowe rozwiązania. Sama migracja do chmury to nie jest prosty proces. Bezrefleksyjne przenoszenie do chmury systemów, które zostały stworzone z myślą o pracy w lokalnej infrastrukturze, zazwyczaj nie przyniesie oczekiwanych korzyści.
Chmura ma oczywiście wiele zalet dla organizacji takiej jak nasza. Jedną z nich jest możliwość korzystania z gotowych usług, software as a service. Inną jest skalowalność, czyli to, że w razie potrzeby możemy bardzo szybko pozyskać niezbędne w danej chwili zasoby i równie szybko z nich rezygnować, kiedy ich już nie potrzebujemy. Ważne, żeby same rozwiązania, które wdrażamy bądź migrujemy, były dostosowane do korzystania z tych możliwości. Jeśli chodzi o rozwiązania chmurowe, to ściśle współpracujemy z Microsoftem, wykorzystujemy chmurę Azure.
Spotykamy się niedługo po zakończeniu tegorocznej edycji Hackathonu w ERGO Hestii. Czy udało się wypracować pomysły, które mają szansę na realne wdrożenie? Czy to bardziej trening umiejętności programistycznych dla biznesu?
– Ta edycja cieszyła się bardzo dużym zainteresowaniem zarówno ze strony deweloperów ERGO Hestii, jak i ze strony biznesu. Łącznie udział w wydarzeniu wzięło sześć zespołów, około 40 osób. Naszym celem była przede wszystkim weryfikacja, czy pomysły, które się pojawiły po stronie biznesu, mają szansę na zastosowanie w realnych procesach. Jest to kwestia niezwykle istotna, ponieważ bardzo często pierwszy rzut oka na jakąś nowinkę technologiczną daje złudne wrażenie, że jej wdrożenie będzie bardzo proste i od razu przyniesie ogromne korzyści.
Dzieje się tak, kiedy ową technologię testujemy w warunkach laboratoryjnych, a więc działając na wirtualnym procesie, ze skrupulatnie spreparowanymi danymi wejściowymi. W takiej sytuacji zazwyczaj wszystko wydaje się działać bezproblemowo. Schody pojawiają się natomiast wtedy, gdy tę samą technologię próbujemy już zastosować w realnych procesach, ze wszystkimi ich meandrami i zakrętami. Wtedy może to wyglądać mniej optymistycznie.
Dlatego podczas tegorocznego Hackathonu postanowiliśmy zestawić pewne hipotezy dotyczące rozwiązań opartych na AI z prawdziwymi procesami i prawdziwymi danymi, na których chcemy pracować.
Może Pan podać przykład takiej hipotezy, nad którą pracowali uczestnicy Hackathonu?
– Interesowała nas m.in. kwestia tego, czy najnowocześniejsze technologie, w tym ostatnia wersja modelu GPT, mogą efektywnie przetwarzać nieustrukturyzowane dane, tak aby możliwa była ich dalsza automatyczna obsługa. Mamy już bogate doświadczenia w automatyzowaniu powtarzalnych procesów biznesowych, ale do tej pory skupialiśmy się przede wszystkim na tych, które bazują na ustrukturyzowanych danych. Te procesy, w których na wejściu dane nie mają z góry określonej, uporządkowanej struktury, wymagały najczęściej obsługi ręcznej. Postawiliśmy zatem hipotezę, że dzięki AI będziemy mogli włączyć do automatycznej obsługi więcej spraw, np. takich, które bazują na przychodzących dokumentach.
W ciągu dwóch dni Hackathonu testowaliśmy różne podejścia w tym zakresie i cieszymy się, że osiągnęliśmy zamierzony cel. To nie oznacza, że po dwóch dniach uzyskaliśmy rozwiązania w pełni gotowe do produkcyjnego wdrożenia, ale postawioną hipotezę potwierdziliśmy i wiemy, że możemy dzięki AI ograniczyć czas, który nasi pracownicy muszą obecnie poświęcać na analizowanie niektórych dokumentów. Kolejnym krokiem jest wdrożenie tych rozwiązań w ramach projektów.
W jakich obszarach biznesowych będą realizowane te projekty?
– Skupiamy się przede wszystkim na obszarze operacji i likwidacji szkód. Jeśli chodzi o same projekty, to nie mogło oczywiście zabraknąć najbardziej typowego zastosowania modelu GPT, czyli budowy własnego wirtualnego asystenta, zasilonego wewnętrznymi danymi, wspierającego naszych pracowników. Bardziej skupiamy się jednak na zastosowaniu AI w konkretnych, twardych procesach biznesowych, wszędzie tam, gdzie widzimy jeszcze większą wartość wynikającą z wykorzystania nowych technologii.
Wspomniałem procesy, gdzie trafia do nas informacja np. w formie skanu papierowego dokumentu opisującego jakieś zdarzenie albo jakąś sprawę, siłą rzeczy w nieustrukturyzowanej formie. Naszym celem jest przekształcenie tych informacji w uporządkowaną strukturę, co pozwoli nie tylko zarejestrować taki dokument w systemie, ale również przypisać go do odpowiedniego procesu i wyekstrahować dane niezbędne do rozpoczęcia jego realizacji. Przy doborze odpowiedniego zestawu narzędzi ten cel w wielu przypadkach już dziś jest osiągalny.
Tu możemy nawiązać do korzyści płynących z korzystania z chmury, bo daje ona dostęp do nowoczesnych i prostych w użyciu usług AI. Obok modeli stworzonych do klasyfikowania dokumentów czy wyodrębniania z nich danych, które można dodatkowo dotrenować, by lepiej radziły sobie ze specyfiką naszych dokumentów, nowe możliwości wnosi generatywna sztuczna inteligencja.
O ile klasyczne rozwiązania poradzą sobie z rozpoznaniem typów dokumentu czy wyekstrahowaniem z nich danych, takich jak np. numer polisy, numer rejestracyjny, marka czy model pojazdu, to najnowszy model GPT może już teraz być pomocny w zestawieniu ze „ścianą tekstu” opisującą np. zdarzenie drogowe, by ułatwić pracownikowi sprawniejsze jego opisanie. Przy tym tempie rozwoju AI nie zdziwiłbym się, gdyby w niedalekiej przyszłości modele potrafiły poprawnie analizować również rysunki sytuacyjne zdarzenia. Byłoby to na pewno bardzo dużym krokiem naprzód w prowadzeniu operacji w ramach naszej organizacji.
Wygląda na to, że generatywna sztuczna inteligencja może zrewolucjonizować sposób, w jaki ubezpieczyciele przetwarzają dokumenty, i docelowo wiele procesów znacząco przyśpieszyć. Obiecujące!
– Należy jednak pamiętać, że zachwycając się wszystkimi możliwościami, które daje nam sztuczna inteligencja, nie możemy zapominać o ryzykach i zagrożeniach, które ona ze sobą niesie. Generatywna sztuczna inteligencja ma chociażby tendencję do „halucynacji”. Wdrażając ją, trzeba pamiętać o mechanizmach zabezpieczających przed bezrefleksyjnym przyjmowaniem tego, co wygeneruje model, za prawdę.
Generatywna sztuczna inteligencja może być również wykorzystywana do fraudów ubezpieczeniowych. Na ile możemy się przed tym zabezpieczyć? – to się wydaje ważnym pytaniem. W tej chwili patrzymy na te nowe technologie przez pryzmat korzyści. Możemy dzięki nim opracować bardziej efektywne procesy, lepiej obsługiwać klientów, sprawniej analizować otrzymywane dane. Ale te same rozwiązania mogą okazać się dla nas zagrożeniem, jeżeli ktoś zechce je wykorzystać np. do oszustw.
Dziękuję za rozmowę.
Aleksandra E. Wysocka
