AI automation
AI that actually works in practice, not a demo. Reading documents instead of retyping them, automating work that repeats, and an assistant that answers from your own data.
What you get
- →A check on whether the work is worth automating at all, before you pay to build it
- →Data extraction from images and documents — delivery notes, invoices, work orders
- →On-premise processing: the model runs on your server, data never leaves the company
- →Connection to the programs you already use
- →Accuracy measured on your own data, with a number for how often it gets things wrong
- →A rule for what happens when the system is unsure — doubtful items go to a person
- →Monitoring after launch and training for the people who use it
Technologies
Većina AI projekata propadne pre nego što krene kod — zato što niko nije proverio da li ideja uopšte ima smisla. Počinjemo od male eval suite na vašim stvarnim podacima. Ako LLM ne rešava problem dovoljno pouzdano, kažemo to pre nego što potrošite budžet.
Kad ima smisla, radimo produkciono: guardrail-i, fallback-ovi, monitoring, evaluacije koje padnu kada model počne da se ponaša čudno. Kod ostaje kod vas — bez lock-in-a u tuđu platformu.
Primeri iz prakse
Ulazne fakture. Dobavljači šalju fakture na mejl i u papiru, a neko ih svaki dan otvara i prekucava u program. Umesto toga, sistem ih pročita sam, uporedi sa narudžbenicom i za knjiženje ostavi samo one koje se ne poklapaju.
Ponude. Upit stigne, a ponuda se pravi ručno — traži se cena, pravi se predračun, prekucava se u Word. Kad tri kupca traže istog dana, stigne se do jednog. Sistem napravi predlog ponude iz vaših cena, a čovek ga proveri i pošalje.
Isto pitanje deseti put. Odgovor postoji negde u dokumentaciji, u starim mejlovima ili u glavi jednog čoveka. Asistent koji čita samo vaše dokumente daje odgovor i uz njega izvor, da može da se proveri.
Dokument u podatak
Najisplativija primena obično nije chatbot nego prevođenje papira u podatke. Otpremnica, ulazna faktura, radni nalog ili potpisana specifikacija sa gradilišta se slikaju telefonom, a sistem iz slike izvuče stavke i unese ih tamo gde treba.
Ključno je ponašanje kad model nije siguran: sporna stavka ide u red za ljudsku proveru umesto da bude nagađana. Čovek gleda izuzetke, ne svaki red. Više o tome na strani Digitalizacija i automatizacija poslovanja.
Lokalno, ako podaci ne smeju napolje
Cene, marže, matični podaci partnera, JMBG — dosta firmi to ne sme i ne želi da šalje u tuđi cloud, i to je legitiman zahtev, ne paranoja.
Zato radimo i varijantu u kojoj model stoji na serveru u vašoj firmi i ništa ne izlazi na internet. Sporije je da se postavi i traži pristojan hardver, pa pre nego što se to preporuči merimo da li otvoreni model koji staje na vaš server rešava vaš zadatak dovoljno dobro. Ako ne rešava, kažemo to otvoreno umesto da prodamo lošiju verziju.