Umělá inteligence pomáhá, kde člověk nestačí. Odhalí rakovinu, zrychlí výrobu i vymýtí chyby, říká Pavel Tužil z Trasku

Pavel Tužil, Senior Manager v Trasku

Foto: Trask

O umělé inteligenci můžeme mluvit z různých úhlů. Někteří si pod ní představí hudbu budoucnosti, v níž člověk možná bude běžně spolupracovat a komunikovat s roboty, jiní zase vidí záplavu startupů, které se tímto termínem ohání, jen aby zněly cool. Umělá inteligence už ale zásadně pomáhá i nyní.

Ve velkém nasazují technologie založené na umělé inteligenci také v tuzemské společnosti Trask a její Senior Manager Pavel Tužil ve svém komentáři popisuje, v čem dnes dokáží významně pomoci. Je to zejména tam, kde člověk a jeho schopnosti nestačí a potřebuje například zvýšit svou kapacitu nebo přesnost.

***

Umělá inteligence má v Trasku svoji nezastupitelnou roli. Nepřistupujeme k ní ale jako k buzzwordu a neupínáme se k její daleké sci-fi budoucnosti. Je pro nás především o reálném využití a práci s daty, která dnes pomáhají například zpracovávat snímky z mamografu, párovat závady ve výrobě s pracovními postupy, komunikovat se zákazníky nebo vyřizovat pozůstalosti.

Zkratku AI neboli umělou inteligenci obklopuje v posledních letech velká bublina očekávání. Oblast tvoří například strojové a hluboké učení (machine a deep learning). Ty pod sebou skrývají neuronové sítě, kognitivní funkce, zpracování přirozeného jazyka (NLP), doporučovací systémy (recommender engine) nebo počítačové rekonstrukce a vizualizace procesů postavené na samoučících se mechanismech zpracování IT logů (process mining).

„Jde o průlom v českém zdravotnictví a zároveň o příklad toho, jak AI dokáže zachraňovat lidské životy.“

Pod pojmem AI si tak dnes každý představí něco jiného. Pro velkou část lidí je ale umělá inteligence zhmotněním fascinace – třeba počítač, který porazil člověka ve hře go. Jenže užitečné technologie, které se pod umělou inteligencí skrývají a na jejichž rozvoji v Trasku pracujeme, nejsou záležitostí budoucnosti.

Technologie, které u nás vznikají, jsou především o asistované a rozšířené inteligenci, která nalézá reálné využití v různých oblastech života. A používáme je už dnes. Pojďme se podívat kde.

Vyhodnocování mamografických snímků

Díky našemu řešení kombinujícímu umělou inteligenci a moderní technologie pomůžeme lékařům zpřesnit a zrychlit vyhodnocování mamografických snímků. Jde o průlom v českém zdravotnictví a zároveň o příklad toho, jak umělá inteligence dokáže zachraňovat lidské životy.

„Náš nápad na využití umělé inteligence vznikl v průběhu první vlny pandemie, kdy jsme chtěli pomoci lékařům z Fakultní nemocnice Bulovka s rychlou a přesnou diagnostikou koronaviru. Odborníci nás ale poprosili o zaměření se na oblast mamografie, protože věřili, že zde bude naše pomoc přínosnější,“ popisuje Lucie Slavíčková z Trasku, jejímž srdcovým projektem je právě vyhodnocování mamografických snímků s pomocí AI.

lucie-slavickova

Lucie Slavíčková, Head of Data Science a Customer Intelligence v Trasku

Foto: Trask

První nemocnicí, kde jsme naše řešení měli možnost úspěšně otestovat a kde bude budeme provádět první implementaci, je proto FN Bulovka, která s námi spolupracovala v roli odborného garanta. Rakovina prsu je v Česku nejčastějším zhoubným onemocněním u žen, ročně zahájí její léčbu více než sedm tisíc z nich. Včasné odhalení nemoci by přitom zachránilo tisíce lidských životů. Čekací lhůty na vyšetření jsou ale dlouhé.

Snímky z mamografu dnes běžně vyhodnocují dva radiologové. Ti však často pracují pod tlakem a jejich kapacita je velmi omezená. Navíc mikrokalcifikace, drobné usazeniny vápníku, které vznikají ve velmi časné fázi nádoru, jsou lidským okem těžce odhalitelné. A zde právě může výborně pomoci umělá inteligence, která sebemenší změny dokáže odhalit. Mamografické výstupy tak mohou být vyhodnocovány automaticky, velmi přesně a v řádech sekund.

Párování závad a snížení zmetkovitosti

Výroba v roce 2013 vstoupila do éry průmyslu 4.0, která s sebou přinesla masivní digitalizaci a automatizaci řady procesů. Pomocí metod a nástrojů průmyslu 4.0 by mělo dojít k optimalizaci procesů, jejichž výstupem je velké množství dat, k úspoře času a peněz a ke zvýšení flexibility firem. Jsou ale oblasti výroby, které jsou k chybovosti extrémně náchylné.

Mezi ně patří i automobilová výroba, kde pomocí informačních systémů založených na technologii strojového zpracování obrazu a na moderních neuronových sítích třeba monitorujeme a předpovídáme nežádoucí závady produktů na výrobní lince. A to na základě párování výrobních procesů a jejich kroků spolu s výstupy z kontrolních míst na lince.

Když pracovník potřebuje do systému závad vložit konkrétní poškozenou položku, zadá například „poškrábaná kapota“. Zpracování přirozeného jazyka (NLP) mu během pár vteřin nabídne adekvátní možnosti, jak k poškození mohlo dojít a v jaké části linky se tak nejspíš stalo. Pracovník už jen vybere relevantní možnost a výrobce může efektivně odhalovat problémová místa k nápravě.

V oblasti výroby ale pomáháme i mimo výrobní haly, a to s nahrazením procesů, které zdržují logistiku a výrobu. Příkladem je proces odbavení kamionu. Místo běžného postupu, kdy se musí veškeré potřebné informace o zboží, řidiči i jízdě vypisovat ručně, se řidič může snadno odbavit digitálně. A v ideálním případě dokonce dřív, než vůbec vjede do továrny.

toyota-manufacturing

Umělá inteligence pomáhá i při výrobě aut

Foto: Toyota

Díky OCR technologii, která umí rozpoznat a vytěžit text dokumentů i dokladů, stačí jen naskenovat jeden dodací list, který veškeré důležité informace obsahuje. Zpracování i ověření informací je otázkou pár vteřin. Výrazně se tak omezuje zdržování při vykládce a zároveň se zvyšuje kapacita návozu kamionů (až o stovky denně při zachování stejného prostoru).

Virtuální asistenti a jazyková podpora jejich konverzací

Virtuální asistenti se stávají nedílným pomocníkem každého z nás. Na základě strojového zpracování přirozeného jazyka (NLP) dokáží porozumět konverzaci, vyhodnotit, na co se uživatel ptá, a sestavit a odeslat mu požadovanou odpověď.

V praxi to funguje tak, že se propojí vrstva asistenta s vrstvou porozumění. Pro tu je stěžejní rozsáhlé množství kvalitních dat, pomocí nichž se sestaví velký jazykový model, v našem případě model pro češtinu. Společnost, která chce do své komunikace zapojit asistenta, nám k dané agendě poskytne popisná data.

Například pro oblast HR víme, že společnost chce touto cestou řešit dovolené, benefitní konta a zůstatky na nich. Analýzou poskytnutých dat zjistíme, zda jich je dostatek a jsou v požadované kvalitě. Propojením dat od uživatele s jazykovým modelem vznikne konkrétní model pro danou konverzaci. S tím pak bude asistent v dané společnosti pracovat.

jan-antos-trask1

Přečtěte si takéNový technologický normál podle Jana Antoše z Trasku: Práce odevšad, hyperautomatizace a lepší digitál

V rámci provozu každého konverzačního modelu analyzujeme aktuální schopnosti a kvalitu modelu. Z konverzace lze také identifikovat nově vznikající témata, a modely tak na základě aktuálních potřeb přeučovat. V dané naučené oblasti asistent nejenže porozumí tomu, na co se daný uživatel/zákazník ptá, ale rozezná i konkrétním entity/pojmy (čas, místo, produkt atd.).

Na jejich základě se vyšší vrstva, tedy aplikace, může rozhodnout, co je potřeba s takto získanými daty dále provést. Může se například dotázat jiných systémů na související data, která pak budou tvořit součást odpovědi na dotaz uživatele. Například v HR naši virtuální asistenti pomáhají s často kladenými dotazy.

Prediktivní modely

„V Trasku také vytváříme prediktivní modely, které pomáhají nejen bankovním domům zlepšovat efektivitu, optimalizovat jejich chod, ale i například prodávat více úvěrů s vyšším úrokem díky personalizaci,“ říká Lucie Slavíčková, Head of Data Science and Customer Intelligence v Trasku, která se specializuje se na monetizaci dat a reálné využití AI v praxi.

Na základě hloubkové analýzy prodejních dat a dat o zákaznících vytváříme prediktivní modely, které jsou schopny odhadnout, jakou úrokovou sazbu máme konkrétnímu zákazníkovi optimálně nabídnout tak, aby nabídku akceptoval a firma maximalizovala úrokový výnos v rámci určitého cenového rozpětí, které je primárně definováno kreditním rizikem.

Stejně tak jsou modely schopny díky napojení na další systémy vyhodnotit a navrhnout optimální produkt pro konkrétního zákazníka. V automobilovém průmyslu jsme tak například díky doporučovacímu systému zákazníkovi schopni nakonfigurovat auto na míru na základě jeho chování a preferencí.

Vytěžování dokumentů a generování textů

Pomáhat klientům a jejich pracovníkům s vyšší efektivitou, aby mohli pracovat na smysluplných úkonech, je pro nás zásadní. I v této oblasti si bereme jako pomocníka umělou inteligenci. Technologie v tomto případě zastane rutinu pracovníka a je rychle schopná vytěžovat dokumenty.

Bavíme se o různých typech dokumentů napříč segmenty. Umělá inteligence umí pracovat teoreticky se všemi typy informací, které zákazník do daného dokumentu doplní. A je jedno, jestli jde o strukturovaný, nebo polostrukturovaný dokument.

Třeba dodavatelé energií tak zákazníkovi na základě poskytnutých dokumentů o současných podmínkách a odměrném místě mohou snadno nabídnout lepší tarif a cenu. A když technologie nějakou formu dokumentu nezná, lze ji velice snadno doučit.

paperwork

Umělá inteligence pomáhá se zpracováním dokumentů

Foto: Camilo Rueda López/Flickr

Umělá inteligence efektivně pracuje i s nestrukturovanými dokumenty, jako jsou smlouvy nebo rozvahy. Pracovník společnosti by musel mnohastránkový dokument číst a zjišťovat, zda je obsah relevantní a na stránkách je vše, co bylo od zákazníka požadováno. Technologie má za chvíli hotovo. Text „pročte“, označí nejdůležitější údaje, zjistí důležité termíny a povinnosti a případně i to, jestli nejde o podvod.

V Komerční bance a dalších společnostech se tak díky nám mohou zaměstnanci věnovat práci, která pro ně má přidanou hodnotu, a pracovat už jen s výstupy poskytnutými umělou inteligencí. Například v ČSOB mají díky nám „zaměstnance“, který rychle a přesněji zpracovává notářské žádosti týkající se pozůstalostí. Ty jsou časově náročnou agendou. Do přímého kontaktu s ním ale klienti banky nepřijdou, komunikace probíhá mezi bankou a notářem a denně náš asistent vyřídí přes 50 žádostí.

Díky porozumění jazyku, práci se statistickým přehledem, výpočty a následným zpracováním navíc umělá inteligence umí dobře rozřazovat agendu. Podle obsahu a typu dokumentu je přiřadí pracovníkům, do jejichž agendy spadají. S dlouhým textem dokáže AI nejen takto efektivně pracovat, ale také z něj to nejdůležitější předat. Poté, co si technologie dokument pročte a vyhodnotí, umí za pár okamžiku vygenerovat souhrnný krátký text o tom nejdůležitějším, co se v něm nachází.

Analýza stížností i chytré procesní knihy

Pomocí umělé inteligence a jazykového modelu, který v Trasku pro češtinu máme, ale také pomáháme klientům prioritizovat žádosti či problémy jejich zákazníků do oblastí podle urgence. Na základě různorodých dat umíme například finančním společnostem pomoci s vyhodnocením nejčastějších problémů, jako jsou nefunkčnost bankomatů nebo zamítnuté transakce či nedoručený výpis, a seřadit je dle toho, jak rychlé vyřízení vyžadují.

A chytré technologie pomáhají i pracovníkům společností samotným. Na pobočkách a v call centrech, kde zaměstnanci denně vyřizují nespočet klientských dotazů, díky naší technologii zaobalené v inteligentní procesní knize ihned dostanou relevantní odpověď na dotazy i s odkazy. Snadno a bez listování tak zjistí, co dělat, pokud si například bude chtít účet zřídit nezletilá osoba.

Společnosti tak snižují riziko nežádoucích odpovědí a zkracují dobu obsluhy zákazníka. Umělá inteligence zkrátka dokáže skoro všechno – od záchrany životů po porážení lidí ve stolních hrách.

Partnerem článku a CzechCrunche je společnost Trask. V rámci CzechCrunch Premium spolupracujeme s vybranými partnery, se kterými připravujeme obsah na míru. Více najdete zde.

Pavel Tužil působí v Trasku přes čtyři roky jako expert na oblast procesní automatizace. V posledních téměř třech letech pomáhal vést a rozvíjet robotizační kompetenci v Komerční bance. Od poloviny roku 2020 vede v Trasku oddělení zaměřující se na inteligentní podnikovou automatizaci.

CC25

CzechCrunch News

Nenechte si utéct zásadní zprávy

Přihlaste se k pravidelnému odběru novinek ze světa byznysu a startupů.