Generatywna sztuczna inteligencja (GenAI) obejmuje modele, które nie tylko klasyfikują lub prognozują, ale wytwarzają nową treść: odpowiedź na pytanie, streszczenie, opis produktu, kod lub obraz. Należą do niej m.in. duże modele językowe, modele generujące obrazy i modele multimodalne, przetwarzające jednocześnie tekst, obraz i dźwięk. LLM są więc jedną z rodzin GenAI – w firmach najczęściej używaną, ale nie jedyną.
Zastosowania w operacjach
- Dokumentacja – projekty instrukcji stanowiskowych i SOP-ów na podstawie notatek, zdjęć lub nagrań, zatwierdzane następnie przez właściciela procesu.
- Obsługa klienta – klasyfikacja wiadomości i projekty odpowiedzi z danymi o zamówieniu, np. na pytania o status przesyłki.
- Dokumenty od partnerów – odczyt danych z faktur, dokumentów dostawy i listów przewozowych do systemu ERP.
- Wiedza wewnętrzna – asystent odpowiadający na pytania o procedury na podstawie firmowych dokumentów (RAG).
- Analityka – generowanie zapytań SQL i skryptów do raportów, streszczanie przekazań zmian i zgłoszeń utrzymania ruchu.
Ryzyka i wymagania
Modele generują treść prawdopodobną, a nie sprawdzoną, więc mogą podawać wiarygodnie brzmiące nieprawdy – halucynacje. W procesach, w których błąd ma skutki dla klienta lub finansów, potrzebna jest weryfikacja przez człowieka albo automatyczna kontrola z danymi źródłowymi.
Przetwarzanie danych osobowych w narzędziach AI podlega RODO: potrzebna jest podstawa prawna, umowa powierzenia z dostawcą oraz wiedza, gdzie dane są przechowywane i czy służą do trenowania modeli. Dochodzą do tego obowiązki wynikające z AI Act, zależne od kategorii ryzyka zastosowania, oraz ochrona tajemnicy przedsiębiorstwa.
Przykład
Dział obsługi klienta sklepu internetowego otrzymuje ok. 1 800 wiadomości dziennie. Model klasyfikuje je i przygotowuje projekt odpowiedzi z danymi z systemu zamówień, a konsultant poprawia go i wysyła. Średni czas obsługi wiadomości spadł z 4 do 2,5 minuty, co oznacza ok. 45 godzin pracy dziennie. Co tydzień zespół sprawdza losową próbkę odpowiedzi pod kątem poprawności i tonu, a wiadomości z reklamacjami powyżej ustalonej kwoty trafiają bezpośrednio do konsultanta.
Najczęstsze błędy
- Traktowanie odpowiedzi modelu jak informacji zweryfikowanej, zwłaszcza w liczbach, cenach i warunkach umów.
- Wklejanie danych klientów lub dokumentów poufnych do ogólnodostępnych narzędzi bez umowy z dostawcą i firmowej polityki korzystania z AI.
- Zaczynanie od wyboru narzędzia zamiast od procesu i miernika. Bez wartości bazowej nie da się wykazać korzyści.