Tina Knežević je razvojna inženjerka iz Megatrenda, koja radi u odjelu za podatkovnu znanost i umjetnu inteligenciju. Na 4. Konferenciji za žene u financijama, održala je predavanje o tome kako tehnologijom riješiti ključna pitanja u različitim poslovnim procesima.
Kako pretraživati dokumente pomoću umjetne inteligencije?
„Pretraživanje je nešto s čime se svi svakodnevno susrećemo, bilo da pretražujemo web, slike, baze podataka ili dokumente. No, pretraživanje velike količine podataka, dovodi nas do pitanja: Kako možemo efikasnije pretraživati korporativne dokumente, a u isto vrijeme otkrivati skrivene vrijednosti u podacima? Odgovor se krije u umjetnoj inteligenciji. Da bismo mogli pristupiti umjetnoj inteligenciji, prvo moramo vidjeti kakva je pozadina samog pretraživanja. Tradicionalni oblik pretraživanja, naziva se leksička pretraga, odnosno traženje točnog podudaranja upita s tekstom koji pretražujemo.“
Google, kao vodeća svjetska tražilica, nam omogućuje da isprobamo leksičko pretraživanje tako što željeni upit upišemo pod navodnicima. Primjerice, „prodaja apartmana u Zagrebu“, za takav upit Google kaže da nema rezultata. Sama tražilica nam automatski nudi da probamo pretražiti pojam bez navodnika. U tom slučaju dobit ćemo stotine tisuća rezultata.
Pročitajte više: Evo kako Google zna u prvih 5 minuta hoće li se njihov novi zaposlenik “snaći”
Postoji razlika između leksičkog i semantičkog pretraživanja
„Razlog tome je to što Google koristi semantičku pretragu. U toj semantičkoj pretrazi upit poprima različite oblike. Riječ „prodaja“ može biti i „kupnja“ i „potražnja“, apartman je ujedno i „stan“,“nekretnina“, „kuća“, „prostor“. Tako da postaje svejedno jesmo li mi napisali „Zagreb nekretnine“ ili smo upisali „Potraga za slobodnim objektima u glavnom gradu RH“ – pojasnila je Tina.
Drugim riječima, nije bitno ono što smo upisali, nego je bitan kontekst. Bitno je što smo mi htjeli dobiti tim pretraživanjem. Semantička pretraga uzima u obzir različite oblike riječi – sinonime, padeže, glasovne promjene, odnosno sve ono što naš jezik čini bogatim.
„Semantička pretraga se ne koristi samo u web tražilicama, nego i za pretraživanje različitih baza znanja. Za QA sustave, virtualne asistente ili za sustave za analizu kompetitivnosti. Primjerice, u HR sustavima kada želimo pronaći najbolje kandidate. Da bi semantička pretraga bila moguća, koristi se obrada prirodnog jezika.“
Radi se o području lingvistike i umjetne inteligencije čiji je cilj naučiti računala kako da čitaju i još važnije – razumiju tekst, onako kako ga svi mi razumijemo. Obrada prirodnog jezika koristi se u različite svrhe. U virtualnim asistentima, za prevođenje jezika, za sažimanje teksta, klasifikaciju teksta, a i za same tražilice.
Zašto je pretraživanje bitno u financijskim sustavima?
„Istraživanja su rekla da 46% financijskih rukovoditelja smatra da nisu u mogućnosti u potpunosti izvršavati svoje dužnosti. 49% njih kaže da su glavna prepreka ručni i dugotrajni procesi prilikom stvaranja financijskih izvještaja. 21% njih kaže da je glavna prepreka nemogućnost lakog pristupa podacima“ – rekla je Tina i izdvojila 3 najčešća problema u financijskim sustavima.
Prvi glavni problem je nedostatak vremena, drugi limitiranost podatcima i treći – problem s adaptacijom na nove tehnologije. „Zbog tih problema smo u potraži za rješenjem koje će nam omogućiti da pretražujemo dokumente. Što naše lokalne, korporativne, što dokumente sa weba i trećih strana. Isto tako, da to pretraživanje ne ovisi o jeziku. Bitno nam je da možemo pretraživati različite formate, ne samo pdf, već i Power Point, Word, Exelice i ostale.“ Vrlo je važno prilagoditi to pretraživanje našoj poslovnoj domeni.
„Mi smo u Megatrendu napravili i vlastito rješenje za semantičku pretragu. Glavni razlog tome je bio nedostatak sličnih rješenja prilagođenih za hrvatski jezik. To rješenje se može implementirati u različite aplikacije, kao tražilica ili za pretraživanje mailova.“
Pročitajte više: Uloga CFO-a se u posljednjih nekoliko godina transformirala i sad je važniji nego ikad
Discovery – zanimljivo rješenje koje olakšava posao i smanjuje troškove
“No, koristimo i IBM Watson Discovery koji je odnedavno dostupan i na hrvatskom jeziku. IBM Discovery dolazi iz obitelji Watson platforme. Radi se o platformi koja se sastoji od različitih aplikacija i sustava. Njima je cilj olakšati i smanjiti troškove integraciji umjetne inteligencije u poslovna rješenja.“Discovery je servis koji nam omogućuje da stvaramo „kolekcije“.
„Te kolekcije stvaramo tako da umećemo podatke koji dolaze iz različitih izvora, korporativnih, lokalnih, s weba ili iz nekih trećih sustava. Potom te kolekcije obogaćujemo. Treća faza je integracija rješenja – ili u neke naše aplikacije ili kroz virtualne asistente ili jednostavno dalje za analizu podataka.“
Jedna od firmi koja je iskoristila Discovery i tako poboljšala svoja poslovna rješenja je Caixa Bank, jedna od vodeći banki u Španjolskoj. „Oni su htjeli digitalizirati svoje kontakt centre. To su postigli tako što su uveli virtualnog asistenta koji može odgovarati na sva pitanja klijenata, u bilo koje doba dana i noći. Kada se rade virtualni asistenti, moraju se predefinirati neki odgovori za pitanja. U slučaju da virtualni asistent ne zna odgovoriti na neko od pitanja, onda on „kaže“ Discoveryju da ode u kolekciju dokumenata koju smo mi napravili i tamo potraži odgovor“, pojasnila je Tina.
„Virtualni asistent smanjuje potrebu da ljudi zovi kontakt centre“
Virtualni asistent će moći odgovoriti na bilo koje pitanje u bilo kojem dokumentu. U ovom primjeru virtualni asistent odgovara na preko milijun upita mjesečno. Također, smanjuje potrebu da ljudi zovu kontakt centre i stalno ponavljaju ista pitanja.
Discovery funkcionira u 3 etape. Prva je mjesto umetanja. Idući korak je obogaćivanje, odnosno funkcionalnosti. To se odnosi, primjerice, na alate koji nam omogućavaju da jednostavno označavamo dijelove pdf-a. To je bitno jer je svaki pdf drugačije strukturiran.
„Onda mi možemo reći Discoveryju za koji dio želimo da nam ide u kolekciju, a koji želimo izbaciti. Druga funkcionalnost su entiteti – osobe, zanimanje, lokacije, valute. Možemo ga i obogatiti da prepozna neke entitete koji su bitni za naše poslovanje. Dalje je važna klasifikacija – on može klasificirati tekst. Primjerice, je li ovaj tekst iz područja zdravlja, ili sporta. Također, Discovery prepoznaje je li neki dokument pozitivan ili negativan. I na kraju, omogućuje određivanje relevantnosti – što smatramo relevantnim, a što ne“, govori Tina.
Posljednja faza su upiti, odnosno integracija rješenja u, primjerice, aplikacije, ili dalje za analizu i obradu podataka, ili kao virtualni asistent.
Pročitajte više: Znate li tko je virtualni asistent i kako se razlikuje od zaposlenika?
Zašto umjetna inteligencija?
„Umjetna inteligencija nam omogućuje da brzo dolazimo do informacija, odgovora i uvida u naše poslovanje. Omogućuje nam da donosimo zaključke koji se temelje isključivo na našim podacima. Također, povećava produktivnost zaposlenika, a u isto vrijeme čini naše klijente zadovoljnijima. Umjetna inteligencija sprječava prijevare i umanjuje rizike, a naravno i smanjuje ljudske pogreške“, zaključila je svoje predavanje Tina Knežević.
Foto: Martina Cvek
