Kereskedelmi AI integráció / koncepció

AI a cégnél -
hol, mire, hogyan

Ez nem közvetítés és nem egy polcról levett szoftver. Az AI helyben épül fel és helyben fut, az adatok a cég falain belül maradnak. A külvilághoz csak akkor nyúl, ha a feladat valóban azt kívánja.

Helyben futó
Adat a falon belül
Hibrid kontroll
Szabály-szintű döntés
Projekt-alapú
Egyedi integráció
01 - A háttér

Ipari gyökerek

Több mint két évtizednyi gyakorlati tapasztalat valós ipari környezetben. Az első szakasz külső cégeknek végzett szoftverfejlesztés volt: vállalatirányítási, termelésirányítási, logisztikai és raktározási rendszerek, a megrendelő működésére szabva. Ezt követte az összetett kutatás-fejlesztés: egy prototípus-labor felépítése a nulláról - a teljes gyártási folyamat kidolgozása, a gépek megtervezése és a meglévők átalakítása, hogy a labor high-tech elektronikák előállítására is alkalmas legyen. Itt készültek el a prototípusokhoz szükséges áramkörök a hozzájuk tartozó burkolatokkal együtt.

Ez a háttér adja a rálátást arra, hogyan illeszkedik az AI egy vállalat valós működésébe - a folyamatok ismeretéből kiindulva, nem kívülről.

02 - Az adat helye

Az adat a cégen belül marad - alaptétel, nem opció

A vállalkozásokra szabott AI-megoldás minden esetben egy helyben telepített, dedikált szerver-modul köré épül. A rendszer a cég saját infrastruktúráján működik, a kritikus adatok pedig a vállalat belső környezetében maradnak. A piacon elérhető vállalati AI-megoldások többségénél az adat előbb-utóbb egy harmadik fél szolgáltatójához kerül - onnantól nem látható, mi történik vele, hogyan tárolják, meddig őrzik. Vállalati szempontból kritikus adatnál ez komoly kockázat.

Alaptétel
Az adat nem hagyja el a céget. A megoldás a vállalat saját rétegében működik. A különbség nem marketing, hanem szerkezeti.
03 - Hibrid

Hibrid felépítés - a kritikus rész helyben

Bizonyos feladatokhoz a legnagyobb nyelvi modellek mérete külső kapacitás bevonását teheti indokolttá. A rendszer ezért hibrid, de a súlypont helyben marad: a kritikus üzleti adatok nem hagyják el a céget. Kifelé csak előzetesen engedélyezett, biztonságos kontextus jut ki, és kizárólag akkor, ha a feladat valóban megköveteli - soha nem alapértelmezetten, hanem szabály-szintű döntés alapján.

04 - Saját AI-réteg

Saját AI-réteg - a jövőt ez jelenti

A piaci AI-megoldások többsége egyszerű modell-átengedés: a vállalati rendszer felad egy kérést egy nagy szolgáltatónak, az ad egy választ, és a megrendelő ezt minimális utófeldolgozással használja. A saját megközelítés többrétegű - előfeldolgozás a modell-hívás előtt (a bemenő kérés strukturálása, kontextus-szegmentálás, releváns belső adat összerakása), modell-szintű kombinációk és köztes módosítások (több modell együttműködése feladatonként), valamint utófeldolgozás (a kimenet ellenőrzése, validálása, forrás-hivatkozás). Az így felépített rendszer érzékelhetően alacsonyabb hallucinációs arányt, gyorsabb válaszidőt és lényegesen pontosabb, vállalati szempontból megbízható kimenetet ad - olyan szintet, amely döntés-támogatásra is alkalmas, nem csupán szöveg-generálásra.

Megközelítés
Az AI nem dobozos termék. Integrációs munka. Felmérés · testreszabás · karbantartott mag.
05 - Projekt-alapon

Konkrét, személyre szabott - projekt-alapon

Minden projekt egy előzetes, részletes felmérésen alapul: a vállalat teljes informatikai rendszerei (ERP, POS, WMS, webshop, BI), infrastruktúrája, üzleti folyamatai, adat-áramlása és szervezeti működése felmérendők - a testreszabás ezen alapul. A központi mag - a saját fejlesztésű feldolgozó-keret és a használt modellek, modell-módosítások - bérleti konstrukcióban érhető el folyamatos havi szinten; a konkrét alkalmazás-szintű fejlesztés külön projekt-alapú munka. A vállalat egy érett, karbantartott AI-szolgáltatáshoz fér hozzá, miközben a saját igényeire szabott integrációs megoldást egyedi formában építjük ki.

06 - Kereskedelmi kontextus

Miért fontos az AI most a kereskedelemben?

A kereskedelmi szektor strukturális feszültségei évtizedek óta ugyanazok: szétszórt tudás, szűk eladói kapacitás, lassú beszerzési visszacsatolás, manuális pénzügyi modellek, valós-idejű vásárlói elvárások. A nyelvi modellek, a vision-rendszerek és a vektoros keresőtechnológiák az utóbbi négy évben olyan szintre jutottak, ahol ezek a feszültségek konkrét folyamatszinten oldhatók meg. Nem helyettesítésről, hanem rétegről van szó: az ember szakmai döntése megmarad, a monotonitás terhe lekerül róla.

07 - AI-katalógus

Az AI lehetőségek

Öt strukturált területen, átfogó gondolatkísérlet arról, hol érinti a mesterséges intelligencia a kereskedelmi működést a webshoptól a raktárig, az ügyféltől a futurisztikus kutatásokig.

01

Offline és Online értékesítés

Keresés szöveg és kép alapján, vélemény-összegzés, kamerás lopás-detekció, QR-termékvideó, 3D-modell-generálás, forgalom-elemző térkép.

6 lehetőség
#001
Keresés szabad szöveg, illetve kép alapján

A vásárló lefotóz egy játékot, ami megtetszik neki, vagy lát egy videóban. Ezzel a képpel tud keresni a webáruházban...

A vásárló lefotóz egy játékot, ami megtetszik neki, vagy lát egy videóban. Ezzel a képpel tud keresni a webáruházban vagy a cég, áruházakból is elérhető webfelületén.

Keresni szöveges körülírással is lehet: a vásárló elmondja, mit keres, a rendszer pedig megpróbálja beazonosítani a terméket. Eredményként a termékkatalógusból megjeleníti a leginkább hasonló termékeket; ha pontos egyezés nincs, hasonlót ajánl. Ha a keresést valamelyik boltban indítja, megkapja a termék pontos helyét, és hogy elérhető-e ott készleten.

#002
Felhasználói vélemény összegzés a weboldalon

A vásárlók ma elsőként a véleményeket nézik meg. A baj az, hogy egy népszerű terméknél akár több száz vélemény gyűlik össze, és ezt senki nem olvassa végig...

A vásárlók ma elsőként a véleményeket nézik meg. A baj az, hogy egy népszerű terméknél akár több száz vélemény gyűlik össze, és ezt senki nem olvassa végig. A vásárló megnéz hármat-négyet, és dönt - ha pont két panasz került felülre, akkor nem vásárol, pedig lehet, hogy a 498 másik vélemény elismerő.

A megoldás: a vélemények tetején egy három mondatos összefoglaló jelenik meg. Például: „A vásárlók 87%-a a részletességet dicséri, 32 szülő viszont jelzi, hogy 6 év alatt nehéz összerakni. A csomagolás minőségét rendben találják.”

Aki a részleteket akarja látni, egy kattintással megnyitja a hivatkozott véleményeket - minden állítás mögött ott vannak a tényleges szövegek, nincs kitaláció.

#003
Kamerakép-alapú lopás-detekció + bolt-felügyelet

A kamerás rendszer ott van a boltokban, csak a felvételeket nincs, aki valós időben nézze - utólag, már csak bizonyításra elég, megelőzésre nem...

A kamerás rendszer ott van a boltokban, csak a felvételeket nincs, aki valós időben nézze - utólag, már csak bizonyításra elég, megelőzésre nem.

A megoldás egy csendes asszisztens, ami a meglévő kamera-képet folyamatosan figyeli, és a gyanús mozdulatokra - zsebbe csúsztatás, kabát alá rejtés - diszkrét üzenetet küld az eladó vagy a biztonsági szolgálat részére. Arcot nem rögzít, csak a mozgást követi anonim módon, az európai adatvédelmi szabályoknak megfelelően. Az utólagos visszanézés helyett tettenérés az adott pillanatban.

#004
QR-kód → termék-videó

A polc-címkén QR-kód, amit, ha a vásárló beolvas, elindul a termék-videó a saját telefonján: a játék bemutatója, a doboz tartalma...

A polc-címkén QR-kód, amit, ha a vásárló beolvas, elindul a termék-videó a saját telefonján: a játék bemutatója, a doboz tartalma, milyen lesz összeszerelve, vélemények rövid összefoglalója, társasjátékoknál rövidített szabálykönyv.

#005
Automata 3D-modell-generálás termékfotókból

Régen ehhez minden termékről kézzel kellett 3D-modellt készíteni. E helyett a meglévő termékfotókból a rendszer automatikusan elkészíti a 3D-s modelljét...

Régen ehhez minden termékről kézzel kellett 3D-modellt készíteni. E helyett a meglévő termékfotókból a rendszer automatikusan elkészíti a 3D-s modelljét, amit a vásárló forgathat, közelíthet, és telefonjával „kipróbálhat” a saját szobájában. Kevesebb bizonytalanság a vásárlónál, kevesebb visszaküldött csomag a raktárnál.

#006
Forgalom-elemző térkép

Kamerás elemző rendszer, amely térképet ad a bolt működéséről - a forgalom mértékét különböző színátmenetek jelölik, a legsűrűbben látogatott részektől...

Kamerás elemző rendszer, amely térképet ad a bolt működéséről - a forgalom mértékét különböző színátmenetek jelölik, a legsűrűbben látogatott részektől a kevésbé forgalmasak felé. Jól látszik rajta, merre járnak a vevők, hol gyűlnek össze, hol a legnagyobb a vevősűrűség, mely polcok előtt nézelődnek a legtöbben, és melyik a bolt legforgalmasabb része. Azt is megmutatja, milyen korosztály jellemző, mikor és hogyan érkeznek a vásárlók, valamint mikor, hol megy oda hozzájuk az eladó, és mennyi időt tölt velük.

Mindezt időrendben, sávonként és időszakonként, naptári eseményekkel összevetve is feldolgozza: kimutatható, mekkora a látogatószám délelőtt, délután, ünnepnapon vagy akció idején, és hogyan alakul egy-egy eseményhez kötve. Az is mérhető, hányan jönnek be és vásárolnak ténylegesen, és hányan távoznak vásárlás nélkül, csak nézelődve.

Ugyanez segít az akciós termékek elhelyezésében is: nyomon követhető, hogy egy adott helyre tett akció mennyivel élénkíti a forgalmat - hányan haladnak el előtte, és hányan állnak meg ténylegesen.

02

Beszerzés, Termék-katalógus, Logisztika

Piacelemzés, áruhiányból elveszett bevétel, supply chain kockázat, dobozméret-optimalizálás, többnyelvű ügyfél-támogatás.

5 lehetőség
#007
Piacelemzés (kínálati rés + trend-monitoring)

6-10 héttel előre, termékenként megbecsüli a várható keresletet - saját eladási adat, web-naplók, licenc-naptár (filmek), keresési trendek...

6-10 héttel előre, termékenként megbecsüli a várható keresletet - saját eladási adat, web-naplók, licenc-naptár (filmek), keresési trendek és egyéb források alapján. Kiegészítve a hazai és a környező országok webshopjai és piacterei rendszeresen átfésülésével: mi van náluk, mi nincs nálunk (kínálati rés), mi csúszik be a közösségi médiában (felfutó trend), milyen kategóriák hiányoznak. Trendhullám leszálló-ágán való belépés helyett korai reakció.

#008
Áruhiányból elveszett bevétel kvantifikálása

Mennyi lett volna a forgalom, ha nincs készlethiány, és ezt összevetve a tényleges forgalommal azokra a napokra/időszakokra, amikor a termék nem volt elérhető...

Mennyi lett volna a forgalom, ha nincs készlethiány, és ezt összevetve a tényleges forgalommal azokra a napokra/időszakokra, amikor a termék nem volt elérhető. Ezeket összerakva, forintban megmutatja, mennyi lehetett volna a bevétel, ha lett volna készlet.

#009
Supply chain risk + scenario planning

A modern ellátási láncok összetettebbek és sérülékenyebbek, mint valaha. A kockázatok között szerepelnek beszállítói zavarok, geopolitikai események...

A modern ellátási láncok összetettebbek és sérülékenyebbek, mint valaha. A kockázatok között szerepelnek beszállítói zavarok, geopolitikai események, természeti katasztrófák, cyber támadások, pénzügyi instabilitás, logisztikai fennakadások. A megközelítés lényege, hogy előre modellezi a lehetséges zavarokat, számszerűsíti a hatásukat, majd döntési alternatívákat épít rájuk.

Az AI folyamatosan figyel a beszállítói adatokra, logisztikai eseményekre, piaci változásokra, globális hírekre, geopolitikai kockázatokra, ha valami történik, azonnal jelez.

#010
AI-alapú dobozméret-optimalizálás

Megrendelésenként a rendszer kiválasztja az optimális doboz-méretet (kevesebb levegő, kevesebb fuvardíj), és teljes elrendezési tervet ad rétegenként...

Megrendelésenként a rendszer kiválasztja az optimális doboz-méretet (kevesebb levegő, kevesebb fuvardíj), és teljes elrendezési tervet ad rétegenként a termékek belehelyezéséhez.

#011
Többnyelvű ügyfél-támogatás

A teljes ügyfélszolgálat több-nyelvi átalakítása: chat-üzenet automatikus fordítás operátornak, többnyelvű GYIK, ami magától karbantartódik...

A teljes ügyfélszolgálat több-nyelvi átalakítása: chat-üzenet automatikus fordítás operátornak, többnyelvű GYIK, ami magától karbantartódik, többnyelvű chatbot, vélemény-fordítás, boltokban többnyelvű ügyfélkiszolgálás.

03

Pénzügy, controlling és döntés-támogatás

Számla-feldolgozás, gépjármű-költségek allokációja, eszközgazdálkodás, cash-flow előrejelzés, árrés-bontás.

5 lehetőség
#012
Számla-feldolgozás (OCR + allokáció + anomália + hamisítás-detekció)

A beérkező papír- és PDF-számlák kézi rögzítését váltja ki: automatikus kiolvasás, telephelyre könyvelés, anomália-jelzés a kiugró tételeknél...

A beérkező papír- és PDF-számlák kézi rögzítését váltja ki: automatikus kiolvasás, telephelyre könyvelés, anomália-jelzés a kiugró tételeknél, és hamisítvány-szűrés.

A rendszer a betanított dokumentum típusokat felismeri, tartalmukat értelmezi és az adatokat integrálja a könyveléshez, telephelyre allokálva, párosítva a banki tranzakciókkal. Teljes visszakereshetőségi láncot épít fel, a számlaképtől a tételig. Közben anomália-figyelést is végez: a kiugró tételeknél jelez, a hamisítás-gyanús dokumentumokat kiszűri (zajos képkivágás, fény-irány-ütközés, manipulált kép és metaadatok).

#013
Gépjármű-költségek rendszám-szerinti allokáció

A flotta üzemanyag-, javítás-, biztosítás-, parkolás-számlái rendszámra bontva mennek az analitikába - nem csak egy közös költséghelyre...

A flotta üzemanyag-, javítás-, biztosítás-, parkolás-számlái rendszámra bontva mennek az analitikába - nem csak egy közös költséghelyre. A vezető látja: melyik autó fenntartása mennyibe kerül, mikor kell cserélni, kép a sofőr vezetési stílusáról.

#014
Eszközgazdálkodás: ÉCS-ütemezés + CAPEX-beruházás-szimuláció

Két dolog egy helyen: az értékcsökkenés folyamatos vezetése (számviteli és TAO-szerinti ütemezés párhuzamosan), és nagyobb beruházásokhoz előre kalkulált döntés-támogatás...

Két dolog egy helyen: az értékcsökkenés folyamatos vezetése (számviteli és TAO-szerinti ütemezés párhuzamosan), és nagyobb beruházásokhoz előre kalkulált döntés-támogatás (NPV, IRR, payback). Excel rengeteg helyett egységes modell.

#015
Cash-flow előrejelzés / pénzáramlás-prognózis

Olyan pénzügyi terv, mely előre megmutatja, hogy a következő hetekben/hónapokban mennyi pénz érkezik be a vevőktől, mennyi pénz megy ki a beszállítóknak...

Olyan pénzügyi terv, mely előre megmutatja, hogy a következő hetekben/hónapokban mennyi pénz érkezik be a vevőktől, mennyi pénz megy ki a beszállítóknak, mennyi pénz kötődik le készletben, és ezek alapján mennyi készpénz marad.

A kereskedelemben a cash-flow legnagyobb mozgatói a Készletvásárlás (ELÁBÉ), a Vevői fizetési határidők, a Beszállítói fizetési határidők, a Szezonális készletfelhalmozás, és az Árfolyamkitettség. A cég pénze a készletben áll, ezért a cash-flow előrejelzés egyik legfontosabb része, hogy mikor kell árut rendelni, mennyit kell fizetni érte, mikor érkezik be a számla, és mikor esedékes a fizetés.

Működési és likviditási kockázatok előrejelzése (Working capital + Monte Carlo), Beruházási döntés-szimuláció.

#016
Termék-/kategória-/vevőszintű árrés-bontás (folyamatos)

A fedezet-tömeget folyamatosan frissülve mutatja meg több dimenzióban: melyik termék, kategória, B2B-vevő hozza a legtöbb bevételt...

A fedezet-tömeget folyamatosan frissülve mutatja meg több dimenzióban: melyik termék, kategória, B2B-vevő hozza a legtöbb bevételt. A havi-negyedéves Excel-bontás helyett friss adat, szabadon szétfúrva, természetes kérdésekkel.

Ha jön egy beszállítói áremelés, azonnal megmondja a rendszer, mekkora vevői áremelés kell ahhoz, hogy a fedezet ne csússzon - különösen erős fegyver a devizás termékkörben, ahol az árfolyam-mozgás folyamatosan újrarendezi a számokat.

04

Belső tudásbázis, DevOps AI-támogatás

Belső tudásbázis, interaktív betanítás, fejlesztői és felhasználói dokumentáció, fejlesztési folyamat, lekérdezés navigátor, eredmény-visszafejtés.

6 lehetőség
#017
Belső tudásbázis (tudás átörökítése)

Egy cég legnagyobb, mégis legnehezebben megfogható értéke a felhalmozott tudása. A cég működéséhez szükséges tudás ma szétszórtan él...

Egy cég legnagyobb, mégis legnehezebben megfogható értéke a felhalmozott tudása. A cég működéséhez szükséges tudás ma szétszórtan él: dokumentumokban, táblázatokban, rendszerekben, és nagyrészt a munkatársak fejében. A belső tudásbázis ezt a szétszórt tudást gyűjti egyetlen, közös helyre, ahol bárki természetes nyelven, sima kérdésekkel megtalálja, amire szüksége van. Így a cég tudása nem vész el és nem reked meg, hanem bármikor, bárki számára a jogosultsági szintjének megfelelően elérhető.

A tudásbázis nem egy egyszer feltöltött, statikus adattár, hanem folyamatosan, magától épülő rendszer. Részben a napi használatból és a felmerülő új esetekből bővül, részben az itt dolgozó szakértők munkájából: a szakemberek a saját területükről - az ott érvényes szabályokról, problémákról, működésekről és megoldásokról - szöveges anyagokat és videókat készíthetnek, amelyeket a rendszer feldolgoz és beépít a közös tudásba.

#018
Interaktív betanítás és tudáskarbantartás

Amikor új munkatárs érkezik, a rendszer a tudásbázisból összeállítja a feladatköréhez szabott alaptudást, és egy oktatási felületen, interaktívan adja át...

Amikor új munkatárs érkezik, a rendszer a tudásbázisból összeállítja a feladatköréhez szabott alaptudást, és egy oktatási felületen, interaktívan adja át - nem száraz dokumentumként, hanem az AI-val folytatott beszélgetésben. Az új kolléga a cég folyamatairól és a saját munkájáról beszélget a rendszerrel - mit, hogyan, miért -, miközben a rendszer felépíti a tanmenetet, végigveszi a teljes anyagot, és szöveges tananyagot is generál hozzá.

A tudás mérése nem a végén, külön teszttel történik, hanem már tanulás közben, folyamatosan. A rendszer figyeli, mit sajátított el, és visszatér azokhoz a pontokhoz, ahol a kolléga még bizonytalan. Amikor egy területen már megfelelő a tudása, helyzetszimulációkkal vizsgálja, hogyan reagál és old meg valós eseteket - így nem csak az látszik, mit tud lexikálisan, hanem az is, hogy alkalmazni is tudja-e.

Ebből áll össze minden emberhez egy tudástérkép: pontozással, besorolással, hogy ki mire és milyen mértékben használható a jelenlegi tudásával. A rendszer ezt folyamatosan vezeti mindenkiről, és ahogy valaki fejlődik vagy új területre kerül, ott megkapja a hozzá tartozó képzést - így a megfelelő képzettség és feladatkör mindig együtt jár.

Ez nem csak az új belépőkről szól. Az egész dolgozói állomány számára folyamatos: rövid, néhány kérdéses tesztekkel, akár a saját mobileszközükön, visszajelzést kapnak az aktuális tudásszintjükről, és ez segíti a szinten tartást is, hogy a megszerzett tudás ne kopjon meg. Ugyanezen a csatornán vezetjük be és tanítjuk meg az új eljárásokat, valamint a már meglévő folyamatokban történő változásokat is, a kollégáknál felmerülő új tapasztalatok pedig automatikusan beépülnek a rendszerbe.

Mindezzel a rendszer egyúttal tehermentesíti a tapasztalt kollégákat is, akiknek eddig az új emberek betanítása a vállukon volt.

#019
Fejlesztői kézikönyv naprakészen tartása + felhasználói dokumentáció készítése

A fejlesztési dokumentáció, a kódbázis és az adatbázis-szerkezet az AI segítségével egységbe kerül: a leírás és a kód kétirányúan össze van kötve...

A fejlesztési dokumentáció, a kódbázis és az adatbázis-szerkezet az AI segítségével egységbe kerül: a leírás és a kód kétirányúan össze van kötve, és együtt mozog a rendszer mindenkori állapotával. Bármikor megnézhető, hogy a terv egy adott része melyik kódban valósul meg, és fordítva. Ha bárhol változás történik, a rendszer az összes érintett ponton frissíti a leírást, a validált tartalom pedig megbízhatóan pontos marad - a dokumentáció így nem avul el.

Erre az élő, összekapcsolt alapra épül a felhasználói dokumentáció is. A felhasználó számára ez nem a megszokott, egyszer megírt, statikus kézikönyv: organikusan összeforr a rendszer aktuális állapotával, és személyre szabott - megnézi, hogy kinek a munkaköréhez mely részeket kell ismernie, és azt állítja össze a számára. Használat közben bármit kérdezhet természetes nyelven, a rendszer pedig személyre szabott választ ad: lépésről lépésre haladó leírást, akár képernyőképekkel.

#020
A fejlesztési folyamat - kéréstől a kész funkcióig

Amikor egy területről fejlesztési igény merül fel, a rendszer segítségével pontosításra kerül. A pontosítás közben a rendszer ellenőrzi a meglévő rendszereket...

Amikor egy területről fejlesztési igény merül fel, a rendszer segítségével pontosításra kerül. A pontosítás közben a rendszer ellenőrzi a meglévő rendszereket, hogy hasonló nem valósult-e már meg, megvizsgálja, hova és hogyan illeszthető - vagy önálló ágként kell-e kezelni -, és meghatározza, mely területeket érinti.

Az érintett területek képviselői ezután leülnek egyeztetni, és a rendszer itt is aktívan jelen van: leiratozza a megbeszélést, majd összegzi a határozatokat - mit és hogyan valósít meg a fejlesztés, kinek mi a feladata, mit kell még összerakni, milyen dokumentumokat csatoltak, ki vett részt, és mi a következő lépés.

Ezután a rendszer a fejlesztőkkel közösen elkészíti a rendszertervet. Ez még programozás-független: folyamatábrák, adatkapcsolatok, összefüggések, be- és kimeneti információk tisztázása. Ennek elkészültével indulhat a tényleges fejlesztés: a fejlesztők látják a logikai blokkokat és egymásba ágyazódásukat, és felosztják a feladatokat.

A folyamat során a rendszer ellenőrzi, hogy a kód teljesíti-e a tervben foglaltakat, és akár teszteket is ír rá. A felmerülő módosításokat - ha az igény elfogadott - végigvezeti, és a szoros követésnek köszönhetően szükség esetén megjelöli azt is, mit kell a kész kódban visszabontani a módosítás miatt.

#021
Lekérdezés navigátor

A rendszerhez szabad, hétköznapi nyelven lehet kérdést feltenni. A program erre felkínálja a meglévő, használatban lévő lekérdezések közül mindazokat...

A rendszerhez szabad, hétköznapi nyelven lehet kérdést feltenni. A program erre felkínálja a meglévő, használatban lévő lekérdezések közül mindazokat, amelyek a kérdéshez illeszkedhetnek, és mindegyikről elmondja, milyen számítási logika áll mögötte, miben tér el a többitől. Ennek alapján a felhasználó könnyen kiválaszthatja a számára megfelelőt.

#022
Miért pont ennyi? - eredmények és hibák visszafejtése

Eszköz céges folyamatok elemzéséhez: egy kapott eredményből visszafejti, miért éppen az az érték született. Megmutatja, milyen bemeneti paraméterek...

Eszköz céges folyamatok elemzéséhez: egy kapott eredményből visszafejti, miért éppen az az érték született. Megmutatja, milyen bemeneti paraméterek és milyen módosító tényezők vezettek hozzá, így bármilyen szám vagy eredmény végigkövethető a teljes kialakulási útján, egészen az alapszintű forrásokig. Például, ha az igény 10 darab volt, de csak 6 érkezett, a rendszer feltárja, pontosan hol és mi miatt alakult így a végeredmény. Ugyanezen az elven hibakeresésre is alkalmas: a logok alapján visszafejti, mi vezetett a hibához.

05

Futurisztikus irányok

Virtuális termékbemutató, humanoid eladórobot.

2 lehetőség
#023
Virtuális termékbemutató - a kirakatban és azon túl

Interaktív kirakat 3D-kijelzővel, szemüveg nélkül: ahogy valaki elsétál előtte, a rendszer kapcsolatba lép vele, és a játékokat valós méretben mutatja be...

Interaktív kirakat 3D-kijelzővel, szemüveg nélkül: ahogy valaki elsétál előtte, a rendszer kapcsolatba lép vele, és a játékokat - például egy modellvasutat - valós méretben vagy felnagyítva, térben mutatja be, akár működés közben. A teljes termékkatalógust interaktívan kommunikálja: az érdeklődő beszélhet vele, az pedig válaszol, mintha egy kizárólag érte dolgozó eladó mutatná meg mindazt, ami elérhető.

Ugyanez bent az üzletben is működhet, információs pulthoz hasonló, de teljes interaktivitásra és térbeli megjelenítésre képes konzolokon. Itt a játékok közelről is megismerhetők - amit a csomagoláson át nehéz eldönteni: videók a működésről, vélemények, válaszok a játékkal és a szabálykönyvvel kapcsolatos kérdésekre. Néhány kiemelt terméknél akár virtuális kipróbálás is elképzelhető.

#024
Humanoid eladórobot gyermek-célcsoportnak

Egy gyermek-szemmagasságban kommunikáló robot, amely leköti és fenntartja a gyermek figyelmét, miközben a szülő nyugodtan, zavartalanul kap szakmai tanácsadást...

Egy gyermek-szemmagasságban kommunikáló robot, amely leköti és fenntartja a gyermek figyelmét, miközben a szülő nyugodtan, zavartalanul kap szakmai tanácsadást az eladótól. Így a felnőtt és a gyermek párhuzamos igénye szétválik - mindketten a nekik szóló figyelmet kapják, egymás zavarása nélkül.

08 - AI-architektúra

A modell-piac küszöbértéke

Az AI modell-piac elmúlt két éve egy egyetlen, jól körülírható küszöböt lépett át: a nagy nyelvi modellek azon a ponton váltak ipari felhasználásra alkalmassá, ahol az integráció - a vállalat adat-szuverenitásának megőrzésével - valóban megépíthető. Ettől a pillanattól nem az a kérdés, hogy a vállalat „használ-e AI-t", hanem hogy milyen architektúrában teszi ezt.

A nyilvános felhő-modellek vonzereje a gyorsaság: néhány óra alatt működő demó áll össze, alacsony belépési költséggel. A vállalat-specifikus mélységű alkalmazás azonban más szerkezetet követel. A vezérlési pont a vállalat falai között marad: a kritikus adatok helyben dolgozódnak fel, kifelé csak előzetesen engedélyezett tartalom mehet. A modell-hívás körüli pre- és utófeldolgozási rétegek dolga az, hogy a hallucinációs arány mérhetően csökkenjen.

1. ábra - Az on-prem AI-szerver-modul illeszkedése a vállalat meglévő informatikai infrastruktúrájába.

Üzemeltetési jegyzet

Egy AI-integrált rendszer csak akkor ad valódi értéket, ha a vállalat-specifikus adat-áramláshoz és üzleti folyamatokhoz illeszkedik. Ezért minden megvalósítás előtt teljes felmérés készül - az infrastruktúrától a szervezeti működésig. Azt követően cégspecifikus AI modell épül. A központi mag bérleti konstrukcióban, a testreszabás projekt-alapon.

09 - Bevezetés folyamata

Négy szakasz, felméréstől a fenntartásig

1
Felmérés / audit
A teljes informatikai rendszer (ERP, POS, WMS, webshop, BI), infrastruktúra, üzleti folyamatok, adatok és szervezeti működés részletes feltérképezése.
2
Testreszabott rendszer-terv
A felmérés alapján egyedi architektúra, integráció-pontok, AI-modulok és adatáramlás-tervezés a vállalat-specifikus céloknak megfelelően.
3
Helyileg telepített megoldás
Dedikált szerver-modul az ügyfél saját infrastruktúrájában, helyi adatfeldolgozással. Központi mag bérleti konstrukcióban, testreszabás projekt-alapon.
4
Bevezetés és fenntartás
Folyamatos finomhangolás, modell-frissítés, integráció-bővítés, a vállalat változó igényei szerint.
10 - Háttértörténet

Két évtized vertikális tapasztalat

A jelenlegi AI-integrációs munka két évtizedes ipari hardware–software-integrációs pályára épül - termelésirányítástól és gyártáskövetéstől az elektronikai prototípus- fejlesztésen át a gyártásra-kész végtermékekig, az alapanyag-szintű naplózástól a chip-szintű precizitásig.

I.

A kezdetek - termelésirányítás, gyártáskövetés, ipari logisztika

Az ipari folyamat-ismeret megalapozása, a beszerzéstől a kiszállításig

A szoftverfejlesztői pálya a főiskolai évek alatt indult egy kis vállalkozással, gyártáskövetési rendszerek építésével. A kiindulási termék gyorsan komplett termelésirányítási rendszerré nőtte ki magát: irodai modulokkal, értékesítés- támogatással, készletkezeléssel és vállalat-irányítási funkciókkal kiegészülve.

Ebből önálló ágak nőttek ki. A gyártás-termelési ág a raktárból kiadott alapanyagtól a kész termékig követhető teljes folyamatot fedte le - dolgozói munkafolyamat-szintű naplózással, alapbér + teljesítmény-kombinált vegyes-bér számítással, túlóra-, anyagkönyv-, megrendelés-kezeléssel, külföldi szállítások és számlák feldolgozásával. A pékipari ág nagy rendelés-volumeneket dolgozott fel gyorsan: kiszállítás-tervezéssel, kocsi- és raksor-optimalizálással, lesütési ütemezéssel a belső gyártáshoz. A szállítmányozási modul a gabona- szállítás teljes papír-, dokumentum- és követés-folyamatát kezelte.

Az időszak teljes ipari folyamat-ismeretet adott a beszerzés–raktározás– gyártás–szállítás láncon végig, az emberi munkafolyamat-szintű részletekkel együtt.

II.

Kutatás-fejlesztés és elektronikai gyártás

Saját informatikai szolgáltató cég, KF-integráció, szubmikronos áramkör-levilágító

A következő szakasz egy saját informatikai szolgáltató cég volt, amely elsősorban szoftverfejlesztéssel és autóipari tesztberendezésekkel foglalkozott. Egy kutatás-fejlesztési cég számára szoftverrendszert készítettünk - így kerültünk velük kapcsolatba, majd a két szervezet idővel össze is olvadt. Az itt készített kiemelt szoftver-fejlesztés egy komplex alapanyag-elszámolási rendszer volt az elektronikai prototípus-laborhoz: az alapanyagok teljes útját követte a raktárból kivételtől a megmunkáláson, a prototípusba beépülésen, majd a szétbontásokon, újra-felhasználásokon és átalakításokon át.

Ezzel párhuzamosan elsajátítottuk az elektronikai gyártás teljes vertikumát - áramkör-tervezés, beültetés, ipari gépek átalakítása kis-szériás működésre, saját prototípus-labor felépítése nagy integráltságú áramkörök belső gyártására.

A szakasz fő mérnöki eredménye egy másfél–két éves fejlesztés végén állt össze: egy szubmikronos tartományban működő, közvetlen áramkör-levilágító berendezés. A high-tech elektronikai áramkörgyártáshoz - a technológiai határokat feszegető, chip-szintű precizitást igénylő gyártáshoz - ez nélkülözhetetlen eszköz. Olyan tudás-szintű gépre volt szükség, amilyen akkor a világon nem létezett; sikerült kifejlesztenünk egyet, és ez a mai napig egyedülálló képességekkel dolgozik a szubmikronos tartományban.

A munka egy befektető-vezérelt cég-konstrukcióban folyt, ahol sok prototípus született, de piaci bevezetés ritkán; a koncepciók más cégeknél, később, gyengébb kivitelben sikerre jutottak - ami visszaigazolta az ötletek életképességét.

III.

Hardware-portfólió - elektronikai integráció, vezérlés, gyártásra-kész prototípusok

Kilenc projekt, eltérő iparágakban - közös szál: gyártás-előtti fázisban lévő, kész burkolatú, integrált prototípus

Az időszak alatt sok hardware-projekt készült el, eltérő iparágakban, eltérő technológiai nehézségi-szinteken. A közös szál: minden esetben prototípus - de teljes kész burkolattal és minden funkcionális elemmel rendelkező, gyártás- előtti fázisban lévő integrált végtermék, ahonnan már csak egy lépés a sorozatgyártható termék. Az áramkör-tervezéstől a beültetésen, a vezérlő- szoftveren és a mechanikai-burkolaton át a megfelelőségi tanúsításig végigfutó vertikális felelősséggel.

A portfólió egy keresztmetszete:

  • Integrált egészségügyi rendszer - nagyobb pályázat keretében; a projekt sajtó-érdeklődést is kapott.
  • Volumetrikus, szemüveg nélküli 3D megjelenítési technológia - saját display-fejlesztés.
  • Szubmikron tartományban működő levilágító berendezés - chip-szintű precizitást igénylő alkalmazásokra.
  • Vezeték nélküli kutyapóráz - fogyasztói termék, integrált rádiós kommunikációval.
  • Saját nyomtató-technológia - egyedi vezérléssel és mechanikai megoldással, a piaci standardoktól eltérő koncepció szerint.
  • Menetközi súlymérés teherautókon - agrár-ipari logisztikai mérőrendszer, mozgás közben is megbízható pontossággal.
  • Autóipari mérő- és tesztberendezések - gyártói minőség-ellenőrzési eszközök sorozatgyártáshoz illesztett kivitelben.
  • CNC robot-vezérlések - saját szoftver és hardware ipari robotokra.
  • Játékfejlesztések - fogyasztói termékvonal-projektek, elektronikai integrációval.

Ez a teljes vertikum-szintű tapasztalat - az ötlettől a gyártásra-kész integrált végtermékig - adja az alapot a mostani AI-integrációs munkához. Ugyanazok az elvek érvényesek: végtermék-felelősség, az adott vállalathoz szabott megoldás, és a teljes rendszer egységben tartása ahelyett, hogy különálló eszközök laza halmaza lenne.

IV.

Mesterséges intelligencia - két évtizedes követés, mostanra megérett a technológia

2000-es évek eleji szakirány-választástól a vállalati integrációs küszöb átlépéséig

A mesterséges intelligenciát még a főiskolai évek alatt választott szakirányként ismertem meg - a 2000-es évek elején. Az egész évfolyamon én voltam az egyetlen, aki ezt választotta. Az akkor fellelhető szakirodalom és eszközök alapján AI-programokat építve felfedeztem új lehetséges fejlesztési irányokat - olyanokat, amerre ezzel a technológiával tovább lehetett volna lépni. A felismerés középpontjában az állt, hogy az akkori AI-rendszerek nem gondolkodó rendszerek voltak, én pedig gondolkodó rendszert akartam létrehozni. Úgy éreztem, megtaláltam ennek a megvalósítási irányát - viszont az akkori technológia messze nem érte el azt a fejlettségi szintet, amit a koncepció igényelt volna, így abba kellett hagyni; a jegyzetek a fiókban maradtak.

A területet azóta folyamatosan figyelemmel kísérem. Négy évvel ezelőtt még nem látszott, hogy elérheti a kellő szintet, de egy-két éve egyértelmű: a technológia mostanra eljutott oda, ahonnan tovább lehet lépni az akkori, gondolkodó-rendszer irányába - és a hardverek is most kezdenek olyan kapacitásra állni, ami ezt valóban lehetővé teszi.

Ma ez a kutatási területem - ezzel foglalkozom; sokan próbálkoztak ezzel az iránnyal valamilyen formában. Emellett a mainstream AI-megoldásokban rejlő üzleti lehetőségeket folyamatosan ki kell aknázni - a két szál párhuzamosan halad.