Naziv projekta: DYPOM – Dynamic process optimization model

Naziv korisnika: In Rebus d.o.o. Zagreb

Ukupna vrijednost projekta: 75.954,04 EUR

EU sufinanciranje projekta: 48.426,91 EUR

Razdoblje provedbe projekta: 01.5.2025. – 01.5.2026.

Projekt je sufinanciran sredstvima iz Nacionalnog plana oporavka i otpornosti 2021. – 2026.

OPIS PROJEKTA

Ovim projektom In Rebus d.o.o. želi razviti prototip imena DYPOM (Dynamic Process Optimizatin Model), AI model umjetne inteligencije koji intervenira u radnom procesu i na temelju naučenih ishoda i budućih koraka, izbjegava aktivnosti koje potencijalno loše utječu na cilj koji se želi postići. Model nadilazi ljudska ograničenja time što učenjem iz nebrojenih prijašnjih ishoda i aktivnosti, predlaže novu logiku i sugerira alternativno postupanje u radnom procesu, te time upravlja procesom na logičkoj razini. Temelji se na najnovijim rezultatima istraživanja i tehnološkog razvoja.

OPIS PROBLEMA: u složenim poslovnim IT sustavima, često postoje radni procesi gdje djelatnici individualno odlučuju koju će aktivnost odraditi na temelju samog predmeta i njegovog slučaja. Procesi i aktivnosti se u složenim sustavima u kojima je postupanje izvršitelja dano njima na procjenu i izbor (po njihovoj slobodnoj volji i znanju; koristimo izraz slobodni procesi), obavljaju uglavnom po ustaljenim navikama izvršitelja. Davno je primijećen problem da u slučaju djelomično nepovoljnog ili negativnog ishoda, ne postoji način, da na kraju procesa, jedna osoba pregleda podatke i može točno reći koja aktivnost nas je odvela u loš ishod. Previše parametara može utjecati na loš ishod, njihov broj je u tisućama. Izvršitelj u tijeku procesa, kada donosi neku naoko jednostavnu odluku, nije u mogućnosti uzeti sve faktore u obzir. Takvi odgovori se mogu dati samo za krupne greške koje su odmah jasne. Ovdje se radi o analizi mikro podataka i mikro odluka.

Kada se sagleda proces sa lošim ishodom, retrogradno je moguće shvatiti razloge za pojedine konkretne odluke u tijeku predmeta. No, ne znamo što bi se dogodilo, da smo negdje u sredini radnog procesa postupili drukčije.

U složenim sustavima, neovisno o industriji ili djelatnosti, tijekom rada ne postoji način da se upozori na budući problem manje kvalitetnog rezultata. Jednostavno, imamo slabo vidljive razloge za neka postupanja koja rezultiraju gubitkom. Unatrag možemo napraviti analizu, ali je nepovoljan ishod već nastupio. Ono što nemamo; nemamo upozorenje u tijeku radnog procesa koja će nas aktivnost odvesti na krivi put. Kad donosi odluku, osoba postupa ispravno, ali očito ne može uzeti u obzir toliko parametara kao AI model.

CILJ PROJEKTA je da tijekom rada AI model na vrijeme prepozna ako radimo nešto loše u procesu, te da to popravimo. Kada prepozna loš obrazac rada, šalje upozorenje/sugestiju kako trebamo korigirati svoju aktivnost. Moramo dobiti poruku upozorenja potkrijepljenu brojevima i usporedbama.

Ova inovacija stvara novo sustavno znanje, kojim možemo jasno pronaći uzroke nepovoljnog ishoda u složenom poslovanju, preduvjet je postojanje drugih pozitivnih ishoda. Ideja je „zaroniti“ u proces u trenutku dok se on događa i upozoravati tijekom procesa, na aktivnosti u koracima koje mogu potaknuti nepovoljan rezultat. AI Model za trenutačnu aktivnost treba sugerirati kako ju trebamo postaviti drukčije. Primjerice, sustav predloži drukčiji iznos, upozori na graničnu vrijednost očekivanja u budućnosti, predloži drukčiji datum/rok, sugerira druge cijene i sl.).

AI model  na temelju naučenog obrasca odlučivanja s potencijalnim pozitivnim ishodom, sugerira izvršitelju drugačije postupanje na njemu razumljiv način. Ono što je izvršitelju NEVIDLJIVO u tom trenutku jest cijela mreža veza i tisuće podataka, koji su formirali tu jednostavnu sugestiju. AI model će učenjem iz prošlih podataka predviđati moguće buduće ishode trenutnog predmeta, te sugerirati one aktivnosti koje prema AI modelu preusmjeravaju tijek procesa i dovode do pozitivnog ishoda.

Zadatak ovog inovativnog koncepta je da prepozna nevidljive obrasce ponašanja, te da Umjetna inteligencija u nekom od koraka prepozna ako radimo nešto loše. AI model nam mora dati jasan razlog zašto na jednakoj raspodjeli šteta, neki djelatnici imaju osjetno više iznose.

AI Model će poznavati sve prijašnje događaje i sve buduće moguće ishode te upozoravati tijekom procesa na aktivnosti izvršitelja koji svojim provođenjem pomažu da se dogodi nepovoljan rezultat u budućnosti. AI će sugerirati izvršitelju aktivnost, koja uvjetuje dobar način vođenja predmeta. Model koristi kolektivno znanje, koje je skriveno u nevidljivim obrascima aktivnosti na IT sustavu. Model će učiti od svih obrazaca. Obrasci aktivnosti su zapisani točno kako izvršitelj po navici radi na sustavu (upis u bazu, redoslijed aktivnosti, metrike tih aktivnosti unosa iznosi odšteta, broj izvida, lokacije, datum u godini, tip štetnog događaja).

Model prati koje podatke izvršitelj zapisuje u radnom procesu te koje su aktivnosti izvršitelja. On poznaje dosadašnji tijek trenutnog procesa koji se izvršava i sve njegove buduće moguće ishode (kao poteze u šahu). Model dakle ima znanje, koje se temelji na poslovnim slučajevima/predmetima iz prošlosti (predmeti iz prošlosti su poslužili za učenje modela; predmeti su uzorak na kojem je model naučio). Model će s vremenom razviti sposobnost zaključivanja o prikladnosti trenutno koraka, uspoređujući sve moguće ishode koje je naučio ne samo od izvršitelja koji trenutno izvodi aktivnost nego od svih drugih izvršitelja, pa će poslati poruku na ekran izvršitelju u obliku sugeriranog postupanja. Postupanje koje izvršitelj dobije na ekran (tekstualna poruka) je temeljeno na svim prošlim povoljnim predmetima i njihovim ishodima. Možemo to shvatiti kao da je model usporedio bivše predmete i zna – ako postupimo sada na „prvi“ način svi će budući koraci doprinijeti nepovoljnom ishodu, a ako postupimo na „drugi“ način, svi će budući koraci doprinijeti povoljnom ishodu te stoga AI sugerira „drugi“ način  (kao da je trenutačna aktivnost dio nekog bivšeg procesa- Model se „sjeća“), pa je on to strojno usporedio i napisao preporuku.

Konkretno bi sustav mogao sugerirati: promjenu  vremena odgovora klijentu (zakonski aspekti); sugeriranje iznosa za nagodbu; u prvom ili nekom budućem prijedlogu nagodbe, sugestije postupanja po zaprimljenim pritužbama; upozorenja na mogući sudski proces; parametre nagodbe, AI model će imati višestruke predikcije.

Ovom vrstom upravljanja procesima na temelju ishoda te nadvladavanjem ograničenja čovjeka, tvrtke će značajno podignuti produktivnost. Izbjegavanjem loših ishoda i ranim preusmjeravanjem procesa DYPOM smanjuje financijske, operativne i reputacijske rizike. Tvrtke koje koriste ovu tehnologiju mogu očekivati poboljšanja u produktivnosti i isplativosti poslovanja.