Pilier puslapis

DI diegimas įmonėje

Praktinis žingsnis po žingsnio vadovas — nuo procesų identifikavimo automatizavimui, per bandomąjį projektą, iki pilno mastelio. Atitikimas EU AI Act ir BDAR, kaštų kontrolė, duomenų saugumas.

Pasirengimo DI auditas Daugiakomponenčiai sistemos

DI diegimas įmonėje nereiškia ChatGPT prenumeratos užsisakymo ir jos išplatinimo darbuotojams. Tai verslo-technologinis projektas, reikalaujantis: konkrečių procesų automatizavimui identifikavimo, integracijos su esamomis sistemomis, atitikimo BDAR ir EU AI Act užtikrinimo, kaštų kontrolės, rezultatų matavimo. Trumpai: reikalauja inžinerijos.

Gera žinia: nereikia visko išgalvoti iš nulio. Už mūsų — DI diegimų serija — nuo mikropaslaugų, aptarnaujančių atskiras užduotis, iki vidinės HybridCrew platformos, orkestruojančios kelias dešimtis specializuotų agentų. Iš kiekvieno diegimo ištraukėme pamokas, kurias verčiame į patikrintą procesą. Šis straipsnis aprašo, kaip šis procesas atrodo praktikoje.

Trys dažniausios priežastys, dėl kurių įmonės pradeda nuo DI

Administracinės komandos laiko taupymas. El. laiškų klasifikavimas, ataskaitų generavimas, palaikymo užklausų tvarkymas, dokumentų draftai — visa tai daugeliu atvejų galima automatizuoti. Darbuotojai atgauna 20-40% laiko užduotims, reikalaujančioms žmogiško sprendimo.
Verslo mastelio keitimas be komandos didinimo. Greitai augančios įmonės naudoja DI, kad aptarnautų daugiau klientų, projektų, transakcijų be proporcingo įdarbinimų didinimo. Paprastai paprasčiau ir greičiau nei įdarbinimas.
Compliance ir kokybė. DI nepavargsta, nepamiršta, nepraleidžia procedūrinių žingsnių. Audito procesams (BDAR, ISO 27001, EU AI Act) — tai kokybė, neprieinama žmonėms, dirbantiems esant laiko spaudimui.

Šešios DI diegimo fazės

Patikrintas grafikas nuo sprendimo iki mastelio. Kiekviena fazė turi konkretų rezultatą — lengva sustabdyti projektą, jei rezultatai neatitinka lūkesčių.

Discovery (2-4 savaitės)

Verslo procesų mapping'as, automatizavimo kandidatų identifikavimas, kiekvieno ROI vertinimas, EU AI Act klasifikacija, BDAR atitikimo auditas. Rezultatas: 5-10 procesų sąrašas su prioritetais, bandomojo projekto planas 2-3 geriausiems.

Architektūra ir technologijų pasirinkimas

LLM modelių pasirinkimas (debesų, vietiniai, multi-model), orkestracijos platforma, infrastruktūra (cloud vs. on-premise vs. hybrid), integracijos su esamomis sistemomis. Sprendimai atsižvelgia į biudžetą, saugumo reikalavimus, plėtros planus.

Bandomasis projektas (4-8 savaitės)

Pirmųjų 2-3 procesų diegimas end-to-end. Agentų konfigūracija, integracija su sistemomis, duomenų anonimizavimas (Anoxy), kaštų monitoringas. Testavimas su verslo komanda, prompt'ų tobulinimas, kokybės validavimas.

Matavimas ir optimizacija

Veiklos ir verslo metrikų analizė po 4-6 savaičių produkcinio naudojimo. Agentų tobulinimas remiantis realiais duomenimis, LLM modelių kaštų redukcija, naujų funkcionalumų pridėjimas pagal vartotojų atsiliepimus.

Mastelis

Plėtimas į kitus verslo procesus. Kiekvienas naujas procesas diegiamas 2-4 savaičių iteracijoje (žymiai greičiau nei bandomasis, nes infrastruktūra paruošta). Palaipsnis kitų skyrių aprėpimas.

Continuous improvement

Po 6-12 mėnesių: nuolatinė optimizacija pagal produkcijos duomenis, naujų agentų vaidmenų pridėjimas, integracijos su naujomis sistemomis, compliance tobulinimas, kaštų redukcija. DI tampa neatsiejama įmonės veiklos dalimi.

Ar įmonė pasirengusi DI diegimui?

Šešios sritys patikrinimui prieš pradedant projektą. Vieno iš „taip" trūkumas neblokuoja diegimo, bet reikalauja adresacijos discovery fazėje.

Procesai automatizavimui

✓

Turime 5-10 pasikartojančių procesų, kuriuos galima aprašyti procedūra.

✗

Visos mūsų užduotys yra unikalios ir reikalauja žmogiško sprendimo.

Įmonės duomenys

✓

Turime organizuotus duomenis (CRM, ERP, klientų bazes, dokumentus), pasiekiamus per API arba eksportą.

✗

Duomenys išsklaidyti skaičiuoklėse, el. laiškuose, popieriniuose dokumentuose.

Vadovybės palaikymas

✓

Vadovybė supranta poreikį ir yra pasirengusi 6-12 mėnesių projektui.

✗

DI diegimas — pavienio darbuotojo iniciatyva be vadovybės palaikymo.

Tolerancija pokyčiams

✓

Komanda atvira naujiems įrankiams ir procesams.

✗

Kiekvienas pokytis įmonėje sutinkamas su dideliu pasipriešinimu.

Biudžetas ir laikas

✓

Turime 50-500 tūkst. PLN biudžetą ir priimame 6-12 mėnesių iki pilno ROI.

✗

Tikimės rezultato per 2 savaites už kelis tūkstančius zlotų.

Jautrūs duomenys

✓

Žinome, kokie duomenys yra jautrūs (PII, finansiniai, medicininiai) ir priimame atitinkamas apsaugas.

✗

Dar nesusimąstėme apie saugumą ir compliance.

EU AI Act — ką privalote žinoti prieš diegimą

ES Dirbtinio intelekto aktas (EU AI Act) pradeda pilnai veikti nuo 2026 m. rugpjūčio 2 d. Kiekviena DI ES diegianti įmonė turi atlikti savo sistemos klasifikaciją ir įvykdyti atitinkamus įsipareigojimus. Pažeidimas: baudos iki 35 mln. EUR arba 7% pasaulinės metinės apyvartos.

Keturi klasifikacijos lygiai:

Draudžiamos DI praktikos (pasąmoninis manipuliavimas, social scoring, masinė biometrija) — diegti negalima.
Didelės rizikos DI (HR, švietimas, kritinė infrastruktūra, teisingumo sistema) — reikalauja: atitikties vertinimo (CE marking), rizikos valdymo, techninės dokumentacijos, skaidrumo, žmogaus priežiūros, robustness/cybersecurity.
Ribota rizika (chatbot'ai, deepfakes, DI kuriantys turinį) — reikalauja skaidrumo įsipareigojimų (Art. 50): vartotojų informavimas, generuoto turinio žymėjimas.
Minimali rizika (dauguma DI sistemų) — be papildomų reikalavimų, savanoriški elgesio kodeksai.

Kiekvienas ESKOM AI diegimas pradedamas nuo EU AI Act klasifikacijos discovery fazėje. Riboto pavojaus sistemoms (dažniausias atvejis) statome skaidrumo įsipareigojimus iš karto: banner'is „Kalbi su dirbtiniu intelektu", DI turinio žymėjimas eksportuose, metaduomenys dokumentuose.

BDAR DI diegime

Kiekvienas DI diegimas, apdorojantis asmens duomenis, reikalauja: tvarkymo teisinio pagrindo (sutikimas, sutartis, teisinis įsipareigojimas, teisėtas interesas), duomenų minimizavimo (tik tai, kas būtina), asmenų teisių užtikrinimo (prieiga, taisymas, šalinimas), duomenų saugumo (šifravimas, prieigos kontrolė, audito žurnalas), pavedimo sutarties su LLM modelių tiekėjais (Anthropic, OpenAI, Google).

DI atveju papildomai: teisė į algoritminių sprendimų paaiškinimą. Jei DI priima sprendimą, turintį įtakos asmeniui (pvz., paskolos suteikimas, paraiškos klasifikavimas), asmuo turi teisę reikalauti paaiškinimo ir žmogaus įsikišimo. Sistemos architektūra turi tai palaikyti — kiekvieną sprendimą turi būti galima atšaukti ir pagrįsti.

Dažniausiai užduodami klausimai

Nuo ko pradėti DI diegimą įmonėje?

Nuo konkrečių procesų automatizavimui identifikavimo — ne nuo DI įrankio pasirinkimo. Geriausi kandidatai: pasikartojančios užduotys, aprašomos procedūra, atliekamos kelių darbuotojų, generuojančios didelį darbo kiekį. Klasikiniai pavyzdžiai: el. laiškų klasifikavimas, ataskaitų generavimas, palaikymo užklausų tvarkymas, kodo peržiūra, dokumentų analizė. Identifikavus 5-10 procesų vertiname kiekvieną pagal ROI (laiko sutaupymas × dažnumas) ir riziką. Bandomąjį projektą pradedame nuo 2-3 geriausių.

Kiek kainuoja DI diegimas?

Kaina priklauso nuo masto. Mažas bandomasis projektas (1-2 procesai, viena komanda) paprastai 30-80 tūkst. PLN. Vidutinis diegimas (5-10 procesų, 2-3 skyriai) 150-500 tūkst. PLN. Dideli, transformaciniai diegimai (visa organizacija, integracijos su verslo sistemomis) — nuo 500 tūkst. PLN aukštyn, bet verslo vertė proporcingai didesnė. Veiklos kaštai (LLM modeliai, infrastruktūra) paprastai 5-15 tūkst. PLN per mėnesį vidutiniam diegimui — galima drastiškai redukuoti per vietinius modelius pasikartojančioms užduotims.

Kiek trunka DI diegimas?

Pirmojo proceso bandomasis projektas: 4-8 savaitės nuo sprendimo iki veikiančios automatizacijos. Mastelio keitimas į kitus procesus: 2-4 savaitės per procesą (žymiai greičiau, nes remiamės bandomojo projekto infrastruktūra). Pilnas diegimas, apimantis daugumą administracinių procesų 50-200 žmonių įmonėje: 6-12 mėnesių 2-3 savaičių iteracijomis su konkrečiais verslo rezultatais kiekvienos pabaigoje.

Kokios didžiausios DI diegimo rizikos?

Penkios pagrindinės: 1) Duomenų saugumas — į išorinius modelius išsiųsti jautrūs duomenys gali būti panaudoti treniruotei. Mažinimas: PII anonimizavimas prieš siuntimą (Anoxy), vietiniai modeliai jautrioms užduotims. 2) Haliucinacijos — DI generuoja netikrą, bet patikimai skambančią informaciją. Mažinimas: rezultatų validacija, double-checking, kritinių sprendimų eskalavimas. 3) Compliance (BDAR, EU AI Act) — skaidrumo, DI turinio žymėjimo reikalavimai. Mažinimas: įdiegta nuo pirmos kodo eilutės. 4) LLM modelių kaštai — greitai gali išslysti iš kontrolės. Mažinimas: daugiapakopis maršrutizavimas, limitai, monitoringas. 5) Organizacinis pasipriešinimas — darbuotojai bijo prarasti darbą. Mažinimas: komunikacija nuo pirmos dienos, komandos įtraukimas į sprendimus, fokusas į laiko atlaisvinimą vertingesnėms užduotims.

Kaip dėl EU AI Act ir BDAR diegime?

EU AI Act (galioja nuo 2026 m. rugpjūčio 2 d.) reikalauja DI sistemos klasifikavimo (draudžiama, didelės rizikos, ribota, minimali), skaidrumo įsipareigojimų vykdymo (Art. 50): vartotojų informavimas apie sąveiką su DI, DI generuoto turinio žymėjimas, techninė dokumentacija. BDAR reikalauja: duomenų minimizavimo, anonimizavimo kur įmanoma, tvarkymo teisinio pagrindo, teisės į algoritminių sprendimų paaiškinimą. Kiekvienas DI diegimas ESKOM AI pradedamas nuo EU AI Act klasifikacijos ir BDAR atitikimo mapping'o. Tai ne pasirenkama — tai įdiegta į procesą.

Ar turiu turėti IT skyrių, kad įdiegčiau DI?

Ne. Mažos įmonės be savo IT taip pat gali diegti DI — dirbame kaip outsourced diegimo skyrius, teikiantis tiek technologiją, tiek veiklos palaikymą. Reikalingas minimumas kliento pusėje: sprendimus priimantis asmuo (kuris atlieka verslo pasirinkimus — kuris procesas, koks prioritetas), 1-2 verslo žmonės (kurie žino procesus ir padės juos aprašyti), administracinė prieiga prie sistemų, kurias DI turi integruoti. Likusią dalį imamės mes — analizė, projektas, įgyvendinimas, testai, diegimas, priežiūra.

Ar darbuotojai praras darbą dėl DI diegimo?

Iš mūsų patirties su iki šiol vykdytais diegimais — ne. Dažniausias efektas: darbuotojai atgauna 20-40% laiko (ypač administraciniuose skyriuose) ir perkelia jį į užduotis, reikalaujančias žmogiško sprendimo, kūrybiškumo, santykių kūrimo. Įmonės dažniau auga greičiau (daugiau projektų aptarnauja ta pati komanda) nei mažina personalą. Išimtis: pasikartojančios mažos vertės užduotys (rankinis duomenų kopijavimas, spam el. laiškų klasifikavimas, šabloninių ataskaitų generavimas) — jos išnyksta, bet retai buvo kieno nors pagrindinė veikla.

Kokie LLM modeliai prieinami ir kurį pasirinkti?

Pagrindinės šeimos: Claude (Anthropic) — geriausi sudėtingai analizei, code, reasoning. GPT (OpenAI) — universalūs, gera integracija su Microsoft. Gemini (Google) — multimodaliniai, geri vaizdams ir video. Vietiniai modeliai: Llama (Meta), Mistral, lenkų Bielik — veikia kliento infrastruktūroje, jokio kaštų per užklausą. ESKOM AI strategija: nepasirenkame vieno modelio, o taikome multi-model maršrutizavimą — tinkamą modelį tinkamai užduočiai. Smulkios klasifikacijos → vietinis modelis. Sudėtinga analizė → stipriausi debesų modeliai. Kūrybinis generavimas → specializuoti modeliai. Klientas moka už realų sunaudojimą, ne už vienodą stipriausio modelio prenumeratą.

Ar mano duomenys saugūs debesų LLM modeliuose?

Priklauso nuo modelio ir konfigūracijos. Anthropic Claude (per API su „no data training" parinktimi) ir Azure OpenAI (enterprise sutartis) garantuoja, kad duomenys nenaudojami modelių treniruotei. Vartotojiškos ChatGPT.com ir Claude.ai versijos — laikome jas nesaugiomis įmonės duomenims. Jautriems duomenims visada taikome: PII anonimizavimą prieš siuntimą (mikropaslauga Anoxy tikrina ir maskuoja), vietinius LLM modelius (kliento GPU, be duomenų išėjimo už tinklo), enterprise sutartis su debesų tiekėjais (sutartinės garantijos).

Kaip matuoti DI diegimo sėkmę?

Trys metrikų lygiai. 1) Veiklos (kasdien): DI aptarnautų užduočių skaičius, atsako laikas, kaštas per užduotį, accuracy (kaip dažnai atsakymas teisingas). 2) Verslo (kas mėnesį): darbuotojams sutaupytas laikas, sutaupyti kaštai vs. rankinis procesas, vartotojų NPS (komandos ir galutinių klientų), palaikymo užklausų skaičius. 3) Strateginės (kas ketvirtį): verslo galimybių augimas (daugiau aptarnautų klientų, daugiau projektų, trumpesnis time-to-market), darbuotojų pasitenkinimas, žmogiškų klaidų sumažėjimas. Kiekvieną bandomąjį projektą pradedame nuo nustatymo, kokias metrikas matuosime — be to sunku įrodyti ROI.

Pasirengimo DI auditas — nemokamai

90 minučių pokalbis: sumapuosime esamus procesus, identifikuosime geriausius automatizavimo kandidatus, įvertinsime EU AI Act klasifikaciją ir nurodysime apytikslį ROI. Be įsipareigojimų.

Susitarti pasirengimo auditą Daugiakomponenčiai sistemos