Pillar lapa

MI ieviešana uzņēmumā

Praktisks soli pa solim ceļvedis — no automatizācijai paredzēto procesu identificēšanas, caur pilotu, līdz pilnai mērogošanai. Atbilstība EU AI Act un GDPR, izmaksu kontrole, datu drošība.

MI gatavības audits Daudzu aģentu sistēmas

MI ieviešana uzņēmumā nav par ChatGPT abonementa iegādi un tā izsūtīšanu darbiniekiem. Tas ir biznesa un tehnoloģisks projekts, kas prasa: konkrētu automatizācijai paredzēto procesu identificēšanu, integrāciju ar esošajām sistēmām, atbilstības nodrošināšanu GDPR un EU AI Act, izmaksu kontroli, rezultātu mērīšanu. Īsumā: tas prasa inženieriju.

Laba ziņa: nav jāizdomā tas no nulles. Aiz mums ir sērija MI ieviešanu — no mikropakalpojumiem, kas apkalpo atsevišķus uzdevumus, līdz iekšējai platformai HybridCrew, kas orķestrē desmitiem specializētu aģentu. No katras ieviešanas izvilkām mācības, kuras pārvēršam pārbaudītā procesā. Šajā rakstā aprakstīts, kā šis process izskatās praksē.

Trīs biežākie iemesli, kāpēc uzņēmumi sāk ar MI

  1. Administratīvās komandas laika ietaupīšana. E-pastu klasifikācija, atskaišu ģenerēšana, atbalsta pieprasījumu apstrāde, dokumentu melnraksti — to visu lielā daļā var automatizēt. Darbinieki atgūst 20-40% laika uzdevumiem, kas prasa cilvēka spriedumu.
  2. Biznesa mērogošana bez komandas mērogošanas. Strauji augoši uzņēmumi izmanto MI, lai apkalpotu vairāk klientu, projektu, transakciju bez proporcionāla nodarbinātības pieauguma. Parasti vienkāršāk un ātrāk nekā darbā pieņemšana.
  3. Atbilstība un kvalitāte. MI nenogurst, neaizmirst, neizlaiž procedūras soļus. Audita procesiem (GDPR, ISO 27001, EU AI Act) — tā ir kvalitāte, kas nav pieejama cilvēkiem, strādājot laika spiediena apstākļos.

Sešas MI ieviešanas fāzes

Pārbaudīts grafiks no lēmuma līdz mērogošanai. Katrai fāzei ir konkrēts rezultāts — projektu viegli apturēt, ja rezultāti neatbilst gaidām.

1

Discovery (2-4 nedēļas)

Biznesa procesu kartēšana, automatizācijas kandidātu identificēšana, ROI novērtējums katram, EU AI Act klasifikācija, GDPR atbilstības audits. Rezultāts: 5-10 procesu saraksts ar prioritātēm, pilota plāns 2-3 labākajiem.

2

Arhitektūra un tehnoloģiju izvēle

LLM modeļu (mākoņa, lokālo, multi-model), orķestrācijas platformas, infrastruktūras (cloud vs. on-premise vs. hybrid), integrāciju ar esošajām sistēmām izvēle. Lēmumos ievēro budžetu, drošības prasības, attīstības plānus.

3

Pilots (4-8 nedēļas)

Pirmo 2-3 procesu end-to-end ieviešana. Aģentu konfigurācija, integrācija ar sistēmām, datu anonimizācija (Anoxy), izmaksu monitorings. Testēšana ar biznesa komandu, prompts pilnveidošana, kvalitātes validācija.

4

Mērīšana un optimizācija

Darbības un biznesa metriku analīze pēc 4-6 nedēļu ražošanas lietojuma. Aģentu pilnveidošana, balstoties uz reāliem datiem, LLM modeļu izmaksu samazināšana, jaunu funkcionalitāšu pievienošana, balstoties uz lietotāju atsauksmēm.

5

Mērogošana

Paplašināšana uz nākamajiem biznesa procesiem. Katrs jauns process tiek ieviests 2-4 nedēļu iterācijā (ievērojami ātrāk nekā pilots, jo infrastruktūra ir gatava). Pakāpeniska nākamo nodaļu pārklāšana.

6

Continuous improvement

Pēc 6-12 mēnešiem: pastāvīga optimizācija, balstoties uz ražošanas datiem, jaunu aģentu lomu pievienošana, integrācijas ar jaunām sistēmām, atbilstības pilnveidošana, izmaksu samazināšana. MI kļūst par neatņemamu uzņēmuma darbības daļu.

Vai uzņēmums ir gatavs MI ieviešanai?

Sešas jomas, ko pārbaudīt pirms projekta sākuma. Kāda no „jā" trūkums neaptur ieviešanu, bet prasa risināšanu discovery fāzē.

Procesi automatizācijai

✓

Mums ir 5-10 atkārtoti procesi, ko var aprakstīt ar procedūru.

✗

Visi mūsu uzdevumi ir unikāli un prasa cilvēka spriedumu.

Uzņēmuma dati

✓

Mums ir organizēti dati (CRM, ERP, klientu bāzes, dokumenti), kas pieejami caur API vai eksportu.

✗

Dati ir izkliedēti izklājlapās, e-pastos, papīra dokumentos.

Vadības atbalsts

✓

Vadība saprot nepieciešamību un ir gatava 6-12 mēnešu projektam.

✗

MI ieviešana ir atsevišķa darbinieka iniciatīva bez vadības atbalsta.

Tolerance pret pārmaiņām

✓

Komanda ir atvērta jauniem rīkiem un procesiem.

✗

Katra izmaiņa uzņēmumā saskaras ar lielu pretestību.

Budžets un laiks

✓

Mums ir budžets 50-500 tūkst. PLN un pieņemam 6-12 mēnešus līdz pilnam ROI.

✗

Sagaidām rezultātu 2 nedēļās par dažiem tūkstošiem zlotu.

Sensitīvi dati

✓

Zinām, kuri dati ir sensitīvi (PII, finanšu, medicīniski) un pieņemam atbilstošus drošības pasākumus.

✗

Vēl neesam domājuši par drošību un atbilstību.

EU AI Act — kas jāzina pirms ieviešanas

ES Akts par mākslīgo intelektu (EU AI Act) sāk pilnībā darboties no 2026. gada 2. augusta. Katrs uzņēmums, kas ievieš MI ES, ir jāveic savas sistēmas klasifikācija un jāizpilda attiecīgi pienākumi. Pārkāpums: sodi līdz 35 miljoniem EUR vai 7% no globālā gada apgrozījuma.

Četri klasifikācijas līmeņi:

  • Aizliegtas MI prakses (zemapziņas manipulācija, social scoring, masu biometrija) — nedrīkst ieviest.
  • Augsta riska MI (HR, izglītība, kritiska infrastruktūra, tieslietas) — prasa: atbilstības novērtējumu (CE marking), riska pārvaldību, tehnisko dokumentāciju, transparency, cilvēka uzraudzību, robustness/cybersecurity.
  • Ierobežots risks (chatboti, deepfakes, MI, kas rada saturu) — prasa transparency pienākumus (Art. 50): lietotāju informēšana, ģenerēta satura marķēšana.
  • Minimāls risks (vairums MI sistēmu) — bez papildu prasībām, brīvprātīgi rīcības kodeksi.

Katra ESKOM AI ieviešana sākas ar EU AI Act klasifikāciju discovery fāzē. Ierobežota riska sistēmām (visbiežākais gadījums) transparency pienākumus veidojam uzreiz: baneris „Jūs runājat ar mākslīgo intelektu", MI satura marķēšana eksportos, metadati dokumentos.

GDPR pie MI ieviešanas

Katra MI ieviešana, kas apstrādā personas datus, prasa: apstrādes tiesisko pamatu (piekrišana, līgums, juridisks pienākums, leģitīma interese), datu minimizāciju (tikai to, kas nepieciešams), personu tiesību nodrošināšanu (piekļuve, labošana, dzēšana), datu drošību (šifrēšana, piekļuves kontrole, audita žurnāls), apstrādes līgumu ar LLM modeļu piegādātājiem (Anthropic, OpenAI, Google).

MI gadījumā papildus: tiesības uz algoritmisko lēmumu izskaidrojumu. Ja MI pieņem lēmumu, kas ietekmē personu (piem., kredīta piešķiršana, pieteikuma klasifikācija), personai ir tiesības pieprasīt izskaidrojumu un cilvēka iejaukšanos. Sistēmas arhitektūrai tas jāatbalsta — katrs lēmums jāspēj atcelt un pamatot.

Biežāk uzdotie jautājumi

Ar ko sākt MI ieviešanu uzņēmumā?
Ar konkrētu automatizācijai paredzēto procesu identificēšanu — nevis ar MI rīka izvēli. Labākie kandidāti: atkārtoti uzdevumi, kas aprakstāmi procedūrā, ko veic vairāki darbinieki, kas rada lielu darba apjomu. Klasiski piemēri: e-pastu klasifikācija, atskaišu ģenerēšana, atbalsta pieprasījumu apstrāde, koda pārskats, dokumentu analīze. Pēc 5-10 procesu identificēšanas vērtējam katru no ROI viedokļa (laika ietaupījums × biežums) un riska. Pilotu sākam ar 2-3 labākajiem.
Cik maksā MI ieviešana?
Izmaksas atkarīgas no mēroga. Mazs pilots (1-2 procesi, viena komanda) parasti 30-80 tūkst. PLN. Vidēja ieviešana (5-10 procesi, 2-3 nodaļas) 150-500 tūkst. PLN. Lielas, transformatīvas ieviešanas (visa organizācija, integrācijas ar biznesa sistēmām) — no 500 tūkst. PLN un vairāk, taču biznesa vērtība proporcionāli augstāka. Darbības izmaksas (LLM modeļi, infrastruktūra) parasti 5-15 tūkst. PLN mēnesī vidējai ieviešanai — tās var drastiski samazināt ar lokāliem modeļiem atkārtotiem uzdevumiem.
Cik ilgi ilgst MI ieviešana?
Pirmā procesa pilots: 4-8 nedēļas no lēmuma līdz darbojošās automatizācijas. Mērogošana uz nākamajiem procesiem: 2-4 nedēļas uz procesu (ievērojami ātrāk, jo balstāmies uz pilota infrastruktūru). Pilna ieviešana, kas aptver vairumu administratīvo procesu 50-200 cilvēku uzņēmumā: 6-12 mēneši 2-3 nedēļu iterācijās ar konkrētiem biznesa rezultātiem katras beigās.
Kādi ir lielākie MI ieviešanas riski?
Pieci galvenie: 1) Datu drošība — sensitīvi dati, kas nosūtīti uz ārējiem modeļiem, var tikt izmantoti apmācībai. Mazināšana: PII anonimizācija pirms nosūtīšanas (Anoxy), lokāli modeļi sensitīviem uzdevumiem. 2) Halucinācijas — MI ģenerē nepatiesu, bet ticami skanošu informāciju. Mazināšana: rezultātu validācija, double-checking, kritisko lēmumu eskalācija. 3) Atbilstība (GDPR, EU AI Act) — transparency, MI satura marķēšanas prasības. Mazināšana: iebūvēta no pirmās koda rindas. 4) LLM modeļu izmaksas — var ātri izkļūt no kontroles. Mazināšana: daudzlīmeņu maršrutēšana, limiti, monitorings. 5) Organizatoriskā pretestība — darbinieki baidās par darba zaudēšanu. Mazināšana: komunikācija no pirmās dienas, komandas iekļaušana lēmumos, fokuss uz laika atbrīvošanu vērtīgākiem uzdevumiem.
Kā ar EU AI Act un GDPR pie ieviešanas?
EU AI Act (darbojas no 2026. gada 2. augusta) prasa MI sistēmas klasifikāciju (aizliegts, augsts risks, ierobežots, minimāls), transparency pienākumu izpildi (Art. 50): lietotāju informēšana par mijiedarbību ar MI, MI ģenerēta satura marķēšana, tehniskā dokumentācija. GDPR prasa: datu minimizāciju, anonimizāciju, kur iespējams, apstrādes tiesisko pamatu, tiesības uz algoritmisko lēmumu izskaidrojumu. Katra MI ieviešana ESKOM AI sākas ar EU AI Act klasifikāciju un GDPR atbilstības kartēšanu. Tas nav opcionāli — tas ir iebūvēts procesā.
Vai man jābūt IT nodaļai, lai ieviestu MI?
Nē. Mazi uzņēmumi bez sava IT arī var ieviest MI — strādājam kā outsourced ieviešanas nodaļa, piegādājot gan tehnoloģiju, gan darbības atbalstu. Minimums no klienta puses: lēmumu pieņēmējs (kas pieņem biznesa izvēles — kurš process, kāda prioritāte), 1-2 cilvēki no biznesa (kas zina procesus un palīdzēs tos aprakstīt), administratīva piekļuve sistēmām, kuras MI integrēs. Pārējo uzņemamies mēs — analīze, projekts, ieviešana, testi, izvietošana, uzturēšana.
Vai darbinieki zaudēs darbu MI ieviešanas dēļ?
Pēc mūsu pieredzes ar līdzšinējām ieviešanām — nē. Visbiežākais efekts: darbinieki atgūst 20-40% laika (īpaši administratīvajās nodaļās) un to pārceļ uz uzdevumiem, kas prasa cilvēka spriedumu, radošumu, attiecību veidošanu. Uzņēmumi biežāk aug ātrāk (vairāk projektu apkalpoti ar to pašu komandu), nevis samazina nodarbinātību. Izņēmums: atkārtoti zemas vērtības uzdevumi (manuāla datu kopēšana, spam e-pastu klasifikācija, šablonu atskaišu ģenerēšana) — tie pazūd, bet reti bija kāda galvenā nodarbošanās.
Kādi LLM modeļi ir pieejami un kuru izvēlēties?
Galvenās ģimenes: Claude (Anthropic) — labākais sarežģītai analīzei, code, reasoning. GPT (OpenAI) — universāls, laba integrācija ar Microsoft. Gemini (Google) — multimodāls, labs attēliem un video. Lokāli modeļi: Llama (Meta), Mistral, poļu Bielik — darbojas klienta infrastruktūrā, bez maksas par pieprasījumu. ESKOM AI stratēģija: neizvēlamies vienu modeli, bet izmantojam multi-model maršrutēšanu — piemērotu modeli piemērotam uzdevumam. Sīkas klasifikācijas → lokāls modelis. Sarežģīta analīze → spēcīgākie mākoņa modeļi. Radoša ģenerēšana → speciāli modeļi. Klients maksā par faktisko patēriņu, nevis par vienotu spēcīgākā modeļa abonementu.
Vai mani dati ir droši mākoņa LLM modeļos?
Atkarīgs no modeļa un konfigurācijas. Anthropic Claude (caur API ar opciju „no data training") un Azure OpenAI (enterprise contract) garantē, ka dati netiek izmantoti modeļu apmācībai. Patērētāju versijas ChatGPT.com un Claude.ai — uzskatām tās par nedrošām uzņēmuma datiem. Sensitīviem datiem vienmēr izmantojam: PII anonimizāciju pirms nosūtīšanas (mikropakalpojums Anoxy pārbauda un maskē), lokālus LLM modeļus (klienta GPU, datiem neiziet ārpus tīkla), enterprise contracts ar mākoņa piegādātājiem (līgumiskās garantijas).
Kā mērīt MI ieviešanas panākumus?
Trīs metriku līmeņi. 1) Operatīvās (katru dienu): MI apstrādāto uzdevumu skaits, atbildes laiks, izmaksas uz uzdevumu, accuracy (cik bieži atbilde ir pareiza). 2) Biznesa (katru mēnesi): darbiniekiem ietaupītais laiks, ietaupītās izmaksas vs. manuāls process, lietotāju NPS (komandas un gala klientu), atbalsta pieprasījumu skaits. 3) Stratēģiskās (katru ceturksni): biznesa spēju pieaugums (vairāk apkalpotu klientu, vairāk projektu, īsāks laiks līdz tirgum), darbinieku apmierinātība, cilvēku kļūdu samazinājums. Katru pilotu sākam, nosakot, kuras metrikas mērīsim — bez tā grūti pierādīt ROI.

MI gatavības audits — bez maksas

90 minūšu saruna: kartējam pašreizējos procesus, identificējam labākos kandidātus automatizācijai, vērtējam EU AI Act klasifikāciju un norādām aptuveno ROI. Bez saistībām.

Pieteikt gatavības auditu Daudzu aģentu sistēmas