| Klient | Jednostka administracji publicznej na szczeblu ogólnokrajowym |
| Cele | Uproszczenie procesu formalnej weryfikacji wniosków o przyznanie dofinansowania z wykorzystaniem sztucznej inteligencji |
| Zakres prac | |
| Czas | 2 miesiące |
| Efekty | Proof of Concept pozwalający na ocenę przydatności wdrożenia, oparty o analizę czterech z listy kilkuset aspektów formalnej oceny wniosków o przyznanie finansowania |
| Technologie | GenAI ChatGPT 3.5/4.0, Langchain + Langsmith, Amazon Textract (OCR), Gradio, FastAPI, infrastruktura AWS |
Klient
Projekt realizowaliśmy na potrzeby jednego z organów administracji publicznej na szczeblu ogólnokrajowym za pośrednictwem naszego partnera technologicznego.
Jednostka ta dystrybuuje fundusze poprzez różnorodne programy i konkursy.
Procedura składania wniosków o przyznanie dofinansowania obejmuje kilka etapów, począwszy od ogłoszenia naboru, poprzez przygotowanie i złożenie wniosku, aż po jego ocenę i wybór projektów do dofinansowania.
Każdy program ma swoje specyficzne wymagania dotyczące kwalifikowalności wnioskodawców oraz kryteriów oceny projektów.
Proces formalnej oceny wniosków o dofinansowanie jest skomplikowany ze względu na złożoność przepisów i regulacji, które muszą być spełnione. Każdy wniosek musi być zgodny z licznymi przepisami krajowymi i europejskimi, dotyczącymi kwalifikowalności wydatków oraz zgodności z politykami UE.
Kryteria oceny obejmują aspekty techniczne, finansowe i merytoryczne, wymagające szczegółowej analizy, aby zapewnić wykonalność i efektywność projektów. Proces ten musi być przejrzysty i sprawiedliwy, co wymaga dokładnej dokumentacji i wieloetapowej weryfikacji.
Proces
Potrzeba biznesowa polegała na opracowaniu rozwiązania, które pozwoli przyspieszyć ocenę kwalifikowalności wniosków o dofinansowanie w oparciu na kontrolną listę pytań. Rozwiązanie ma wstępnie oceniać, które kryteria zostały spełnione, a które nie, a także wyświetlać przypadki wątpliwe. Na tej podstawie to użytkownik systemu musi samodzielnie sprawdzić wątpliwe przypadki i ostatecznie podpisać się pod decyzją.
Zgodnie z powyższym opisem procesu wnioskowania do aplikacji załączony jest zestaw dokumentów związanych z wnioskiem, w tym oświadczenia, faktury VAT i potwierdzenia zapłaty. Wszystkie one muszą spełniać szereg kryteriów formalnych.
Konieczne było ustalenie, czy algorytmy AI są w stanie wspierać człowieka w weryfikowaniu ich poprawności i zgodności z wymogami mającymi zastosowanie w przypadku danego programu wsparcia.
Dlatego zaproponowaliśmy projekt typu Proof of Concept (PoC). Dzięki temu w krótkim czasie udało się uzyskać odpowiedź, czy sztuczna inteligencja poradzi sobie z weryfikacją wniosków pod kątem kilku wybranych kluczowych pytań spośród kilkuset.
Rozwiązanie
Nasze rozwiązanie analizuje zestaw dokumentów dołączonych do wniosku pod kątem kilku wybranych pytań z całej listy kontrolnej.
Jedną z pierwszych napotkanych trudności było wyselekcjonowanie i przygotowanie odpowiednich przypadków testowych, by móc określić skuteczność modeli generatywnej AI. Skorzystaliśmy z wiedzy pracowników organu, na potrzeby którego realizowaliśmy projekt, dzięki czemu udało się wypracować reprezentatywne przykłady.
Proces rozpoczyna się od użycia OCR, czyli systemu rozpoznawania tekstu, by odczytać zawartość każdego z plików. Zastosowanie OCR okazało się niezbędne, gdyż większość plików jest skanami dokumentów o różnej jakości.
Po uzyskaniu tekstów dokumentów z OCR następuje ich klasyfikacja przez model generatywnej AI. Dzięki temu aplikacja „rozumie”, czym są poszczególne dokumenty.
W dalszej kolejności ich treść jest poddawana bardziej szczegółowej analizie pod kątem wybranych kryteriów formalnych. Warto zaznaczyć, że dokumenty nie są ustandaryzowane, stąd niezbędne jest wykorzystanie AI i odpowiedniego prompt engineeringu.
Na wyjściu użytkownik otrzymuje informacje, które kryteria zostały spełnione, które nie zostały, a także listę przypadków wątpliwych. Może więc szybko podjąć decyzję dotyczącą dalszego procedowania wniosku.
Wstępne wnioski po zrealizowaniu PoC są obiecujące i sugerują, że sztuczna inteligencja znajduje zastosowanie w tego rodzaju projekcie. ChatGPT 4.0 osiągnął celność w ocenie kryteriów na poziomie powyżej 90% dla dostarczonych danych testowych.
PoC oceniamy więc pozytywnie i dostrzegamy w nim istotny potencjał rozwojowy.
