AI triaža zahtevkov za spremembe v banki

Storitve izvaja: Primož Frelih

Povzetek storitve

Bančni primer uporabe AI za urejanje vhodnih prijav in pripravo zahtevkov, ki jih nato presodijo strokovnjaki.

V bančnem okolju sem skupaj z interno ekipo zasnoval in uvedel AI triažo poslovnih zahtev za spremembe, nove aplikacije in funkcionalnosti. Rešitev podpira začetno obravnavo zahtevka za spremembo (change request): zajame prijavo in dokumentacijo, določi kategorijo ter pripravi celovit zahtevek za strokovno presojo ali triažno komisijo.

Panoga: bančništvo · Področje: obvladovanje zahtevkov in uvajanje sprememb · Moja vloga: poslovna analiza, mentorstvo in implementacija AI avtomatizacije. Naročnik je predstavljen anonimno.

Poslovni izziv: od razpršenih poslovnih zahtev do gradiva za odločanje

Poslovni analitiki, tehnologi, projektni vodje in programerji so v ozadju obravnavali veliko ročnih opravil. Notranje in zunanje prijave ter spremljajoči dokumenti so zahtevali razvrščanje, pregled popolnosti in pripravo za odločanje. Cilj projekta je bil urediti ta tok, da zahtevki ne bi ostajali razpršeni po e-pošti posameznikov.

Poslovna analiza in skupna opredelitev procesa

Z bančno ekipo sem opredelil proces zajema in obravnave poslovnih zahtev. Delo je vključevalo poslovno analizo procesa, intervjuje z uporabniki ter mentorstvo poslovnim in IT nosilcem. Z vodstvom smo obravnavali pot odločanja, ekipo pa pripravili na uporabo AI pri obdelavi zahtevkov.

Opredelili smo, kako se prijave zajamejo, razvrstijo in pripravijo ter katere odločitve potrebujejo strokovno presojo. Takšno zasnovo podpirata oblikovanje poslovnih scenarijev in priprava primerov uporabe.

AI triaža zahtevkov za spremembe: popolnost, razvrstitev in pot odločanja

AI avtomatizacija zajame notranje in zunanje prijave ter dokumente, določi kategorijo zahtevka in ga predpripravi. Namen tega koraka je zagotoviti celovitost zahtevka, preden ga obravnava človek, kjer je njegova odločitev potrebna.

Proces predvideva več poti obravnave. Zahtevek lahko prevzame strokovnjak za odločanje, del odločitev se avtomatizira s človeškim nadzorom prek poročil, določeni zahtevki se zavržejo, drugi pa se pripravijo za obravnavo na triažni komisiji. Triaža zato vključuje razvrstitev in pripravo naslednjega koraka, ne le preusmerjanja sporočila.

Poslovna dokumentacija in bančno-tehnološka baza znanja

Pomemben del projekta je bil zajem vsebinskih virov: specifikacij, splošnih pogojev in drugega bančno-tehnološkega znanja. Vire smo vključili v proces zajema in priprave podatkov (ingestion) ter vektorizirali, da jih lahko agent uporablja pri obravnavi zahtevkov.

S tem je agent dobil dostop do znanja, pomembnega za konkretno bančno okolje. Priprava znanja je bila del izvedbe skupaj z zasnovo procesa in preverjanjem agentskih izhodov.

Implementacija, izbira modelov in integracije

Projekt je zajemal implementacijo AI avtomatizacije, izbiro jezikovnih modelov (LLM) in integracije z različnimi vmesniki oziroma dostopnimi točkami: API, GraphQL in MCP. Povezali smo obdelavo prijav, uporabo vsebinskih virov in nadaljnje korake v procesu.

Izvedba povezuje AI avtomatizacijo poslovnih procesov, izdelavo namenskih AI agentov in integracije z obstoječimi sistemi.

Uporabljeni tehnološki nabor: interni jezikovni model Qwen in modeli OpenAI, n8n ter LangGraph, API in GraphQL, pgvector, relacijska baza PostgreSQL, SharePoint in SMTP. Za kontrolirano izvedbo sem uporabljal tudi testni webhook.

Evalvacija agentskih odločitev in uvedba v produkcijo

Predmet testiranja niso bile le tehnične povezave, temveč tudi agentske odločitve in pripravljeni izhodi. Projekt je vključeval evalvacijo odločitev, iterativno prilagajanje delovanja agentov in izboljševanje njihovih izhodov ter uvajanje rešitve v produkcijo.

Pri takšni izvedbi sta povezana priprava testnih scenarijev in kriterijev sprejema ter izobraževanje ekipe za AI. Tehnološki nosilci in poslovni uporabniki morajo razumeti svojo vlogo pri obravnavi in nadzoru.

Kaj je projekt vzpostavil

Vzpostavljen je bil proces, ki povezuje zajem prijav in dokumentov, AI kategorizacijo, pripravo celovitih zahtevkov in različne poti odločanja. Človeška presoja je vključena pri strokovnih odločitvah, nadzor avtomatiziranih odločitev pa poteka prek poročil. Zahtevki za komisijo se pripravijo za njeno obravnavo.

Moje delo je zajelo poslovni, organizacijski in tehnološki del uvedbe: od razumevanja uporabnikov in mentorstva nosilcem do priprave znanja, implementacije ter preverjanja agentskih odločitev.

Vodite poslovno analizo ali IT spremembe v banki?

Če vaši poslovni analitiki in IT nosilci ročno preverjajo popolnost zahtevkov za spremembe ter pripravljajo gradivo za triažno komisijo, začnimo s pregledom tega procesa. Pri oceni priložnosti za AI opredelimo vrste zahtevkov, vhodno dokumentacijo, pristojnosti odločanja in točke človeškega pregleda. Predstavite proces obravnave zahtevkov v vaši banki.

Moje izkušnje in zaključeni projekti

Kaj primer dokazuje in kako preverjati podoben projekt?

Primer prikazuje zasnovo procesa, pripravo baze znanja, integracije, evalvacijo agentskih odločitev in uvedbo AI triaže z interno ekipo. Pri podobni izvedbi primerjamo pravilnost razvrstitve, popolnost zahtevka, čas strokovnega pregleda ter število popravkov. Številčni rezultati za ta projekt niso javno objavljeni; merila je treba preveriti na dejanskih zahtevkih in v dogovorjenem obdobju.

Pred tehnično izvedbo je pri podobnem projektu smiselno urediti proces obvladovanja zahtevkov, odgovornosti in izjeme. Tako lahko avtomatizacijo preverimo glede na dogovorjeno pot odločanja.

Tehnologije in metode

Tehnologije in pristopi, uporabljeni pri izvedbi projekta.

Slovar tehnologij in povezani projekti

Naredimo skupaj naslednji korak

Primož Frelih se z vami osredotoči na vaše cilje in pot do njihove uresničitve.