Innovasjon Norge
Innovasjon Norge omfavner mulighetene med Generativ KI
Innovasjon Norge har tatt i bruk generativ KI i flere av sine løsninger, og har dermed opparbeidet seg verdifull erfaring med praktisk bruk og fordelene teknologien tilbyr. Les hvordan hverdagen ble mer effektiv med chatbot, tagging og enkel gjenfinning av like søknader.
Disse løsningene har gjort at vi har fått en enklere og mer effektiv arbeidshverdag. Vi kommer definitivt til å utforske mulighetene med kunstig intelligens i flere av våre løsninger fremover.
Løsningene
Tagging av søknader med sektor/bransje
Innovasjon Norge ønsket å effektivisere behandling av søknader ved å implementere en løsning som automatisk foreslår merking av søknader med sektor og bransje. Når en søknad kommer inn, gjennomgås denne av en språkmodell, som ut i fra teksten i søknaden og en oversikt over ulike bransjer og sektorer, foreslår merking.
Denne merkingen er viktig for å vise bedrifter til programmer som Innovasjon Norge arrangerer, og for analyser.
Taggingen i seg selv kan være en tidkrevende prosess ettersom det eksisterer flere hundre sektorer og bransjer, og flere av disse kan være nært relatert til hverandre, slik at det kan være utfordrende å velge tagger som er mest passende.
Den implementerte løsningen bidro til å redusere saksbehandlingstiden og sikret mer korrekt og konsekvent merking av søknader.
Finne like søknader
Ett annet eksempel der Innovasjon Norge har tatt i bruk Generativ KI, er en løsning som finner liknende søknader. Når en rådgiver hos Innovasjon Norge mottar en søknad, er det viktig at den blir behandlet rettferdig, i tillegg skal det gjøres på en så effektiv måte som mulig. En viktig del av denne prosessen er å finne liknende søknader og vurdere behandlingen av disse, både for å gjenbruke vurderinger for effektivitetens skyld, men også for å behandle søknadene mest mulig likt.
Å manuelt lete etter liknende søknader, er en enormt tidkrevende prosess. Bouvet har i sammen med AI teamet til Innovasjon Norge, laget en løsning som finner disse basert på beskrivelsene i søknadene. De liknende søknadene blir listet opp for rådgiveren og som dermed kan bla seg gjennom de som er aktuelle, i stedet for å lete gjennom alle.
Automatisk sammendrag av saker
I forbindelse med løsningen som finner liknende saker satte vi også opp en løsning som generer oppsummeringer av søknaden automatisk når den sendes inn. Oppsummeringene har to formfaktorer og brukes henholdsvis til å strukturert oppsummere saken rådgiver jobber med, og en kortere oppsummering som brukes i presentasjonen av liknende saker. Disse lagres i vår interne database så når rådgiver logger inn på en ny sak er den allerede klar og blir vist lynraskt. Kort- og strukturert oppsummering er begge synlige i bildet over.
Chatbot på styrende dokumenter
Innovasjon Norge har retningslinjer for hvordan organisasjonen skal styres, noe som utgjør over 100 dokumenter. Fordi det er vanskelig å finne frem i dokumentene blir ofte HR eller juridisk kontaktet direkte, noe som er veldig tidkrevende. Løsningen ble en enkel chatbot, laget ved hjelp av teknikken RAG, basert på alle styringsdokumentene. Chatboten blir tilgjengeliggjort i SharePoint og den gjør at Innovasjon Norge har full kontroll på modeller og kontekst som brukes
Innovasjon Norge har vært langt fremme når det gjelder organisatorisk modenhet og teknisk KI-kompetanse. De har tidlig hatt strategier og retningslinjer på plass som har hjulpet oss med å få løsninger effektivt og sikkert ut i produksjon. Bouvet har hatt god tilgang til organisasjonen, noe som har gjort det lettere å forstå problemstillingene og utvikle løsninger som raskt ble tatt i daglig bruk.
Faktabokser
Innovasjon Norge og Bouvet
Innovasjon Norge (IN) er en norsk statlig bedrift, deres formål er å være staten og fylkeskommunenes virkemiddel for å realisere verdiskapende næringsutvikling i hele landet. En av måten de gjør dette på er ved å hjelpe bedrifter med midler dersom de har innovative ideer for løsninger o.l.
Bouvet er IT-partner til Innovasjon Norge og bistår med utvikling, forvaltning og vedlikehold av deres digitale produkter, der målet er å bidra til å øke norsk næringslivs konkurransekraft.
Dette er RAG (Retrieval Augmented Generation)
Veldig enkelt forklart er RAG en teknikk som gjør det mulig å bruke de ferdigtrente store språkmodellene i sammen med egen, eller spesifikk, data.
Forklart på en annen måte:
Retrieval (Hente): Systemet søker først etter relevant informasjon fra en database eller dokumenter. For å gjøre dette brukes noe som kalles embeddings og vektordatabase.
Embeddings (innbygginger) er numeriske representasjoner av tekst som fanger betydningen og konteksten til ord eller uttrykk. De hjelper AI med å forstå og sammenligne relevansen av ulike informasjonsbiter.
En vektordatabase er der embeddings lagres. Når AI trenger å hente informasjon, søker den i denne databasen etter de mest relevante embeddings (dvs. den mest relevante informasjonen).
Augmented (Forsterket): Genereringen av svar forsterkes av spesifikk data.
Generation (Generere/Lage): Den bruker deretter denne innhentede informasjonen til å lage et mer nøyaktig og kontekstuelt passende svar
Dette er Generativ AI/KI
Generativ AI er en type kunstig intelligens som kan lage nytt innhold, som tekst, bilder, musikk eller videoer. Den lærer fra eksisterende eksempler og bruker den kunnskapen til å skape noe nytt som ligner på det den har lært.
For eksempel kan en generativ AI skrive en ny historie eller lage et bilde som ser ut som et maleri.
Lurer du på noe? Vi hører gjerne fra deg
