اتوماسیون پشتیبانی AI
برنامه تحول هوش مصنوعی در یک پلتفرم B2B بانکی با گردش ماهانه بیش از ۲۰۰ میلیون دلار — جایی که پشت هر تصمیم خودکار یک حسابرس ایستاده است.
مسئله
حجم تراکنش سریع‌تر از تیمی که آن را بررسی می‌کرد رشد می‌کرد. هر برنامه رشد در نقشه راه به همان سقف نیروی انسانی می‌رسید و هیچ‌کس بررسی‌هایی را که واقعاً به قضاوت نیاز داشتند از بررسی‌هایی که صرفاً تطبیق الگو بودند جدا نکرده بود.
زمینه
پلتفرم حجم بالایی از تراکنش‌های B2B را روی صف‌های بررسی دستی اجرا می‌کرد. هزینه عملیات به‌صورت خطی با حجم رشد می‌کرد و هر برنامه رشد به همان سقف می‌خورد.
رویکرد
صف را به دسته‌های تصمیم تفکیک کردیم و تنها دسته‌هایی را خودکار کردیم که مدل در آن‌ها قابل حسابرسی پسینی بود. عامل‌های زبانی پیش‌نویس تصمیم را می‌سازند، یک لایه قاعده مرز را نگه می‌دارد و هر مورد خارج از آستانه اطمینان به بررسی انسانی می‌رود.
نقش من
نقشه راه، آستانه‌های اطمینان و ترتیب استقرار را من مالک بودم — از جمله تصمیم به دستی نگه‌داشتن دو صف، چون هزینه خطا ارزش صرفه‌جویی را نداشت.
چطور کار کردم
دفتر تصمیم‌ها
تصمیم‌هایی که مالکشان بودم، گزینه‌ای که رد کردم، و هزینه‌ای که برای هرکدام پذیرفتم.
خودکارسازی بر مبنای دسته تصمیم، نه بر مبنای صف
لایه قاعده مرز را نگه می‌دارد؛ مدل درون آن پیش‌نویس می‌سازد
دو صف برای همیشه دستی می‌مانند
انتشار ردپای حسابرسی پیش از اولین تصمیم خودکار
چه چیزی تغییر کرد
نتیجه
خروجی‌هایی که تولید کردم
چه چیزی را متفاوت انجام می‌دادم
دوره سایه را بر مبنای نرخ توافق تجمیعی سنجیدم و همین پنهان کرد که یک دسته روی برشی باریک اما گران از ورودی‌ها اختلاف دارد. تحلیل سایه را از هفته اول بر اساس نوع ورودی تفکیک می‌کردم — ما در هفته ششم متوجه شدیم و یک نوبت استقرار را از دست دادیم.