Poniższe scenariusze opisują typowe wyzwania firm z różnych branż oraz moje podejście do ich rozwiązania. Stanowią ilustrację tego, jak pracuję i jakie efekty można osiągnąć. Każde wdrożenie poprzedzam analizą indywidualnej sytuacji klienta — szczegóły omawiamy podczas rozmowy.
Automatyczna klasyfikacja dokumentów z AI w ubezpieczeniach
Typowy profil firmy: Średniej wielkości firma ubezpieczeniowa
Wiele firm ubezpieczeniowych boryka się z tym samym problemem: rosnący wolumen dokumentów wymagających ręcznej klasyfikacji i routingu do działów. Zatrudnianie kolejnych osób nie skaluje się ekonomicznie. Poniżej opisuję, jak typowo podchodzę do tego wyzwania.
Typowy problem w tej branży
Firmy ubezpieczeniowe średniej wielkości otrzymują zwykle 400-600 dokumentów dziennie — polisy, zgłoszenia szkód, korespondencja, faktury, dokumentacja medyczna. Każdy wymaga klasyfikacji i przekazania do właściwego działu. W tradycyjnym modelu zajmuje się tym 2-3 osoby z back-office, spędzając łącznie 6-9 godzin dziennie.
Najczęściej spotykane wyzwania:
- Wzrost wolumenu dokumentów o 30-50% rok do roku przy stałym zatrudnieniu
- Dokumenty w różnych formatach (PDF skany, e-maile, zdjęcia z telefonu, papier)
- Błędy w routingu na poziomie 8-12% miesięcznie
- Brak audytu — niewiadomo ile dokumentów "ginie" w obiegu
- Opóźnienia w obsłudze klientów, zwłaszcza przy roszczeniach
Moje podejście
Buduję dwuetapowy pipeline. W pierwszym etapie wykorzystuję OCR (Tesseract dla skanów, natywna ekstrakcja z PDF), który wydobywa tekst z dokumentów. Drugi etap to klasyfikator wykorzystujący GPT-4 z dopracowanym promptem, który przypisuje dokument do jednej z 10-15 kategorii oraz wyciąga kluczowe pola (numer polisy, data, kwota, dane zgłaszającego).
Kluczowe decyzje techniczne, na które zwracam uwagę:
- Cache odpowiedzi AI dla podobnych dokumentów — pozwala zaoszczędzić 30-40% kosztów tokenów
- Maskowanie PII lokalnie przed wysłaniem treści do API (zgodność z RODO)
- Próg pewności — dokumenty z pewnością klasyfikacji powyżej 90% trafiają automatycznie, reszta na panel weryfikacji
- Fallback na lokalny model przy awarii dostawcy API
- Pełne logowanie audytowe — każda klasyfikacja widoczna w bazie
Wdrożenie produkcyjne robię etapowo: najpierw na 20% wolumenu z pełnym nadzorem, potem stopniowo do 100% przy stabilnych metrykach.
Spodziewane efekty
Masz podobne wyzwanie w swojej firmie? Porozmawiajmy →