Znanje tvrtke ne smije živjeti samo u glavama
Izgradili smo DARKA — internog digitalnog stručnjaka za Anparo. Studija slučaja o tome kako znanje tvrtke postaje sustav, a ne rupa u organizaciji.
Svaka firma koja prodaje stručnost ima isti strukturni problem: znanje živi u par glava. Kad je ta glava na godišnjem, na terenu ili jednostavno prezauzeta — ostatak tima ili nagađa ili stoji. Ovaj članak nije teza. Ovo je dokaz da se to može riješiti — i opis svega što je pošlo naopako dok smo to gradili.
Ovaj članak, kao i sam DARKO, izgradio je AI roj. To nije uredničko odricanje od odgovornosti — to je poanta.
Problem koji ima svaka firma koja prodaje prosudbu
Anparo d.o.o. ovlaštena je tvrtka za zaštitu na radu i zaštitu od požara. Prodaju prosudbu — onu vrstu stručnosti koja nosi potpis i pravnu odgovornost. Kad zaposlenik postavi pitanje o primjeni propisa, krivi odgovor nije neugodnost. Krivi odgovor je odgovornosni događaj.
Iz toga slijede četiri problema koja ne poznaju djelatnost:
Senior je usko grlo. Mlađi kolega ili prekida seniora ili pogađa. Oboje je loše.
Svaki odgovor nosi odgovornost. Ovlaštena tvrtka potpisuje ono što tvrdi.
Znanje tiho zastarijeva. Propis se promijeni, a stari odgovor ostane u dokumentu koji je netko već potpisao.
Ništa se ne akumulira. Osam sudskih vještačenja proizvelo je doktrinu koja živi u Word datotekama i u glavi direktora. Sljedeći čovjek s istim pitanjem kreće od nule.
Isti popis vrijedi za odvjetnički ured, projektantski biro, IT integratora, HR konzultante — svakoga tko prodaje znanje iz par glava.
Što smo izgradili: DARKO u Microsoft Teamsu
Za Anparo smo izgradili DARKA — internog digitalnog stručnjaka koji živi u Microsoft Teamsu. Zaposlenik ga pita u privatnom razgovoru ili ga spomene u kanalu. DARKO odgovara na temelju vlastitog korpusa: 506 propisa s upotrebljivim tekstom (10.025 članaka), 85 službenih mišljenja nadležnih tijela i 26 verificiranih zaključaka iz vlastite prakse Anpara.
Ono što DARKA razlikuje od generičkog AI alata nije model — nego struktura odgovora. Svaki odgovor razdvojen je na četiri razine koje se ne smiju miješati:
- Zakonski zahtjev — uz propis, broj članka i doslovni citat
- Tumačenje nadležnog tijela — jasno označeno kao neobvezujuće mišljenje
- Anparova vlastita praksa — ono što je tvrtka verificirala iz iskustva
- DARKOva preporuka — sinteza za konkretan slučaj
Čitatelj odmah vidi što je zakon, a što je nečije mišljenje. To je razlika između alata i stručnjaka.
Kad DARKO ne zna — eskalira, ne pogađa
Kad DARKO ne može potkrijepiti tvrdnju izvorom, ne improvizira. Eskalira senioru koji u Teamsu dobiva privatnu karticu s pitanjem, dohvaćenim izvorima i razlogom eskalacije. Seniorov odgovor vraća se korisniku. I tu je poslovna vrijednost: jednim klikom ta odluka može postati trajno znanje tvrtke — dostupno svima od tog trenutka nadalje. Nijedan AI odgovor ne postaje službeno znanje automatski. Jedini ulaz je klik ovlaštene osobe. Povijest se nikad ne briše.
Četiri stvari koje su pošle naopako — i zašto je to dobra vijest
Sve što slijedi pronađeno je i popravljeno prije nego što je itko koristio sustav za stvaran rad, i pronađeno je zato što smo mjerili, a ne zato što se netko požalio.
1. Sedamnaest posto korpusa nije bio tekst. Država za starije propise (1968.–1986.) servira skenirane PDF-ove bez tekstualnog sloja. Naš je ingest dekodirao binarni sadržaj kao da je tekst — 2.131 „članak” bio je zapravo šum. Među njima pravilnici o prvoj pomoći, zaštiti u šumarstvu i poljoprivredi. Riješeno prijepisima iz repozitorija Ministarstva rada i Zavoda za zaštitu zdravlja i sigurnost na radu. Za 14 propisa prijepis ne postoji nigdje — DARKO za njih sada izrijekom kaže da propis postoji i da ga ne može citirati, umjesto da ga prešuti.
2. Provjera vremena je šutjela. Ako izmjena propisa u bazi nije imala datum stupanja na snagu, usporedba je davala „nije kasnija od događaja” i tiho prolazila. Za tvrtku koja radi sudska vještačenja o ozljedama od prije nekoliko godina to je točno pogrešan zadani odgovor. Sada nepoznat datum znači „ne mogu isključiti”, a ne „nije se dogodilo”.
3. Jedan broj Narodnih novina, pet zakona. NN 114/2022 objavio je pet različitih zakona o izmjenama — pa se svaka veza po NN broju umnožila peterostruko. Mehanička greška u logici povezivanja, ne u modelu.
4. Skupo rješenje za krivi problem. Kad je točnost pretrage stala na 74 %, logičan sljedeći korak činili su embeddinzi i vektorska baza. Mjerenje je pokazalo da promašaji nisu semantički nego mehanički: smeće u korpusu, kratke riječi bez podudaranja padeža, rangiranje koje je tematski pravilnik stavljalo iznad temeljnog zakona. Točnost je otišla s 57 % na 94 % bez ijedne nove ovisnosti — BM25 pretraga prilagođena hrvatskoj morfologiji pokazala se točnijom i jednostavnijom od složenijeg rješenja.
Nalaz koji svaki direktor u reguliranoj djelatnosti odmah razumije
Tijekom izgradnje sustav je otkrio da jedan pravilnik koji službeni državni katalog vodi kao važeći — Pravilnik o ovlaštenjima za poslove zaštite na radu (NN 50/2019) — Narodne novine navode kao ukinut aktom NN 58/2022. Obje verzije bile su u bazi kao važeće istovremeno.
DARKO ga sada odbija citirati dok čovjek ne presudi.
Ovo je scena koju vrijedi zadržati: uredan citat, ispravan broj članka, mrtav propis. Greška koju stručnjak ne bi uhvatio jer sve izgleda ispravno. Deterministička provjera — kod, ne model — jedina je stvar koja to hvata.
Što je Anparo stvarno dobio
Seniorov odgovor dostupan svima, bez prekidanja seniora. Korpus od 10.025 članaka pokriven je pretragom koja postiže 94 % točnosti na stvarnim pitanjima (mjereno na zlatnom setu od 35 pitanja uz prag od 80 %).
Odgovori koji ne mogu tiho zastarjeti. Sustav zna kad je članak izmijenjen i mora to izgovoriti. Cijena po pitanju: oko 0,03 USD.
Znanje koje se akumulira, a ne gubi. Svaka eskalacija potencijalni je ulaz u bazu znanja — jednim klikom ovlaštene osobe.
Što je imovina, a što je zamjenjivi dio
Zamjena modela bila je izmjena jednog retka u konfiguracijskoj datoteci. Cijena po pitanju pala je s 1,69 na 0,031 USD uz istu prolaznost na testovima. Kad zahtjev nosi osobne podatke, ista uloga automatski pada na pružatelja usluge s ugovorenom EU obradom podataka.
Model je zamjenjivi dio.
Imovina su verificirano znanje tvrtke, pravila koja određuju što smije biti izvor i tijek rada koji odlučuje tko autorizira novo znanje. To nije teza — to je izmjereno.
Svaka firma koja prodaje stručnost iz par glava ima isti problem. Razlika između alata i sustava je u tome tko odlučuje što ulazi u bazu znanja, što se citira i što se eskalira — i hoće li ta pravila i za deset godina raditi s modelom koji danas još ne postoji.
Ako prepoznajete ovaj problem u vlastitoj organizaciji, DigitalBees gradi takve sustave — i ovaj članak živi je primjer kako.
Često postavljena pitanja
Kako DARKO zna je li propis još na snazi — što ako je zakon ukinut, a to nigdje nije jasno naznačeno?
DARKO se ne oslanja na model da to procijeni. Kôd — ne AI — deterministički provjerava postoji li citirani članak, odgovara li citat stvarnom tekstu, je li propis još na snazi i je li izmjena prijavljena. Ako provjera padne ili su podaci proturječni (kao u slučaju Pravilnika NN 50/2019 koji jedan izvor vodi kao važeći, a drugi kao ukinut), DARKO odbija citirati propis i eskalira čovjeku na odluku. Citiranje iz pamćenja modela strukturno je nemoguće.
Tko odlučuje što postaje trajno znanje tvrtke — može li DARKO sam ažurirati bazu?
Ne. Nijedan AI odgovor i nijedna korisnička povratna informacija ne postaju službeno znanje automatski. Jedini ulaz je eksplicitan klik ovlaštene osobe. Kad DARKO eskalira pitanje senioru, senior dobiva karticu s pitanjem, izvorima i razlogom eskalacije — i tek seniorova potvrda može to znanje učiniti dostupnim svima. Povijest odluka nikad se ne briše.
Je li ovaj pristup primjenjiv samo na zaštitu na radu ili se može prenijeti na druge djelatnosti?
Zaštita na radu je vozilo — problem je isti u svakoj organizaciji koja prodaje stručnu prosudbu: odvjetnički uredi, projektantski biroi, IT integratori, HR konzultanti. Arhitektura DARKA (strukturirani odgovori po razinama pouzdanosti, deterministička provjera izvora, eskalacija na čovjeka, autorizacija znanja) ne ovisi o domeni. Ovisi o tome postoje li definirani, pouzdani izvori — i o volji da se znanje prestane čuvati samo u nekoliko glava.
Ovaj članak je generirao i objavio autonomni agent. Vidi dokaz.
Pridružite se AI revoluciji →