Trunk Tools บริษัทบริหารจัดการโครงการก่อสร้างได้พัฒนาโซลูชันที่ช่วยลดระยะเวลาการตรวจสอบเอกสารจาก 60 วันเหลือเพียง 10 วัน โดยการเลิกใช้โมเดลทั่วไปที่มักจะไม่เหมาะสมกับข้อมูลเฉพาะทางในอุตสาหกรรมของตน แทนที่จะใช้โมเดลที่ถูกออกแบบมาเพื่อการใช้งานทั่วไป บริษัทได้สร้างสถาปัตยกรรมเฉพาะที่ประกอบด้วยสามชั้น ได้แก่ การรับรู้ (perception), ความหมาย (semantics), และตัวแทน (agents) ซึ่งข้อมูลที่ละเอียดและมีโครงสร้างสูงจะช่วยสนับสนุนการทำงานอัตโนมัติในอุตสาหกรรมได้อย่างมีประสิทธิภาพ
Sarah Buchner ผู้ก่อตั้งและ CEO ของ Trunk Tools ซึ่งมีประสบการณ์ในฐานะช่างไม้ ได้กล่าวถึงแนวทางที่บริษัทใช้ในการจัดการข้อมูลที่กระจัดกระจาย โดยเริ่มจากการเตรียมข้อมูลให้พร้อมใช้งาน ทำให้มีโครงสร้างที่ชัดเจน และผ่านการสร้างกราฟความรู้ (knowledge graph) ก่อนที่จะนำไปฝึกโมเดล AI ซึ่งช่วยให้ตัวแทนอัตโนมัติสามารถวิเคราะห์เอกสารจำนวนมากได้อย่างมีประสิทธิภาพ โดยการลดระยะเวลาการตรวจสอบเอกสารลงอย่างมาก นอกจากนี้ยังช่วยป้องกันข้อผิดพลาดที่มีค่าใช้จ่ายสูงในสนามงาน
ในขณะที่โมเดล LLM ทั่วไปมักจะถูกฝึกมาเพื่อให้สามารถทำงานได้ในหลายๆ ด้าน แต่พวกเขาก็มักจะมีจุดอ่อนในด้านความลึกของข้อมูลเฉพาะทาง Kriti Faujdar ผู้จัดการผลิตภัณฑ์อาวุโสในด้านโครงสร้างพื้นฐาน AI ได้ชี้ให้เห็นว่าโมเดลทั่วไปมักจะมีความสามารถในการเข้าใจข้อมูลในระดับพื้นฐาน แต่ไม่สามารถจัดการกับข้อมูลที่มีความเฉพาะเจาะจงหรือมีศัพท์เฉพาะที่ซับซ้อนได้ เช่น คำศัพท์ที่เป็นเอกลักษณ์หรือบริบทที่ผู้เชี่ยวชาญในสาขานั้นๆ รู้จักดี
การที่ Trunk Tools ใช้แนวทางเฉพาะทางนี้อาจเป็นแบบอย่างที่ดีสำหรับบริษัทในอุตสาหกรรมอื่นๆ ที่ต้องการเปลี่ยนแปลงข้อมูลที่ยุ่งเหยิงให้เป็นกระบวนการทำงานที่พร้อมใช้งานและเหมาะสมกับอุตสาหกรรมของตน โดยการสร้างสถาปัตยกรรมที่สามารถจัดการกับข้อมูลที่มีความซับซ้อนได้อย่างมีประสิทธิภาพ และช่วยให้การทำงานอัตโนมัติมีความแม่นยำและเกี่ยวข้องกับความต้องการของอุตสาหกรรมอย่างแท้จริง
แหล่งข้อมูลอ้างอิง
บทความนี้สรุปและเขียนใหม่โดยทีมบรรณาธิการ อ้างอิงจาก taryn.plumb@venturebeat.com (Taryn Plumb) ตามลิงก์ต้นฉบับด้านล่าง
อ่านต้นฉบับ: Trunk Tools’ stack cut document review from 60 days to 10 by ditching general-purpose models
#Trunk Tools #AI #Document Review #Construction #Automation
