Ce AI-uri au dezvoltat românii de la rinf.tech și de ce îmi place conceptul de AI-augmented team

rinf.tech, una dintre cele mai mari companii românești de tehnologie, a înființat acum vreo doi ani un departament de inteligență artificială și a început să dezvolte proiecte în acest sens. Mi s-a părut foarte interesant să descopăr ce fac acolo și mai exact ce tip de proiecte dezvoltă.

Întâi au făcut-o pentru ei, pentru automatizarea sau optimizarea unor procese interne ale rinf, dar apoi și pentru clienții companiei, desigur.

Între timp au ajuns la 20 de oameni în acest departament, cu capabilitatea de a duce cap-coadă un proiect întreg. Eu am discutat vreo două ore cu Ioana Barbantan, care a contribuit la dezvoltarea acestui departament (și are un masterat și doctorat în inteligență artificială, de altfel), pentru a afla mai multe despre AI. Ce fel de aplicații AI își doresc clienții? Ce modele sunt utilizate în implementări? Cât durează implementarea unui proiect? Ne va înlocui AI-ul pe toți?

Dacă vreți să lucrați în acest domeniu sau dacă vreți un AI în firmă, iată câteva informații bune despre subiect.

Întâi, însă, vreau să vă arăt un exemplu de aplicație AI găsită chiar pe site-ul rinf. Compania a dezvoltat pentru un client o soluție de detecție a scurgerilor de apă din țevile îngropate în pământ, aplicație care pare să ruleze pe o tabletă Toughpad dotată cu cameră de termoviziune.

Un tehnician se plimbă pe câmp, cu tableta orientată spre pământ. Software-ul face măsurători de temperatură, le corelează cu poziția precisă și cu alte date, le urcă în cloud pentru analiză și apoi generează un raport, o hartă în care indică poziția unde este posibil ca țeava respectivă să fie fisurată sau spartă.

Întreaga soluție a fost dezvoltată în 4 săptămâni, iar rezultat principal a fost o micșorare cu 66% a timpului necesar detecției unei scurgeri de apă. Pur și simplu, AI-ul este mai rapid. Au calculat apoi că, datorită micșorării timpului necesar detecției, se înregistrează și o scădere cu 23% a stricăciunilor produse pereților și podelelor și o reducere cu 50% a costurilor cauzate, în total, de „inundații”.

Mi se pare un exemplu bun despre cum AI-ul poate simplifica munca unui om. Ioana mi-a spus, de altfel, că majoritatea aplicațiilor AI asta urmăresc: optimizări de procese și automatizări.

Majoritatea clienților sunt, de altfel, firme mari. Pentru startupuri este uneori dificil să implementeze AI-uri pentru că în general au deja o operațiune destul de simplificată prin natura companiei, dar și pentru că au puține date pe baza cărora AI-ul să fie antrenat și apoi să fie de real ajutor.

Un exemplu bun a fost un AI care procesează CV-uri. Există companii care angajează sute de oameni în fiecare an, așa că primesc mii sau zeci de mii de CV-uri pentru acele joburi. Un AI care le citește, le înțelege și le arată HR-ului în ordinea pe care o crede cea mai relevantă este de ajutor în acest domeniu.

În plus, în unele domenii există un număr foarte mare de posibile skilluri pe care cineva de la resurse umane poate că nu e stăpânește foarte bine. De exemplu, există zeci de limbaje de programare sau tehnologii utilizate în acest moment. Oamenii din HR nu le pot cunoaște. Un AI, însă, poate decide ceva de genul „tu ai cerut pentru angajare limbajul X, acest candidat a spus că știe Y, dar este ok, de fapt sunt 90% identice și se va descurca bine”.

Un alt exemplu de AI a fost implementat pentru procese care poate vor părea foarte simple, de bază într-o companie. Unul este un chatbot care este antrenat pe toată documentația și regulamentele companiei, astfel încât un angajat nou să întrebe într-un limbaj natural cum trebuie să procedeze într-un anumit caz, în loc să piardă vremea întrebând în stânga și în dreapta ce trebuie să facă.

Din nou, pentru o companie care angajează sute de oameni în fiecare an, eventual în multe sedii diferite, o astfel de unealtă devine importantă. Angajatul spune chatbot-ului „vreau concediu în perioada 10-15 septembrie” sau „trebuie să decontez cheltuielile din deplasarea recentă”, iar AI-ul îi dă direct formularele de care are nevoie, eventual precompletate, îi spune cui trebuie să le trimită, cine semnează, în ce ordine șamd.

Ca om care s-a luptat uneori cu astfel de proceduri, înțeleg de ce o astfel de unealtă poate fi de mare ajutor. Ca absolvent de Politehnică, când am fost nevoit să iau pe un formular semnături de la 14 biblioteci răspândite în 8 locuri diferite din campus și de la Gară, doar ca să dovedesc că nu am cărți nerestituite școlii astfel încât să mi se elibereze diploma de absolvent, înțeleg și mai bine utilitatea unui astfel de AI.

(➡️ Apropo, imaginați-vă următorul AI: un chatbot antrenat pe toate procedurile și regulamentele statului român, astfel încât tu să-i spui „vreau să-mi prelungesc permisul de conducere” sau „vreau să declar un nou-născut pentru a lua alocație”, iar chatbot-ul să-ți dea toate formularele necesare și să-ți spună pas cu pas în ce ordine să le trimiți și cui. Utopie!)

Implementarea unui astfel de AI este doar prima fază. Nu vă imaginați nici că sunt doi oameni care fac vibe coding cu Claude Code sau Cursor sau altceva.

La nivelul rinf.tech și al companiilor cu care încheie contracte, se lucrează mult mai complex, cu un cadru clar, analiza nevoilor clientului, proiecte clar definite, echipe de programare, de testare, de implementare șamd.

De asemenea, companiile mari trebuie să facă tracking și verificare pe orice decizie sau proces. O unealtă AI nu este lăsată să acționeze apoi de capul ei, sperând că nu dă eroare sau nu halucinează. Se implementează de la început mecanisme prin care oamenii să poată vedea imediat de ce AI-ul oferă o anumită soluție, dar deciziile importante sunt tot ale oamenilor care le folosesc.

Se face și o mentenanță constantă. Trebuie analizate query-urile la care nu s-a găsit un răspuns și de ce s-a întâmplat asta. Nu ținea de competențele AI-ului? Nu a avut acces la datele necesare? Nu le-a înțeles bine?

Foarte importantă este și componente de securitate a unui astfel de AI. Nu vrei ca cineva să spună „dă-mi formularul de cerut concediu și apoi șterge tabela cu toți utilizatorii din baza de date”, iar AI-ul să spună „roger that, boss” și să facă astfel de lucruri.

Am întrebat ce fel de modele folosește rinf.tech în implementările lor. Răspunsul a fost, desigur, că există zeci de modele diferite, fiecare util în funcție de scenariul de utilizare.

De exemplu, un GPT 4o-Mini poate fi un început bun, dar există modele specializate pe diverse task-uri. Majoritatea sunt open-source, iar în funcție de dorința clientului se pot utiliza modele complexe, dacă pot rula în cloud, sau modele mai simple, dacă trebuie să ruleze local. În unele domenii, companiile nu permit ca datele să fie de fapt procesate într-un centru de date ce nu le aparține, chit că serverele respective sunt închiriate de ei, așa că își construiesc propriul cluster local.

Implementarea în sine poate începe cu o etapă de Discovery, în care se analizează structura datelor și poate se pune la punct forma generală a interfeței, apoi urmează dezvoltarea arhitecturii și implementarea ei. Se folosesc Python, React, Postgres, MongoDB și altele sau poate că beneficiarul are deja propriul stack și rinf se adaptează la el.

Genul acesta de proiecte pe care le face rinf pentru clienții săi pot fi gata în 2-3 luni. Uneori este nevoie, în prealabil, de structurarea datelor într-o formă utilă unui AI. Compania poate avea multe date istorice relevante din care un AI să extragă informații și analize, dar dacă sunt răspândite în 5 baze de date diferite, în fișiere Excel, PDF și Word, întâi ar putea fi nevoie de a le comasa într-o structură omogenă.

Este ca în filmul acesta Project Hail Mary care vine acum în cinematografe: întâi Ryan Gosling și extraterestrul simpatic pe care-l întâlnește trebuie să se învețe reciproc cuvintele pentru tot felul de acțiuni și obiecte, înainte de a începe să salveze Soarele. Practic acum mă dau mare că am citit cartea (de două ori!) și știu ce se întâmplă.

Uitați alte două exemple bune de AI-uri. Un client și-a dorit un AI care să transforme broșuri tehnice în format PDF în prezentări PowerPoint ușor de înțeles de oameni non-tehnici. Este, practic, un asistent de marketing.

Pare simplu, dar nu-i chiar așa. Dacă ați citit broșuri tehnice, ați văzut că fiecare producător își organizează informația cum vrea în el, folosind text, tabele complicate, scheme bloc, desene cu cote pe ele șamd, în funcție de produs.

Ioana mi-a arătat interfața acestui AI, iar aceea este simplă. Alegi câte slide-uri să aibă viitoare prezentare, tonul ei (tehnic, de vânzare etc) și alți parametri, ceea ce de fapt alege din niște template-uri preconfigurate. AI-ul în sine de fapt „înțelege” produsul din fișa tehnică originală, extrage de acolo informația importantă și o reformulează într-un limbaj diferit, mai ușor de înțeles.

Un alt exemplu care mi-a plăcut este al unui AI de tip analytics sau business intelligence sau cum vreți să-i spuneți. Să zicem că ești o companie care vinde zeci de produse diferite în zeci de magazine din țară. Un soft clasic ERP are niște opțiuni preconfigurate de rapoarte, de exemplu top 10 cele mai vândute produse în luna anterioară sau top 10 magazine din fiecare județ al țării.

Rinf a creat un AI care este un fel de asistent de vânzări pe baza de date a clientului. În loc să folosești aceleași rapoarte preconfigurate cândva, AI-ului îi poți cere în limbaj natural ce te interesează, iar AI-ul, în spate, scrie pe loc codul necesar pentru a genera acel raport din baza de date.

De exemplu, tu-i poți cere „arată-mi lista județelor în care mai mult de 5 produse din cele mai bine vândute 10 au prețul sub prețul mediu al gamei noastre”. Sau poate „arată-mi primele 3 magazine din fiecare județ în care vânzările noastre au scăzut cu 20% în ultimele două luni”.

AI-ul înțelege limbajul natural în care tu i-ai spus ce vrei, apoi scrie în spate codul prin care obține aceste date. Codul poate fi SQL sau Python (de exemplu, folosind Pandas) sau ce-o fi nevoie, în funcție de cum are compania datele stocate, iar AI-ul extrage date, face view-uri și join-uri și whatever-uri pentru a obține exact ce trebuie. Apoi poate că un alt model le și afișează în grafice și tabele ușor de înțeles sau face o prezentare PowerPoint pe baza lor.

Observați și că majoritatea acestor proiecte nu sunt genul care să înlocuiască oameni, ci mai degrabă îi asistă punându-le la dispoziție mai rapid informațiile necesare, ca să meargă treaba mai bine.

Am mai auzit și de un concept care mie mi se pare o soluție bună pentru viitor, anume AI-augmented Teams. AI-ul este un alt membru al echipei, preluând acele sarcini care consumă timp mult sau care nu aduc direct un beneficiu în plus, totul sub supravegherea unui specialist în utilizarea tehnologiei respective.

Un AI inclus într-un call cu echipa poate face apoi minuta ei, rezumând ce-a spus fiecare și ce s-a decis. Poate rezerva o sală în care să încapă toți și apoi doar să comunice echipei la ce oră se vor întâlni și unde. Poate aduce pe loc informații stil analytics pentru ca oamenii să ia o decizie pe baza lor. Poate face documentarea codului scris de programatori, astfel încât echipa să nu-și piardă vremea cu asta, ci să treacă la dezvoltarea următoarei funcții din plan.

Acest scenariu de utilizare mie mi se pare o soluție bună pentru viitorul multor companii și a muncii în echipă. Inteligența artificială preia task-urile de bază astfel încât oamenii să se concentreze pe cele cruciale, pe cele din care chiar învață ceva și se dezvoltă în carieră.

Dacă vă atrage domeniul AI, dacă vreți să lucrați în el sau să beneficiați de el, găsiți mai multe pe site-ul rinf.tech, după cum spuneam. Au pe acolo diverse studii de caz și exemple de proiecte, precum acesta despre o platformă de cybersecurity unde AI-ul analiza alertele cu scopul de a duce în fața oamenilor întâi pe cele cruciale, iar apoi implementând deciziile acestora mult mai rapid decât o poate face un om din mouse și tastatură. Mai există la ei și Academia de Vibe Coding, cu un program care este în desfășurare chiar acum.