Case Studies / apoQlar
MEDTECH · ZGODNOŚĆ Z PRZEPISAMI I AUTOMATYZACJA PROCESÓW
Skrócenie czasu realizacji kwestionariuszy bezpieczeństwa z miesiąca do tygodnia dzięki GenAI
Za każdym razem, gdy szpital chciał wdrożyć platformę AR firmy apoQlar, wymagał wypełnionego kwestionariusza bezpieczeństwa – z dziesiątkami lub setkami szczegółowych pytań dotyczących ochrony danych, zgodności z przepisami i bezpieczeństwa technicznego. Ręczne wypełnianie zajmowało miesiąc i angażowało 8–10 osób z różnych działów. Stworzyliśmy asystenta AI, który skrócił ten czas do mniej niż tygodnia przy znacznie mniejszym zespole – generując szacowane oszczędności 90 000 USD rocznie i skracając czas wdrożenia klientów z sześciu do dwóch tygodni.
Klient: apoQlar GmbH – firma MedTech tworząca rozwiązania z zakresu rzeczywistości mieszanej i sztucznej inteligencji dla sektora ochrony zdrowia, z siedzibą w Hamburgu.
Kluczowe wyniki
-75%
Czas realizacji: z ok. 1 miesiąca do mniej niż 1 tygodnia
$90K
Szacowane roczne oszczędności przy ok. 15 kwestionariuszach rocznie
6→2 tyg.
Czas wdrożenia klienta skrócony o dwie trzecie
8→2
Liczba zaangażowanych osób: z 8–10 do małego zespołu weryfikującego
BRANŻA
MedTech
PRZYPADEK UŻYCIA
Automatyzacja kwestionariuszy bezpieczeństwa
PODEJŚCIE AI
RAG + LLM na platformie Azure
ŹRÓDŁA DANYCH
PDFs, Confluence, polityki
Wyzwanie
Zanim szpital może wdrożyć produkt MedTech, dostawca musi udowodnić zgodność z rygorystycznymi standardami bezpieczeństwa i ochrony danych. W praktyce oznacza to wypełnianie szczegółowych kwestionariuszy bezpieczeństwa – często zawierających dziesiątki lub setki pytań dotyczących szyfrowania, kontroli dostępu, reagowania na incydenty, zarządzania podatnościami i wewnętrznych polityk.
W apoQlar każdy kwestionariusz wymagał zaangażowania 8–10 osób z działów IT, prawnego, compliance i produktowego. Ktoś musiał znaleźć odpowiedni dokument polityki, wyszukać właściwą sekcję, sformułować odpowiedź i zatwierdzić ją. Ponieważ każda osoba pracowała według własnego harmonogramu i priorytetów, cały proces zajmował około miesiąca na kwestionariusz. Przy około 15 nowych wdrożeniach szpitalnych rocznie był to stały drenaż zasobów – i największe wąskie gardło w cyklu sprzedaży.
Kluczowy problem: każdy nowy klient szpitalny wymagał wypełnionego kwestionariusza bezpieczeństwa, który pochłaniał miesiąc pracy 8–10 osób. Proces spowalniał sprzedaż, angażował zasoby wielu działów i był w pełni manualny – mimo że większość odpowiedzi już istniała gdzieś w dokumentacji firmy.
Co zbudowaliśmy
Zbudowaliśmy Zippy – wirtualnego asystenta opartego na GenAI, który automatycznie odpowiada na pytania z kwestionariuszy bezpieczeństwa, korzystając z istniejącej wewnętrznej dokumentacji apoQlar. Zamiast 8–10 osób przeszukujących polityki i strony Confluence, jedna osoba może teraz przeprowadzić kwestionariusz przez Zippy i zweryfikować wyniki.
Architektura RAG na platformie Azure. System wykorzystuje Retrieval-Augmented Generation do połączenia dużego modelu językowego z pełną bazą dokumentów apoQlar – politykami bezpieczeństwa w formacie PDF i dokumentacją techniczną z Confluence. Model językowy obsługują Azure OpenAI Services, a ChromaDB pełni rolę bazy wektorowej umożliwiającej szybkie wyszukiwanie. Wszystkie dane są przetwarzane w ramach Microsoft Azure, spełniając wymogi bezpieczeństwa klasy enterprise.
Odpowiedzi z odniesieniami do źródeł. Każda odpowiedź generowana przez Zippy zawiera dokładne źródło – nazwę dokumentu i numer strony. Ma to kluczowe znaczenie dla zgodności: osoba weryfikująca może natychmiast sprawdzić, skąd pochodzi każda odpowiedź, zamiast ufać wyjściom z czarnej skrzynki. Sprawia to również, że etap weryfikacji przebiega znacznie szybciej.
Niestandardowe przetwarzanie dokumentów. Pliki PDF z politykami i strony Confluence mają bardzo różne formaty. Opracowaliśmy dedykowane strategie ekstrakcji i podziału na fragmenty dostosowane do każdego źródła danych, zachowując kontekst strukturalny i metadane – dzięki czemu system wyszukiwania może znaleźć nie tylko odpowiedni tekst, ale też konkretną sekcję i stronę w oryginalnym dokumencie.
Ciągłe doskonalenie dzięki informacji zwrotnej. Użytkownicy mogą oznaczać niedokładne lub niekompletne odpowiedzi bezpośrednio w interfejsie. Opinie te są śledzone w LangFuse (który obsługuje również wersjonowanie promptów, śledzenie kosztów i monitorowanie opóźnień) i napędzają ciągłe ulepszenia systemu oraz dokumentacji bazowej. Gdy Zippy nie potrafi dobrze odpowiedzieć na pytanie, wskazuje lukę w dokumentacji – motywując zespoły do aktualizowania polityk.
Wyniki
PRZED
Ok. 1 miesiąc na kwestionariusz. Zaangażowane 8–10 osób z działów IT, prawnego, compliance i produktowego. Ręczne przeszukiwanie polityk i Confluence. Wąskie gardło w cyklu sprzedaży przy każdym nowym wdrożeniu szpitalnym.
PO
Mniej niż 1 tydzień na kwestionariusz. Mały zespół wyłącznie do weryfikacji. Odpowiedzi z odniesieniami do źródeł generowane automatycznie. Czas wdrożenia klienta skrócony z 6 do 2 tygodni.
Liczby mówią same za siebie: czas realizacji spadł o 75%, liczba zaangażowanych osób zmniejszyła się z 8–10 do małego zespołu weryfikującego, a szacowane roczne oszczędności przy ok. 15 kwestionariuszach rocznie wynoszą ok.
90 000 USD tylko w kosztach pracy. Większy wpływ ma jednak wymiar komercyjny – czas wdrożenia klienta skrócił się z sześciu do dwóch tygodni, bezpośrednio przyspieszając zdolność apoQlar do wdrażania rozwiązań w szpitalach.
Pętla zwrotna przyniosła również nieoczekiwaną korzyść: ponieważ Zippy wskazuje, które pytania nie są dobrze obsługiwane, organizacja ma teraz wgląd w miejsca, gdzie dokumentacja jest niekompletna – co napędza ciągłe doskonalenie dokumentacji polityk niezależnie od samego procesu kwestionariuszowego.
To studium przypadku jest szczegółowo opisane w naszym pełnym whitepaperze (PDF), w tym schematy architektury, szczegóły implementacji i analiza ROI.
Użyte technologie
“
Zarządzanie procesem wypełniania kwestionariuszy bezpieczeństwa nie jest już logistycznym koszmarem. Nowy system jest prosty w obsłudze i zapewnia, że nasze odpowiedzi są dokładne i wyczerpujące.
Maciej Antoszczuk
Tech Product Owner, apoQlar
Więcej case studies
Zobacz, jak pomogliśmy innym firmom
URZĄD · POLSKA INSTYTUCJA PUBLICZNA (NDA)
Zbudowanie platformy AI automatyzującej monitoring polityczny – od PoC do pełnego rozwiązania
Analitycy public affairs ręcznie śledzili miliony dokumentów politycznych w różnych krajach i językach. Zbudowaliśmy warstwę AI automatyzującą monitoring, analizę i alerty – od pierwszego prototypu do premiery rynkowej.
11
Obszarów wiedzy
3
Dedykowane toole
LOGISTYKA · FR. MEYER’S SOHN
Wyeliminowanie ręcznej ekstrakcji danych z tysięcy dziennych e-maili wysyłkowych
Pracownicy operacyjni codziennie ręcznie czytali e-maile logistyczne po niemiecku i angielsku, aby wyodrębnić dane tras i harmonogramów. Zbudowaliśmy pipeline AI, który automatycznie ekstrahuje, strukturyzuje i dostarcza dane.
-80%
Nakład pracy ręcznej
2 języki
DE i EN
On-prem
Wdrożenie
MEDTECH · APOQLAR
Wirtualny asystent GenAI zastępujący ręczne wyszukiwanie dokumentów
Pracownicy wsparcia spędzali godziny na przeszukiwaniu setek dokumentów produktowych, aby odpowiedzieć na pytania klientów i compliance. Teraz zadają pytania w języku naturalnym i otrzymują odpowiedzi z odniesieniami do źródeł w ciągu sekund.
RAG
Zintegrowany
Zarządzanie kontekstem
Zoptymalizowane