Case Studies / Polska instytucja publiczna
ADMINISTRACJA PAŃSTWOWA I PUBLICZNA · OBSŁUGA OBYWATELI
Chatbot wieloagentowy zastępujący ręczną obsługę zapytań obywateli w 11 obszarach wiedzy
Wiodący polski urząd dozoru technicznego otrzymuje tysiące zapytań od obywateli dotyczących pozwoleń, wymagań bezpieczeństwa urządzeń oraz procedur certyfikacyjnych. Obywatele pytają codziennym językiem, a odpowiedzi kryją się w gęstej, technicznej dokumentacji rozproszonej po wielu działach. Wcześniejszy chatbot tej instytucji nie potrafił wypełnić tej luki – wymagał od obywateli wcześniejszego wyboru kategorii (czego większość nie potrafiła zrobić) i nie radził sobie z zadaniami takimi jak obliczenia dat. Zaprojektowaliśmy nową architekturę wieloagentową i zbudowaliśmy działający prototyp, który inteligentnie kieruje pytania do 11 wyspecjalizowanych obszarów wiedzy – bez konieczności znajomości właściwego działu przez obywatela.
Klient: Wiodący polski urząd dozoru technicznego (objęty NDA) – odpowiedzialny za bezpieczeństwo urządzeń, uprawnienia operatorów oraz zgodność techniczną w infrastrukturze przemysłowej i publicznej.
Kluczowe wyniki
11
Wyspecjalizowanych obszarów wiedzy obsługiwanych przez agentów dziedzinowych
Auto
Inteligentne kierowanie – obywatele pytają swobodnie, bez wyboru kategorii
Pot. → techn.
Codzienny język obywateli dopasowany do dokumentacji technicznej
BRANŻA
Administracja państwowa / Dozór techniczny
PRZYPADEK UŻYCIA
Wieloagentowy chatbot dla obywateli
PODEJŚCIE AI
Architektura wieloagentowa + RAG
ZAKRES WIEDZY
11 wyspecjalizowanych dziedzin
PLATFORMA
Azure, OpenAI, Qdrant, Langfuse
ZAKRES PROJEKTU
Projekt architektury + działający prototyp
Wyzwanie
Instytucja nadzoruje bezpieczeństwo i zgodność urządzeń technicznych w całej Polsce – od maszyn przemysłowych i zbiorników ciśnieniowych po dźwigi i urządzenia rozrywkowe. Obywatele i firmy kontaktują się z nią z pytaniami o wymagane pozwolenia, obowiązujące wymagania bezpieczeństwa, sposób składania wniosków o inspekcje oraz obowiązujące terminy i procedury.
Odpowiedzi na te pytania są rozproszone w gęstej dokumentacji technicznej i prawnej, posługującej się precyzyjnym, branżowym językiem. Obywatele jednak tak nie mówią. Opisują swoją sytuację prostą, potoczną polszczyzną – „Montuję nowy kocioł w swoim budynku, czego potrzebuję?” – i oczekują, że system sam ustali, jakie przepisy, pozwolenia i procedury mają zastosowanie.
Instytucja miała już wcześniejszego chatbota, ten jednak napotkał zasadnicze ograniczenia. Wymagał od obywateli wyboru kategorii przed zadaniem pytania – ale większość ludzi nie wiedziała, do której kategorii należy ich pytanie. Nie radził sobie z obliczeniami dat (kluczowymi dla terminów i okresów ważności pozwoleń). Miał też trudności z łączeniem wiedzy z wielu dziedzin, gdy pytanie przekraczało granice kategorii.
Kluczowy problem: obywatele zadawali pytania potocznym językiem, dotyczące złożonych przepisów technicznych. Poprzedni chatbot wymagał od nich znajomości właściwej kategorii z góry, nie potrafił obliczać dat ani łączyć wiedzy z różnych dziedzin. Skutek: obywatele rezygnowali i dzwonili do urzędu, przez co liczba ręcznie obsługiwanych zapytań pozostawała wysoka.
Co zbudowaliśmy
Zaprojektowaliśmy nową architekturę od podstaw – uwzględniając konkretne ograniczenia techniczne poprzedniego systemu – i dostarczyliśmy działający prototyp, który pokazał to podejście we wszystkich 11 obszarach wiedzy.
Architektura wieloagentowa z inteligentnym kierowaniem. Zamiast jednego monolitycznego chatbota zaprojektowaliśmy system z głównym agentem orkiestrującym, który kieruje pytania do wyspecjalizowanych agentów – każdy z własną bazą wiedzy obejmującą konkretną dziedzinę (pozwolenia, kategorie urządzeń, wymagania bezpieczeństwa, procedury itd.). Obywatel po prostu zadaje pytanie w języku naturalnym. Główny agent ustala, które dziedziny są istotne, i odpowiednio deleguje – bez konieczności wybierania kategorii.
Dopasowanie języka potocznego do technicznego. Głównym wyzwaniem było zniwelowanie różnicy między tym, jak obywatele opisują swoją sytuację, a tym, jak napisana jest dokumentacja techniczna. Pytanie o „duży metalowy zbiornik w mojej fabryce” trzeba powiązać z dokumentacją dotyczącą zbiorników ciśnieniowych, konkretnych klas bezpieczeństwa i odpowiednich procedur inspekcyjnych. Zaprojektowaliśmy proces wyszukiwania i podpowiedzi tak, aby niezawodnie radził sobie z tą semantyczną luką.
Dynamiczna obsługa zapytań. Nowa architektura radzi sobie z zadaniami, których nie potrafił obsłużyć poprzedni system: automatycznymi obliczeniami dat dla terminów i okresów ważności pozwoleń, doprecyzowywaniem niejednoznacznych pytań poprzez dialog uzupełniający oraz łączeniem wiedzy z wielu dziedzin, gdy pytanie obejmuje wiele kategorii.
Łatwe zarządzanie wiedzą przez pracowników nietechnicznych. Bazę wiedzy obsługuje się przez edytowalne listy SharePoint – dzięki temu eksperci dziedzinowi w instytucji mogą aktualizować, dodawać i utrzymywać treści bez udziału programistów ani wsparcia IT. To była świadoma decyzja projektowa: dokładność systemu zależy od aktualności treści, a osoby, które znają je najlepiej, nie powinny potrzebować umiejętności technicznych, by je utrzymywać.
Bezpieczne wdrożenie w Azure. Prototyp został zbudowany na Microsoft Azure z autoryzacją Entra ID i monitoringiem Langfuse – spełniając wymagania bezpieczeństwa instytucji i zapewniając pełną widoczność działania systemu.
Wyniki
PRZED
Obywatele musieli wybrać kategorię z góry. Brak obliczeń dat. Niemożność łączenia wiedzy z różnych dziedzin. Wielu obywateli rezygnowało i dzwoniło do urzędu.
PO
Obywatele pytają potocznym językiem – kierowanie odbywa się automatycznie. Wbudowane obliczenia dat. Obsługa pytań międzydziedzinowych. Wiedzą zarządzają pracownicy nietechniczni za pośrednictwem SharePoint.
Działający prototyp pokazał, że architektura wieloagentowa rozwiązuje konkretne problemy, z którymi nie radził sobie poprzedni system. Obywatele mogą naturalnie opisać swoją sytuację i otrzymać trafne odpowiedzi z właściwego obszaru wiedzy – bez znajomości wewnętrznej struktury ani terminologii instytucji.
Dla każdej instytucji publicznej lub przedsiębiorstwa z rozbudowaną, wielodziedzinową bazą wiedzy i użytkownikami niebędącymi ekspertami, ten projekt pokazuje skalowalne podejście: zamiast budować jednego ogromnego chatbota, który ma wiedzieć wszystko, dzieli się problem na wyspecjalizowanych agentów, z których każdy dobrze obsługuje swoją dziedzinę – wraz z inteligentną warstwą kierującą właściwego eksperta do właściwego pytania.
Użyte technologie
Więcej case studies
Zobacz, jak pomogliśmy innym firmom
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
POLITYKA · POLICY-INSIDER.AI
Wielogodzinna manulana analiza dokumentów politycznych zastąpiona podsumowaniami generowanymi przez AI
Analitycy spędzali godziny na czytaniu obszernych dokumentów politycznych UE, aby wyodrębnić kluczowe punkty. Zbudowaliśmy AI, które czyta, podsumowuje i powiadamia użytkowników o istotnych zmianach – automatycznie, w wielu językach.
Automatycznie
Podsumowania
Wielojęzycznie
Dokumenty UE
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