Prosjekter

Se hvordan vi har brukt kunstig intelligens i praksis sammen med kundene våre

Gesture, Font, Art

Caser

Se hvordan vi har brukt kunstig intelligens
i praksis sammen med kundene våre

REN ønsket å utvikle en GPT-basert løsning for å svare på spørsmål tilknyttet utbygging og vedlikehold av energi og nett, basert på proprietære data i RENbladene*.

I dette prosjektet leverte Kantega en isolert pilotløsning som benyttet Retrieval Augmented Generation-teknikker og store språkmodeller for dette formålet.

Løsningen hentet informasjon fra RENbladene via et vektorsøk som så lar seg utfylle med referanser til kildene som grunner svaret.

*RENbladene: Dokumentasjon for prosjektering, montasje, drift og vedlikehold

REN

RENbladene er en dynamisk kunnskapsbank for prosjektering, montasje, drift og vedlikehold innen elkraft, og består av hundrevis av dokumenter på opptil hundrevis av sider. Det kan være utfordrende å navigere i denne rike kunnskapsbanken for en sluttbruker. REN bruker i dag betydelige ressurser på å besvare henvendelser som sluttbrukere i utgangspunktet skal kunne finne svare på basert på RENblad, men der de av effektivitetshensyn gjerne stiller skriftlige spørsmål direkte til REN.
REN kontaktet Kantega med ønske om bistand til å utvikle en RAG-modell, og en fullverdig pilotløsning for automatisert spørsmålbesvarelse basert på RENbladene og store språkmodeller. Det ble benyttet teknologier som Docker, Streamlit, Azure OpenAI, Azure AI Search og Azure container instances, samt Terraform og GitHub actions for automatisk utrulling av infrastruktur i Azure. Løsningen ble demonstrert på konferansen Nettverksuken 30. november 2023 foran et stort publikum av fagpersoner innen elkraftbransjen. Piloten ble meget godt mottatt av fagmiljøet innen elkraft hos nettselskapene i Norge og elkraftingeniører som bruker veilederne i RENbladene til å prosjektere elektriske anlegg. REN besluttet på bakgrunn av dette å videreutvikle løsningen i 2024.
REN fikk gjennom en begrenset pilot verifisert hypotesen om at det finnes etterspørsel etter en språkmodellbasert løsning for å hente kunnskap fra RENbladene.

SpareBank1 Kreditt ønsket å bruke data til å automatisere vurderingen av kredittsøknader. Krav til nøyaktighet og sikker bruk av kunstig intelligens/ maskinlæring var spesielt viktig i arbeidet for å predikere potensielt mislighold.

I tett samarbeid med kunden, har Kantega utviklet en ny maskinlæringsmodell til predikering av mislighold.

SpareBank 1 Kreditt

SpareBank 1 Kreditt er en ansvarlig kredittleverandør som gjennomfører omfattende risikovurderinger når kundene søker om kreditt. Med flere års erfaring og data samlet i markedet, hadde de et godt utgangspunkt for å automatisere søknadsvurdering enda mer på en trygg måte. I tillegg har de fokus på å ta i bruk smarte AI-løsninger på flere andre områder. Dette krever gode verktøy og systemer for å legge til rette for ytterligere innovasjon.
I tett samarbeid utviklet SpareBank 1 Kreditt og Kantega en ny maskinlæringsmodell til predikering av mislighold av kredittprodukter (PD-modell) basert på historisk data. I denne prosessen fokuserte vi på tradisjonelle maskinlæringsmodeller med god forklarbarhet. Vi brukte de vanlige teknologiene med Python, scikit-learn og Jupyter, samt visualiseringsverktøy som seaborn. Kantega har også hjulpet SpareBank 1 Kreditt i skyreisen med å etablere robuste løsninger til trening av flere maskinlæringsmodeller i Azure Machine Learning Studio. I arbeidet brukte vi også Python og Azure DevOps for å ha gode, kodesentrerte løsninger basert på erfaringer fra vanlig systemutvikling.
Med egenutviklet modell for å estimere kredittrisiko, kan SpareBank 1 Kreditt gjennomføre bedre og mer automatiserte vurderinger av søknader. Dette kan frigjøre arbeidstid til rådgivere, samt øke tryggheten i evalueringen takket være full kontroll på hele prosessen. Som en positiv konsekvens av arbeidet med å etablere gode systemer og rutiner for utvikling av maskinlæringsmodeller i skyen, har selskapet muligheten til å rulle ut nye løsninger trygt og raskt. Kantega har samarbeidet med SpareBank 1 Kreditt i flere år, og har levert rådgivning og konsulenttjenester innenfor utvikling, operasjonalisering og integrering av løsninger for maskinlæring.