Implementácia Generative AI pre Skill Management Platformu Solvedio​

Klient

Solvedio je platforma typu Digitalization as a Service (DaaS), zameraná na komplexnú digitalizáciu podnikov prostredníctvom ľudsky orientovaného, no-code prístupu. Riešenia Solvedio sú prispôsobené pre výrobný, HR a verejný sektor, s cieľom umožniť rýchlu a dostupnú digitálnu transformáciu. Vďaka rýchlosti, flexibilite a nízkym nákladom sa Solvedio stalo kľúčovým partnerom pre firmy, ktoré chcú modernizovať svoje procesy a zvýšiť produktivitu.

Kontext a výzvy

V posledných rokoch prechádza trh digitalizačných a HR technológií zásadnou zmenou. Organizácie čoraz viac presúvajú dôraz na inteligentné systémy, ktoré dokážu automaticky vyhodnocovať schopnosti, optimalizovať pracovné tímy a predikovať potreby vzdelávania. Tento trend vedie k masívnej adopcii cloudových a AI riešení.

Hlavnou obchodnou výzvou pre platformu Solvedio bolo obmedzenie pri automatickom spracovaní a porozumení neštruktúrovaných údajov na naplnenie a udržiavanie jej matíc zručností. Zákazníci potrebovali riešenie, ktoré by mohlo ísť nad rámec manuálneho zadávania údajov a základného sledovania zručností. Platforma si vyžadovala výrazné technologické vylepšenie, aby:

1. Automaticky generovala komplexnú maticu zručností priamo z rôznych dokumentov zamestnancov, ako sú životopisy a certifikáty. Systém musel spracovať viacero formátov, ako sú PDF, DOCX, TXT a rôzne typy obrázkov.
2. Inteligentne poskytovala odporúčania pre nové zručnosti na základe existujúceho profilu a dokumentov používateľa.
3. Automatizovala navrhovanie kvalifikovaných používateľov pre konkrétne skupiny zručností alebo projekty, čím sa zefektívnilo formovanie tímu.
4. Umožnila konverzačnú interakciu so systémom na vyhľadávanie zručností a poznatkov pomocou modelu chatu s umelou inteligenciou.

Bez vylepšenia platformy o generatívnu umelú inteligenciu čelilo Solvedio niekoľkým dlhodobým obchodným rizikám:

1. Stagnujúca ponuka produktov: Platforme by chýbala konkurenčná diferenciácia, ktorú poskytujú funkcie založené na umelej inteligencii, čím by hrozilo, že zákazníci uprednostnia inovatívnejšie riešenia.
2. Obmedzená hodnota pre zákazníka: Záťaž manuálneho zadávania údajov a analýzy by zostala na zákazníkovi, čo by znížilo hodnotovú ponuku platformy a potenciálne viedlo k odchodu zákazníkov.
3. Obmedzenia škálovateľnosti: Neschopnosť automatizovať extrakciu zručností by zákazníkom zabránila efektívne riadiť zručnosti veľkej a dynamickej pracovnej sily, čím by sa obmedzila atraktívnosť Solvedio na podnikovej úrovni.
4. Prevádzková neefektívnosť pre koncových používateľov: Zákazníci by naďalej zápasili s neefektívnym obsadzovaním projektov, pomalou identifikáciou odborných znalostí a nedostatkom strategického prehľadu o ich kolektívnej základni zručností.

Cieľ

Obchodné ciele:

• Automatizovať generovanie a aktualizáciu matíc zručností priamo z dokumentov zamestnancov.

• Optimalizovať zostavovanie tímov pomocou AI odporúčaní podľa zručností a dostupnosti.

Technické ciele:

• Vybudovať inteligentnú, API-riadenú platformu s generatívnou AI na spracovanie rôznych formátov dokumentov.

• Implementovať sadu bezpečných, asynchrónnych API pre dlhodobé spracovanie úloh.

Riešenie

Riešenie je postavené na serverless architektúre, vďaka čomu Amazon Web Services (AWS) automaticky spravuje škálovanie a dostupnosť. Architektúra je navrhnutá tak, aby bola odolná a efektívna v spracovaní dlhodobých úloh, ktoré sú oddelené od počiatočných požiadaviek používateľa. Tento prístup zabezpečuje, že zlyhanie jedného procesu nevedie k zlyhaniu celej API požiadavky.

Architektonický prehľad

• Amazon SQS oddeluje načítavanie a spracovanie dát, čo umožňuje systému zvládať vysoké špičky vstupných požiadaviek.

• Amazon Aurora Serverless (PostgreSQL) a Amazon S3 slúžia ako úložisko dát, pričom Amazon Aurora funguje ako vektorová databáza spravovaná cez Amazon Bedrock Knowledge Bases s podporou automatického škálovania a multi-AZ nasadenia.

• Vďaka plne serverless prístupu sa odstránili jednotné body zlyhania – komponenty ako Amazon API Gateway, AWS Lambda a Amazon DynamoDB fungujú a škálujú nezávisle.

• Asynchrónny job systém zaručuje, že aj pri zlyhaní čiastkovej úlohy zostáva API dostupné a stabilné.

Spracovanie a riadenie úloh

Pre každú požiadavku sa vytvára samostatná úloha (job), ktorá sa eviduje v Amazon DynamoDB. Tabuľka uchováva stavy spracovania (pending, streaming, failed, completed). Po dokončení sa výsledok uloží späť do záznamu. Týmto spôsobom je možné efektívne spracovávať aj dlhodobé AI požiadavky bez preťaženia systému.

Komponenty a ich úloha

• Amazon Bedrock Knowledge Bases poskytuje plne spravovaný Retrieval-Augmented Generation (RAG) pipeline, ktorý zahŕňa vektorizáciu zdrojových dokumentov pomocou Amazon Titan Text Embeddings V2, ich ukladanie do Amazon Aurora Serverless a spravovanie dotazov. Vlastná implementácia RAG by bola časovo aj technicky náročnejšia.

• Amazon Aurora Serverless (PostgreSQL) bola zvolená pre automatické škálovanie a optimalizované náklady v porovnaní s Amazon OpenSearch Serverless. Využíva sa aj pre širší súbor funkcionalít plánovaných v budúcnosti.

• Amazon DynamoDB zabezpečuje asynchrónne spracovanie AI požiadaviek, keďže relačná databáza by spôsobovala zbytočné režijné náklady.

• Amazon SQS podporuje dávkové spracovanie nových záznamov, ktoré treba načítať, predspracovať a vektorizovať – čím zvyšuje odolnosť systému. Alternatívy ako RabbitMQ na Amazon EC2 boli odmietnuté pre vyššiu prevádzkovú záťaž.

• AWS Lambda je výpočtová vrstva pre všetku biznis logiku – jej event-driven povaha umožňuje reagovať na API volania aj správy z frontov.

• Amazon EventBridge zabezpečuje periodické spúšťanie funkcií AWS Lambda pre synchronizáciu znalostnej bázy.

• Amazon CloudWatch monitoruje výkonnosť, chybovosť a latencie systému pre účely optimalizácie.

Integrácie a dátové toky

1. Amazon SQS → AWS Lambda triggers – pre asynchrónne dávkové spracovanie záznamov.

2. Amazon DynamoDB → AWS Lambda triggers – pre spracovanie nových AI požiadaviek.

3. Amazon Bedrock Knowledge Bases ↔ Amazon Aurora Serverless – ukladanie vektorov generovaných pomocou Amazon Titan Text Embeddings V2.

4. Amazon EventBridge → AWS Lambda – periodické spúšťanie synchronizácie znalostnej bázy.

Tento dizajn zabezpečuje robustnú, škálovateľnú a nákladovo efektívnu prevádzku bez nutnosti správy serverov, pričom všetky komponenty sú navzájom oddelené a nezávislé.

Každá služba AWS bola zvolená na základe analýzy alternatív:

• Amazon Bedrock Knowledge Bases – poskytuje plne spravovaný RAG proces; vlastná implementácia by zvýšila komplexnosť a čas dodania.

• Amazon Aurora Serverless (PostgreSQL) – zvolená pre automatické škálovanie a nižšie náklady oproti Amazon OpenSearch Serverless, s využitím existujúcej expertízy tímu.

• Amazon DynamoDB – používa sa na správu dlhodobých AI úloh a sledovanie ich stavov, namiesto relačnej databázy kvôli výkonu a jednoduchosti.

• Amazon SQS – decoupling batch spracovania; alternatívy ako RabbitMQ boli odmietnuté pre vyššiu prevádzkovú záťaž.

• AWS Lambda – event-driven výpočtová vrstva bez potreby správy serverov.

• Amazon EventBridge – plánovanie periodických úloh na synchronizáciu znalostnej bázy.

Integrácie:

1. Triggery AWS Lambda z Amazon SQS pre dávkové spracovanie záznamov.

2. Triggery AWS Lambda z Amazon DynamoDB (INSERT) pre AI požiadavky.

3. Prepojenie Amazon Bedrock Knowledge Bases – Amazon Aurora Serverless pre ukladanie vektorov.

4. Amazon EventBridge trigger pre synchronizáciu znalostnej bázy.

Výsledky a benefity

Riešenie prinieslo merateľné obchodné aj technologické prínosy, pričom sa preukázala jeho optimalita z hľadiska hodnoty, nákladov a komplexnosti. Riešenie je optimálne v troch hlavných oblastiach:

• Maximalizovaná obchodná hodnota: Využitím spravovaných služieb ako Amazon Bedrock Knowledge Bases sa odstránila potreba budovať vlastný RAG pipeline od začiatku, čím sa výrazne urýchlil vývoj a nasadenie nových AI funkcií pre zákazníkov.

• Minimalizované náklady: Serverless architektúra postavená na AWS Lambda, Amazon SQS a Amazon DynamoDB umožňuje platiť len za reálne spotrebované zdroje, bez nákladov na nečinné servery.

• Znížená komplexnosť: Event-driven architektúra zjednodušuje celý systém, uľahčuje vývoj, ladenie aj údržbu. Amazon Bedrock Knowledge Bases zároveň minimalizuje zložitosť implementácie, ladenia a správy bezpečného a efektívneho RAG riešenia.

Riešenie prinieslo merateľnú hodnotu v dvoch hlavných ukazovateľoch, ktoré priamo ovplyvňujú operačnú stabilitu a efektivitu tímov:

1. Zlepšenie realizácie projektov vďaka priraďovaniu podľa zručností: Pred implementáciou bolo približne 23 % projektov oneskorených kvôli nesprávnemu priradeniu ľudí. Po nasadení platformy Solvedio s AI odporúčaniami klesla miera oneskorení na 10 % do 6 mesiacov, čo predstavuje viac než 50 % zlepšenie. Meranie sa realizovalo prostredníctvom logov dokončenia projektov, sledovaním podielu načas odovzdaných projektov pred a po nasadení riešenia.

2. Vyrovnanie záťaže a zvýšenie spokojnosti zamestnancov: Pred implementáciou dosahovala spokojnosť so záťažou 60 bodov zo 100. Po šiestich mesiacoch používania nástrojov na analýzu kapacít a zručností stúpla na 80 bodov, čím sa prekonal cieľ 75.

   Údaje sa získavali z opakovaných zamestnaneckých prieskumov a analytiky vyťaženia (napr. percento zamestnancov v optimálnom využití). Výsledkom bolo lepšie rozdelenie práce, vyššia morálka tímov a pozitívny vplyv na retenciu.

Záver

Táto prípadová štúdia popisuje, ako možno prostredníctvom Generative AI a cloudových technológií zásadne zmeniť spôsob, akým organizácie pristupujú k digitalizácii, automatizácii a využívaniu dát. Integrácia pokročilých AI služieb do existujúcich procesov vytvorila riešenie, ktoré nielen zefektívňuje spracovanie dát, ale aj umožňuje rýchlejšie rozhodovanie a strategické riadenie zdrojov.

Hodnota platformy presahuje oblasť HR. Ide o demonštráciu, ako môže Generative AI urýchliť digitálnu transformáciu v rôznych segmentoch, od výroby cez verejnú správu až po manažment znalostí a interné inovácie. Platforma Solvedio potvrdzuje, že spojením cloudovej infraštruktúry, asynchrónneho spracovania a inteligentného učenia možno vytvoriť flexibilné riešenie pripravené na budúce rozšírenia v oblasti dátovej analytiky, prediktívneho plánovania a autonómneho rozhodovania.

Platforma je dôkazom, že Generative AI sa stáva kľúčovým nástrojom pre digitálnu transformáciu organizácií a poskytuje rýchlosť, presnosť a škálovateľnosť potrebnú na zvládanie komplexných dátových ekosystémov.