A Brexit és egy vesztegetési botrány történelmi méretű veszteségeket okozott a patinás brit vállalatnál. Míg előbbihez sok köze nincsen a mesterséges intelligenciának – legalábbis a cikkünkben szereplőnek –, addig az utóbbi bűncselekmény felfedésében komoly szerepet játszott.

A kelet-londoni Ravn olyan algoritmust készített, mely képes emberi nyomozókhoz hasonlóan átvizsgálni, címkézni, rostálni és összegezni dokumentumokat. Természetesen sokkal gyorsabban, mint akár fajunk ezen a téren legügyesebb képviselői, ráadásul nem követ el olyan hibákat, amikre az emberek figyelmetlenségből, fáradtságból hajlamosak.

Aktaválogató kisiparos

Ezt a tudását használta fel a britek súlyos csalásokat kivizsgáló hivatala, az SFO (Serious Fraud Office). A Ravn ACE névre hallgató fejlesztését elsőként a Rolls-Royce ügyében vetették be, hogy kiderítsék, mi az igazság a brit mérnökvállalat korrupciós vádjaiból. A robot a hétfős nyomozócsapat 30 millió dokumentum átvizsgálásával és kiértékelésével segítette a munkát – naponta 600 ezer feljegyzést nézett át. David Lumsden, a vállalat vezetője szerint ezzel a tempóval sokkal gyorsabban végezhettek az ügy elemző szakaszával, mintha azt pusztán emberi erőforrások bevetésével folytatták volna le.

A Rolls-Royce-szal kapcsolatos nyomozás során a fontos és kevésbé fontos akták szétválogatását végezte ACE. Ez az eljárás, noha rendkívül fontos egy-egy ügy kivizsgálása során, eléggé időigényes is, vagyis komolyan képes késleltetni a nyomozás sikerét.

A Rolls-Royce esetében alig több mint egy hónap alatt végzett a mesterséges intelligencia a feladattal; ha ugyanerre a feladatra emberi erőforrásokat használtak volna, akkor az sok hónapnyi munkát jelentett volna a hatóságnak. Az így felszabadult humán kapacitást a szöszölős, favágó munka helyett értékesebb teendőkre lehetett koncentrálni.

Egy lépéssel előrébb

Egyáltalán nem újdonság a mélykereső algoritmusok adatokat – például e-maileket vagy prezentációkat – indexelni tudó képessége. Az olyan vállalatok, mint a cambridge-i Autonomy már közel két évtizede használnak ilyen eljárásokat adatgyűjtésre és elemzésre. A Ravn fejlett gépi tanuló algoritmusai azonban egy lépéssel tovább mennek ennél. Ki tudják szedni és meg tudják érteni a szövegekből, képekből, táblázatokból származó információkat.

Lumsden szemléletes példával illusztrálta, mit tud a technika. Egy olyan feladatot, melynek során tízezernyi alkalmazotti feljegyzésből kell kiszedni az útlevélszámokat, az MI automatikusan megold – még akkor is, ha az okmányokról csupán fényképes adat áll rendelkezésre. Ezzel szemben emberi erővel egyenként le kell írni a kívánt számokat, ami nem csak sokkal tovább tart, de magában hordozza a többszörös hibázás lehetőségét is.

A már hét éve létező, magánkézben levő Ravn több mint 60 ügyféllel rendelkezik és állításuk szerint nyereségesek. A kliensek között nagy brit és amerikai jogi cégek, négy nagy, számvitellel foglalkozó vállalat és a legnagyobb brit lakossági bankok egy része egyaránt megtalálhatók. A 47 alkalmazottat foglalkoztató Ravn a tavalyi év során 3 millió dolláros bevételre tett szert, ami a terveik szerint idén duplázódni fog.