Siirry sisältöön

DAIN Studios: Monikansallinen teollisuuskaasuihin ja -tekniikkaan erikoistunut yritys

Tiivistelmä

DAIN Studios: Monikansallinen teollisuuskaasuihin ja -tekniikkaan erikoistunut yritys
Yrityksen koko
  • Keskisuuri
Toimiala
  • Energia ja infrastruktuuri
  • Teollisuus ja toimitusketjut
Prosessi
  • Riskienhallinta ja vaatimustenmukaisuus
Projekti
Projektityyppi
  • Operatiivinen erinomaisuus
Kustannustaso
  • 10 001 – 100 000€
Alue
  • Kansainvälinen
Kieli
  • Englanti
Toteutus
Toteutustaso
  • Tuotanto
Tekoälyteknologiat
  • Keskusteleva tekoäly ja chatbotit
  • Liiketoimintatiedon analytiikka ja päätöksenteon tuki
  • Luonnollisen kielen käsittely (NLP)
Teknologiat
  • Azure
  • Document Parcing
  • Large Language Models
  • Semantic Search
  • Word document generation
GDPR:n alaista tietoa

Kyllä

Globaali sisäisen tarkastuksen toiminto toteuttaa vuosittain lukuisia auditointeja eri liiketoimintayksiköissä, kuten IT:n, talouden ja insinööritoiminnan alueilla. Auditointien valmistelu ja raporttien laatiminen vaativat merkittävää asiantuntijatyötä.

Ongelma

Globaali sisäisen tarkastuksen toiminto toteuttaa vuosittain lukuisia auditointeja eri liiketoimintayksiköissä, kuten IT:n, talouden ja insinööritoiminnan alueilla. Auditointien valmistelu ja raporttien laatiminen vaativat merkittävää asiantuntijatyötä.

Raporttien tuottaminen oli hidasta, ja yhdenmukaisuuden ylläpitäminen haastavaa, koska tarkastajien piti viitata aiempiin raportteihin tunnistaakseen sovellettavat kontrollit maittain ja toiminnoittain sekä varmistaakseen samankaltaisten havaintojen johdonmukaisen käsittelyn. Tämä lisäsi työkuormaa ja saattoi viivästyttää korjaavien toimenpiteiden toteuttamista.

Ratkaisu

Käyttöön otettiin agenttipohjainen Audit AI -järjestelmä, joka hyödyntää generatiivista tekoälyä ja laajoja kielimalleja Azure-ympäristössä tukemaan tarkastajia aiempiin auditointiraportteihin kohdistuvassa kysymys–vastaus-haussa sekä automatisoimaan auditointiraporttien luonnosten laatimista.

Järjestelmä rakennettiin aluksi hyväksyttyihin auditointidokumentteihin kohdistuvan semanttisen haun varaan, ja sitä täydennettiin eri kysymystyyppeihin erikoistuneilla alijärjestelmillä. Näitä ovat esimerkiksi aiempien samankaltaisten tapausten tunnistaminen, aiemman auditoinnin tiivistäminen sekä riskien ja kontrollien vaikutusten selittäminen. Kyselyn perusteella orkestroiva agentti valitsee kuhunkin tilanteeseen sopivimman alijärjestelmän.

Raporttiluonnosten laatimisessa järjestelmä jäsentää rakenteisen syötedokumentin, tuottaa osioiden johdannot ja havaintotekstit, luokittelee havaintojen prioriteetin ja kokoaa lopputuloksen muotoiltuun Word-dokumenttiin.

Tulos

Auditointiraporttien laatimiseen kuluva aika lyheni noin 24 tunnista noin kahteen tuntiin. Organisaatio arvioi säästävänsä noin 8 000 työtuntia vuodessa, mikä vastaa noin 1–3 miljoonan euron vuotuisia säästöjä.

Raporttien laatu parani luotettavamman raportoinnin ja auditointien havaintojen paremman yhdenmukaisuuden ansiosta, mikä tukee vaatimustenmukaisuutta ja vahvistaa sidosryhmien luottamusta.

ROI

Arvo syntyi merkittävistä tuottavuushyödyistä auditointien valmistelussa ja raporttien laatimisessa (arviolta noin 8 000 tuntia säästöä vuodessa) sekä noin 1–3 miljoonan euron vuotuisista kustannussäästöistä.

Lisäarvoa toi myös havaintojen parempi yhdenmukaisuus ja raportoinnin vahvistunut luotettavuus, mikä tukee nopeampaa ja johdonmukaisempaa korjaavien toimenpiteiden toteutusta.