Cubility og Webstep utforsket KI for behandling av prisforespørsler

Illustrasjonsfoto: Line Owren

Hver gang en kunde sender Cubility en prisforespørsel på en spesialdel, setter det i gang en liten researchoppgave hos driftsavdelingen: finne riktig del i produktkatalogen, sjekke pris, sette sammen et tilbud som følger malen. Gjort én gang tar det ikke lang tid. Gjort i det volumet Cubility mottar, spiser det seg inn på tiden som ellers skulle gått til kjerneoppgaver og kundedialog. Det var utgangspunktet da Cubility tok kontakt med Webstep for å undersøke om kunstig intelligens kunne avlaste den delen av jobben, uten at noen tapte kontrollen på veien.

Dette er Cubility

Cubility er et norsk teknologiselskap med hovedkontor i Sandnes, og et av selskapene som har vist at olje- og gassbransjen ikke bare kan bli grønnere, men også stillere og tryggere å jobbe i. Selskapet er eksperter på solids control og separasjonsteknologi, kort fortalt alt som handler om å skille faststoff fra væske i industrielle prosesser.

Cubility har utviklet et helt innelukket system som bruker vakuum, lett mikrovibrasjon og et roterende filterbelte i rustfritt stål for å gjøre jobben uten støy og eksponering for skadelig oljedamp. Teknologien har tatt dem langt utover oljeservice, og brukes i dag blant annet av:

• Boreselskaper og operatører offshore og på landrigger

• Kommunale og industrielle renseanlegg for vann og avløp

• Havbruksnæringen, til rensing av vann og oppsamling av slam

• Gruvedrift og anlegg for håndtering av boreslam og gruveavfall

Prisforespørsler som spiste seg inn på kapasiteten

Cubility har tidligere automatisert deler av virksomheten der dataene er strukturerte. Men en stor del av det daglige arbeidet ligger i innboksen. Kunder over hele verden sender inn prisforespørsler på spesialdeler fra Cubilitys produktkatalog, og hver forespørsel må leses, tolkes og besvares manuelt. Forespørslene kommer som e-post, PDF-vedlegg og bilder, og passer dårlig for tradisjonell automatisering. Det var her mulighetene med språkmodeller kom inn: en teknologi som faktisk kan forstå ustrukturert innhold, ikke bare flytte det fra ett strukturert system til et annet.

Denne typen arbeidsflyt er et eksempel på hvordan KI kan gå fra enkeltstående prompts til å bli en del av en sammenhengende prosess.

Slik jobbet Cubility og Webstep sammen

Målet var tydelig fra starten: å utforske en løsning som kunne lese innkommende e-post, tolke innholdet og lage et utkast til pristilbud, uten at Cubility ga fra seg kontrollen i prosessen. Ambisjonen var å ta den mest tidkrevende delen av jobben og la de ansatte bruke tiden på kontroll og kundedialog. 

Webstep startet med anonymiserte data fra Cubility for å teste om en språkmodell kunne hente ut riktig informasjon fra en ordre-e-post: hvilket produkt som var forespurt, antall, leveringsfrist og hvem som bestilte. Først da dette var på plass, gikk teamet videre til å bygge selve løsningen.

Løsningen som ble utviklet og testet i prosjektet henter informasjon fra e-posttekst, PDF-vedlegg og innfelte bilder, og bruker den til å slå opp riktig produkt og pris i Cubilitys egne produktlister. Resultatet blir et utkast til pristilbud i Cubilitys mal, klart for gjennomgang. Et skreddersydd webgrensesnitt gir de ansatte oversikt over behandlede e-poster, og lar dem kontrollere utkastet mot den opprinnelige forespørselen før noe sendes til kunden. Denne kontrollen, human-in-the-loop, var et av de tidligste og viktigste valgene i prosjektet. Løsningen er bygget slik at ingenting sendes ut uten at et menneske har sett på det først. For å holde informasjonen innenfor landegrensen og i Cubilitys egen sky, er løsningen bygget på en norsk-hostet KI-modell. Underveis testet Cubility løsningen fortløpende, slik at teamet kunne justere den etter hvordan arbeidet i driftsavdelingen foregår.

– Vi opplevde samarbeidet som tett og effektivt. Webstep involverte oss aktivt gjennom hele utviklingsløpet, og vi kunne teste løsningen fortløpende med reelle problemstillinger. Det gjorde at løsningen ble tilpasset våre arbeidsprosesser i stedet for at vi måtte tilpasse oss løsningen, forteller Thomas Larsen, COO i Cubility.

Illustrasjonsfoto: Line Owren

Websteps rolle

Webstep stilte med et lite og tett team: Niclas Østberg som systemutvikler og Thore Tollevik som prosjektleder, med utvikleren på prosjektet fulltid og tett oppfølging gjennom daglige standups. Prosjektet var en Webstep-løsning fra ende til annen, og teamet tok selv ansvar for at treffsikkerheten skulle være god nok til at Cubility kunne vurdere løsningen på et realistisk grunnlag. 

– Det som gjorde dette prosjektet så vellykket, var at Cubility var med og testet løsningen underveis, ikke bare ved levering. Det ga oss innsikt vi ikke kunne ha funnet ut av på egen hånd, og gjorde at løsningen endte opp med å passe godt inn i måten de jobber, forteller Thore. 

Teknologien bak løsningen er:

• Microsoft Azure og AI Foundry som skyplattform og KI-infrastruktur

• TypeScript som hovedspråk i utviklingen

• EntraID og Microsoft Graph for autentisering og tilgangsstyring

Valget falt naturlig fordi Cubility allerede har store deler av sin infrastruktur i Azure, noe som gjorde integrasjonen mellom løsningen og kundens egne systemer uvanlig smertefri, selv med en så tett tidsramme.

Erfaringer fra utviklingen

– Det som fungerte best, var den iterative tilnærmingen, hvor vi kunne teste tidlig og justere underveis. Den største utfordringen var å sikre høy nok kvalitet når løsningen skulle tolke informasjon fra e-poster, PDF-er og bilder med varierende struktur. Derfor var testing og kvalitetssikring helt avgjørende før løsningen kunne tas i bruk operativt, sier Thomas Larsen. 

Det kjenner også Niclas igjen fra utviklingsarbeidet:

– Den største usikkerheten var hvor godt en språkmodell faktisk ville klare å tolke forespørslene når den møtte virkeligheten. Vi brukte nesten like mye tid på testing som på selve utviklingen, og det er noe av det jeg er mest stolt av. Vi tok oss tiden som trengtes for å være sikre før vi leverte løsningen, forteller Niclas.

Resultater fra prosjektet

Cubility satte seg et konkret mål før prosjektet startet: minst ni av ti forespørsler skulle bli tolket riktig av løsningen. I testene som ble gjennomført i prosjektet, ble dette målet nådd. Det var bare de mest spesielle og uvanlige forespørslene språkmodellen ikke klarte å tolke automatisk, og disse fanges opp av de ansatte i kontrollen som ligger i arbeidsflyten.

Erfaringene fra prosjektet: 

• Høy treffsikkerhet på typiske forespørsler i testene

• Prosjektet viste potensial for å redusere manuelt arbeid knyttet til behandling av prisforespørsler

• Full menneskelig kontroll bevart: ingen pristilbud sendes ut uten at en ansatt har godkjent det først

• Dataene holdes innenfor landegrensen gjennom en norsk-hostet KI-modell, i tråd med Cubilitys sikkerhetskrav

Prosjektet har gitt Cubility et grunnlag å bygge videre på. Samme tilnærming, å la en språkmodell tolke ustrukturert innhold og gjøre det tilgjengelig for videre bruk, kan i prinsippet kobles på andre oppgaver i samme landskap. 

Er du nysgjerrig på hva KI kan gjøre med e-poster, PDF-er og bilder som i dag leses og behandles manuelt hos dere? Ta kontakt, så finner vi ut sammen hva som kan være et fornuftig første steg. 

Flere kundehistorier om KI

Hvordan AI gjør 50 år med bore- og brønnerfaring søkbar og tilgjengelig 

Se hvordan Webstep har bidratt til å utvikle mBot for Equinor, en AI-løsning som gjør historiske data og fagkunnskap lettere tilgjengelig.