Weź udział w Śniadaniu Biznesowym z Mendix.

Case study

Automatyzacja odczytu numerów działek z dokumentów ubezpieczeniowych przy użyciu AI

180 minut ręcznej pracy zastąpione 5 minutami działania AI. Zbudowaliśmy system, który sam odczytuje numery działek z dokumentów ubezpieczeniowych, weryfikuje poprawność danych i przesyła je do systemu klienta – łącząc OCR, polski model językowy Bielik i pełną integrację z infrastrukturą on-premise.
  • Python
  • Docker
  • Kubernetes
  • MongoDB
  • RabbitMQ

O kliencie

Klientem było wiodące towarzystwo ubezpieczeniowych w Polsce z długoletnią tradycją i szeroką ofertą produktów. Ubezpieczyciel obsługuje klientów w różnych kanałach dystrybucji, w tym w kanale agencyjnym poprzez sieć agentów ubezpieczeniowych. Firma oferuje kompleksowe ubezpieczenia, w tym ubezpieczenia rolne, które wymagają szczegółowego dokumentowania działek i nieruchomości. Firma stawia na innowacje technologiczne i automatyzację procesów biznesowych, aby zapewnić najwyższą jakość obsługi klientów oraz efektywność operacyjną.

Kraj, w którym realizowano projekt
Polska
Branża

Ubezpieczenia

Sektor
Prywatny

Wyzwanie, z którym mierzył się klient

Proces sprzedaży ubezpieczeń rolnych w kanale agencyjnym wymagał manualnego wprowadzania danych na etapie przygotowywania oferty. Agenci ubezpieczeniowi byli zmuszeni ręcznie przepisywać numery działek z dokumentów klientów do systemu informatycznego. Ten proces był niezwykle czasochłonny i wynosił od 30 do 180 minut w zależności od ilości działek wymagających przetworzenia.

Manualne wprowadzanie danych generowało liczne błędy, które wpływały na jakość przygotowywanych ofert i mogły prowadzić do problemów w późniejszych etapach obsługi polisy. Dodatkowo, agenci zamiast skupić się na budowaniu relacji z klientem i sprzedaży, byli obciążeni żmudnymi, powtarzalnymi czynnościami administracyjnymi.

Brak automatyzacji tego procesu ograniczał skalowalność obsługi, szczególnie w przypadku klientów posiadających dużą liczbę działek. Warta potrzebowała rozwiązania, które przyspieszy proces, wyeliminuje błędy ludzkie i pozwoli agentom skupić się na wartościowej pracy z klientem. Kluczowym wymaganiem było również zapewnienie pełnego bezpieczeństwa danych poprzez wdrożenie rozwiązania on-premise.

Nasze działania, czyli jak pomogliśmy

Nexio zaprojektowało i wdrożyło zaawansowane rozwiązanie AI, które w pełni automatyzuje proces odczytu numerów działek z dokumentów ubezpieczeniowych. System został zbudowany w architekturze backendowej jako aplikacja REST API wykorzystująca Python i framework FastAPI.

Rozwiązanie integruje technologię OCR (Optical Character Recognition) z polskim modelem językowym Bielik (LLM) do inteligentnej ekstrakcji i walidacji danych. System przetwarza dokumenty w różnych formatach (PDF, JPG, PNG, GIF, TIFF, BMP, SVG, HEIC) i automatycznie wykrywa oraz odczytuje numery działek z tabel i zestawień. Dodatkowo, implementacja zawiera mechanizm weryfikacji logotypów obcych towarzystw ubezpieczeniowych, co pozwala na odrzucanie dokumentów pochodzących od konkurencji.

Zespół Nexio zaimplementował integrację z systemem repozytorium dokumentów klienta oraz z aplikacją używaną przez agentów. System został wyposażony w kolejkowanie zadań przy użyciu RabbitMQ oraz tymczasowe przechowywanie danych w MongoDB z automatycznym usuwaniem po 24 godzinach, co zapewnia zgodność z polityką bezpieczeństwa danych.

Całe rozwiązanie zostało zapakowane w kontenery Docker i wdrożone w klastrach Kubernetes klienta, co zapewnia skalowalność, wysoką dostępność i łatwość zarządzania. Nexio było odpowiedzialne za pełny cykl realizacji projektu: od analizy wymagań, przez projektowanie architektury, implementację, testy, aż po wdrożenie produkcyjne i integrację z istniejącymi systemami Warty. Zespół współpracował również z innymi dostawcami technologii, koordynując integrację różnych komponentów systemu.

technologia

  • Python
  • Docker
  • Kubernetes
  • MongoDB
  • RabbitMQ
  • Bielik.AI
  • PaddleOCR

Efekty

  • Skrócenie czasu przygotowania oferty z 30-180 minut do nawet 5 minut, dzięki pełnej automatyzacji procesu odczytu i wprowadzania numerów działek do systemu.
  • Wyeliminowanie błędów ludzkich powstających przy manualnym przepisywaniu danych oraz poprawa jakości danych w systemie I dokładności ofert, dzięki zastosowaniu AI do ekstrakcji i walidacji informacji z dokumentów.
  • Uwolnienie czasu agentów ubezpieczeniowych, którzy mogą skupić się na obsłudze klienta i sprzedaży zamiast żmudnych czynności administracyjnych, dzięki automatyzacji procesu.
  • Zwiększenie skalowalności obsługi klientów z dużą liczbą działek, dzięki możliwości szybkiego przetwarzania nawet setek numerów działek w kilka minut.
  • Zapewnienie pełnego bezpieczeństwa danych klientów poprzez wdrożenie rozwiązania on-premise, które spełnia wszystkie wymogi bezpieczeństwa towarzystwa ubezpieczeniowego.
  • Automatyczna weryfikacja źródła dokumentów z możliwością odrzucania dokumentów konkurencyjnych towarzystw ubezpieczeniowych, dzięki systemowi rozpoznawania logotypów.

Zobacz

Nasze inne realizacje

  • Flutter
  • Azure
  • AWS

Transformacja systemu w obliczu zwiększonego ruchu na stronie internetowej

Znany dostawca cateringu dietetycznego zwrócił się do nas z wyzwaniem dotyczącym obsługi wzmożonego ruchu na stronie sklepu internetowego.
  • Infrastruktura serwerowa
  • Systemy backupu danych
  • Microsoft 365
  • Uniflow Online
  • Infrastruktura sieciowa (LAN/WAN)

Kompleksowe wdrożenie infrastruktury IT dla koreańskiej firmy

Stworzenie od podstaw infrastruktury IT dla otwierającego się oddziału koreańskiej firmy w trzech lokalizacjach w Polsce. Projekt obejmował pełną integrację systemów, bezpieczne zarządzanie danymi oraz zapewnienie stałego wsparcia technicznego dla rozwijającej się organizacji we współpracy z administratorami IT z centrali w Korei.
  • Python
  • Docker
  • Kubernetes
  • OpenAI
  • Streamlit

Transformacja procesu przetwarzania CV dzięki AI

Aplikacja oparta na sztucznej inteligencji, która unifikuje różne formaty CV kandydatów do jednego standardu. Rozwiązanie skróciło czas przygotowania dokumentu z 30 minut ręcznej pracy do zaledwie 2 minut pracy automatycznej.