RAG · Health · RDS · Bedrock
1,2 miljoner analyser. 60 sekunder. En AI.
PolicyAgent är en plattform som samlar in och analyserar data från politiska och regulatoriska källor. De ger företag och organisationer en övergripande helhetsbild över beslut och protokoll på nationell, regional och kommunal nivå. Varje dag publiceras hundratals politiska beslut som kan påverka verksamheter i olika branscher, PolicyAgent idag hjälper några av de största företagen och organisationer att få en heltäckande överblick över beslut och protokoll på en samlad plats. Varför bryr sig bolag om det? För att kunna ligga steget före och få djupare insyn i sina beslut för verksamheten.
Om kunden
PolicyAgent är en plattform för AI-baserad politisk omvärldsbevakning. De grundades 2013 och samlar in de senaste besluten och nyheterna från Rosenbad, Sveriges riksdag, regionfullmäktige, offentliga organ, myndigheter, tankesmedjor och media. Det innebär att du får koll på allt från internationella forskningsartiklar till regionala beslutsprotokoll. Några kunder som de hjälper är idag är barncancerfonden och Janssen-Cilag, för att ge de en överblick över hur politiska beslut påverkar deras verksamhet och vara säkra på att de inte missa något.
Utmaningen
PolicyAgent hade redan en struktur och plattforms som samlade alla dokument till en central plats, utmaningen därefter var den största utmaningen, att tolka och analysera alla dokument i realtid. Där kom Altostruct in för att hjälpa till med att lösa den utmaning. Analysera alla besluten och nyheter för varje region utan att missa något från regioner som kan påverka organisationens beslut i realtid. Resultatet kommer att frigöra teamen från manuellt arbete och låter dem fokusera på mer strategiska uppgifter.
Lösning – En plattform som frigör tid för användarna
För PolicyAgent var det avgörande att plattformen är robust, dynamisk och kontinuerligt uppdaterad med de senaste politiska besluten – även när dessa ändras. Genom en RAG model lösning med generativ AI kunde Altostruct automatisera och förenkla en process som tidigare var omöjlig att hantera i realtid.
Vi optimerade lösningen genom att endast extrahera den information som är relevant för användarens frågeställning. Med hjälp av andra verktyg sorteras dessa utdrag efter relevans och sammanhang till frågeställningen innan de matas in i den RAG AI-modellen. En RAG AI-modellen används för att kombinera stora språkmodeller med sökning i företagets databas. Det som gör lösningen ännu bättre är att vi, genom att analysera alla regioner utifrån användarens frågeställning och använda generativ AI med tillgång till samtliga dokument, kan identifiera samband och dra slutsatser som tidigare inte var möjliga. Tidigare arbetade team ofta isolerat med lokala regioner och beslut, vilket begränsade insikterna.
Resultatet är en riktad, kostnadseffektiv och transparent analys. Rapporten visar inte bara svar på frågan utan citerar även exakt vilket dokument informationen kommer ifrån och i vilket sammanhang det var relevant. Kostnaderna gick från heltidsanställda i team på organisationen till 2 kr per besvarad fråga/rapport genererad.
Resultat
Tidsbesparing: Upp till 90% mindre manuellt arbete
Effekt: Snabbare insikter och bättre beslutsunderlag
Transparens: Full spårbarhet till källan
Reduktion av analyskostnader med 84%
Sök & analysera över en miljon dokument < 60 sekunder
Idag krävs det inte längre ett hela teams för att analysera besluten och nyheterna, endast någon som verifierar resultaten. Verifikationen är enkel att hantera eftersom den AI-modellen källhänvisar till dokument som analysen gjordes ifrån. Nu kan bolag frigöra resurser som kan användas på andra delar av organisationen utan att missa något.