KT i Amorepacific skracają przegląd badań kosmetycznych z 12 dni do 5 minut dzięki AI

Koreański operator telekomunikacyjny KT i kosmetyczny koncern Amorepacific ogłosili we wtorek uruchomienie wspólnie opracowanego asystenta AI o nazwie Lemon, który ma przeszukiwać i analizować siedem dekad danych badawczo-rozwojowych firmy. W testach beta prowadzonych z naukowcami z centrum R&I Amorepacific czas potrzebny na przegląd materiałów badawczych i wymogów regulacyjnych na etapie planowania nowego produktu spadł z około 12 dni do pięciu minut.

Co konkretnie robi Lemon

Lemon pozwala naukowcom Amorepacific zadawać pytania w języku naturalnym i otrzymywać zintegrowane odpowiedzi czerpane z baz danych składników, receptur, raportów z eksperymentów oraz dokumentacji regulacyjnej. Zamiast ręcznie przeszukiwać archiwa i skoroszyty zgromadzone przez dekady, badacz opisuje swoje zapytanie zwykłym zdaniem, a system samodzielnie łączy dane rozproszone dotąd po wielu systemach firmy.

Fundamentem projektu była wcześniejsza praca nazwana "Data Highway" - uporządkowanie i przekształcenie surowych, często niesformatowanych danych badawczych w postać czytelną dla modeli AI. Bez tego etapu asystent nie miałby z czego czerpać, ponieważ dane rozwojowe Amorepacific gromadzone są od dziesięcioleci w różnych formatach i systemach.

Skala oszczędności czasu

Redukcja z 12 dni do pięciu minut dotyczy konkretnego etapu procesu: przeglądu literatury naukowej i wymogów regulacyjnych przy planowaniu nowego produktu kosmetycznego. To zadanie, które w firmie tej wielkości powtarza się przy każdym nowym projekcie receptury, więc skumulowana oszczędność czasu badaczy może być znacząca, nawet jeśli finalny produkt wciąż wymaga testów laboratoryjnych i zatwierdzeń, których AI nie zastępuje.

KT podkreśla, że ustrukturyzowanie danych pozwala systemowi AI rozumieć i analizować informacje badawcze bez dodatkowego przetwarzania w locie, co przekłada się na szybsze i bardziej spójne odpowiedzi niż przy przeszukiwaniu nieuporządkowanych archiwów.

Dlaczego korporacyjne AI od danych, nie od modelu

Projekt Lemon wpisuje się w szerszy trend, w którym duże firmy przemysłowe traktują przygotowanie własnych danych jako pierwszy i najkosztowniejszy krok wdrożenia AI, a sam model językowy jako komponent wymienny. KT deklaruje, że wykorzysta doświadczenie zdobyte przy Amorepacific do podobnych wdrożeń w innych branżach - produkcji, handlu detalicznym i usługach.

Będziemy wykorzystywać nasze doświadczenie z tego projektu, aby rozszerzyć inicjatywy transformacji AI oparte na gotowych danych na różne gałęzie przemysłu - Noh Hyung-rae, szef Enterprise Business w KT

Co dalej

Obie firmy zapowiadają dalsze rozszerzanie środowiska danych gotowych do pracy z AI oraz przygotowanie gruntu pod bardziej autonomiczne agenty AI w działach badawczo-rozwojowych Amorepacific. Platforma Lemon ma być traktowana jako fundament, na którym powstaną kolejne narzędzia, a nie zamknięty produkt.

Dla polskiego czytelnika przypadek Amorepacific i KT jest przykładem konkretnym i policzalnym - w odróżnieniu od wielu doniesień o "transformacji AI" w korporacjach, tu podano wprost, ile dni pracy zaoszczędzono i na jakim etapie procesu. To rodzaj wdrożenia, które polskie firmy produkcyjne i badawcze - farmaceutyczne, chemiczne, spożywcze - również mogłyby rozważyć, o ile dysponują porównywalnie dużym i uporządkowanym archiwum danych R&D.

Historia pokazuje też, gdzie leży prawdziwy koszt takich projektów: nie w samym modelu językowym, lecz w wieloletniej pracy nad ujednoliceniem formatów i metadanych. Bez etapu Data Highway żaden asystent AI nie miałby z czego korzystać, niezależnie od tego, jak zaawansowany model stałby za interfejsem.