Didieji kalbos modeliai (LLM) šiandien vis dažniau pristatomi kaip universalus sprendimas beveik kiekvienai verslo problemai, tačiau realybėje jų vertė atsiskleidžia tik tada, kai jie yra tiksliai pritaikyti konkretiems procesams, duomenims ir sprendimų priėmimo logikai. Organizacijoms svarbus ne pats modelis, o tai, kaip jis veikia su vidine informacija ir kiek realiai sumažina darbo krūvį.
„LLM nėra stebuklingas įrankis. Tai sistema, kuri turi būti išmokyta dirbti jūsų kontekste, kitaip ji liks tik demonstracija“, – sako Aistis Raudys, dirbtinio intelekto sprendimų kūrėjas. 
Kur LLM kuria didžiausią vertę?
Didžiausią vertę LLM kuria ten, kur reikia apdoroti didelius tekstinės informacijos kiekius: klientų aptarnavime, žinių valdyme ar vidiniuose procesuose. Tokie modeliai geba ne tik generuoti tekstą, bet ir struktūruoti informaciją, atsakyti į sudėtingus klausimus bei pagreitinti sprendimų priėmimą.
Integruoti į kasdienes sistemas, jie tampa ne papildomu įrankiu, o natūralia darbo dalimi. Jie padeda darbuotojams greičiau rasti informaciją, sumažina pasikartojančias užduotis ir didina bendrą produktyvumą.
LLM apskaitos automatizavimui
„Finance United" sukūrėme NLP asistentą lietuvių kalba, automatizuojantį apskaitos užduotis mažoms ir vidutinėms įmonėms. Sistema apdoroja dokumentus iš skirtingų šaltinių – sąskaitas, banko išrašus, sutartis iš PDF ir el. laiškų – tikrina atitiktį naujausiems teisiniams reikalavimams realiuoju laiku ir generuoja finansines įžvalgas. Skirtingai nuo statinių sprendimų, sistema apima adaptyviąją žinių bazę, kuri mokosi iš kiekvienos sąveikos. Tikslinė rinka – daugiau nei 10 000 apskaitos įmonių vien Lietuvoje, su licencijavimo potencialu kitose rinkose.
Saugumas, tikslumas ir kontrolė
LLM diegimas versle visada susijęs su rizikomis, todėl labai svarbu užtikrinti duomenų saugumą, atsakymų tikslumą ir sprendimų kontrolę. Modeliai turi būti paremti patikimais duomenų šaltiniais ir veikti laikantis aiškių taisyklių.
„Jei modelis generuoja atsakymus, kurių negali patikrinti ar paaiškinti, jis verslui nėra tinkamas“, – pabrėžia A. Raudys. Būtent todėl LLM sprendimai turi būti ne tik apmokyti, bet ir nuolat stebimi bei tobulinami. 
Kaip LLM keičia pacientų aptarnavimą?
Medicinos sektorius kelia ypač aukštus reikalavimus AI sprendimams: svarbus ne tik greitis, bet ir tikslumas, atitiktis reguliavimo reikalavimams ir gebėjimas dirbti su specializuota terminologija. LLM čia gali spręsti du iš esmės skirtingus uždavinius – padėti operatoriams realiuoju laiku aptarnauti didelius skambučių srautus ir suteikti pacientams kompetentingą informaciją dar prieš patenkant pas specialistą.
Skambučių centro asistentai
Didelėse įstaigose, tokiose kaip Kauno poliklinika, kur kas mėnesį aptarnaujama virš 95 000 skambučių per 34 operatorius, pagrindinė problema nėra technologijų trūkumas – tai informacijos srauto valdymas ir operatorių apkrova. Sprendimas buvo kuriamas ne kaip atskiras įrankis, o kaip integruota sistemos dalis. Jis apjungia kalbos atpažinimą, pokalbių transkripciją, kontekstinių atsakymų generavimą ir automatines santraukas, leidžiančias operatoriams dirbti greičiau ir tiksliau. Modelis apmokytas 50 000 realių pacientų sąveikų duomenų rinkiniu, pasiekia ≥85% tikslumą net triukšmingoje aplinkoje ir integruotas su registracijos sistemomis bei sveikatos įrašais.
„Svarbiausia buvo ne tai, kad sistema supranta kalbą, o tai, kad ji padeda žmogui realiu laiku priimti sprendimą", – aiškina A. Raudys.
Technologiškai naudojami pažangūs modeliai, tokai kaip „Whisper“ ir „Wav2Vec2“, tačiau tikrasis efektyvumas pasiektas juos pritaikius konkrečiai aplinkai – lietuvių kalbai, medicininei terminologijai ir realiems pacientų scenarijams. Integracija su registracijos sistemomis ir sveikatos įrašais leidžia sprendimui veikti kaip natūraliai įsiliejusiai infrastruktūros daliai.
Plastinės chirurgijos chatbotas konsultantas
„therealpatients.org" platformai sukūrėme LLM sprendimą plastinės chirurgijos srities klausimams. Komanda išbandė ir atrinko geriausiai veikiantį modelį iš kelių alternatyvų (GPT, LLaMA, Falcon, Dolly, Guanaco), sukūrė 50 klausimų-atsakymų duomenų rinkinį, paremtą medicinine literatūra, ir sukonstravo žinių bazę iš PDF šaltinių. Įdiegti apsaugos mechanizmai neleidžia sistemai atsakinėti į su sritimi nesusijusias užklausas, kas yra kritiškai svarbu analizuojant medicininius klausimus.
DUK
Kas yra LLM (dideli kalbos modeliai)?
LLM – tai dirbtinio intelekto modeliai, gebantys suprasti ir generuoti žmogaus kalbą, analizuoti tekstus, atsakyti į klausimus ir kurti turinį.
Kaip LLM naudojami versle?
Dažniausiai – klientų aptarnavimui (chatbotai), vidinei dokumentų paieškai, turinio kūrimui, el. laiškų generavimui ir automatizuotiems atsakymams.
Kuo LLM skiriasi nuo paprastų chatbotų?
LLM geba suprasti kontekstą, generuoti natūralesnius atsakymus ir spręsti sudėtingesnes užduotis, o paprasti chatbotai dažniausiai veikia pagal iš anksto nustatytas taisykles.
Ar LLM gali dirbti su įmonės vidiniais dokumentais?
Taip. Integravus su vidinėmis sistemomis, LLM gali analizuoti sutartis, ataskaitas ar kitus dokumentus ir pateikti apibendrintą informaciją.
Ar saugu naudoti LLM su verslo duomenimis?
Taip, jei naudojami privatūs arba saugūs sprendimai (pvz., API su duomenų apsauga), ir laikomasi duomenų saugumo reikalavimų.
Kokios didžiausios naudos verslui?
Taupomas laikas, automatizuojami procesai, geresnė klientų patirtis ir greitesnis informacijos apdorojimas.