HU / EN

Lokális AI és automatizálás

Beérkezik a levél — a többi megy magától.

Nem chatbotokat építünk: dokumentumot feldolgozó, döntést előkészítő, ügymenetet végigvivő rendszereket — lokálisan, a cég falain belül. És AI-t csak oda teszünk, ahol valóban az a legjobb eszköz.

Beszéljünk a folyamatotokról → Nézd meg munka közben ↓

Projekt 01

Bejövő megkeresések feldolgozása

E-mail, csatolmány, kézírás — szándék szerint besorolva; az intézkedéshez és megválaszoláshoz szükséges adatok kinyerése az e-mailből és a saját rendszerekből. Több modell dolgozik együtt, és AI csak ott, ahol gyorsítja és támogatja a folyamatokat.

Beérkező levél№ 2026-0614/1
Feladókiss.marta@pelda.hu TárgyKárbejelentés — beázás a fürdőszobában

Tisztelt Biztosító! Tegnap este a felettünk lakó szomszéd csőtörése miatt beázott a fürdőszobánk mennyezete. A kár becsült értéke 350 000 Ft. Szerződésszámom: HB-2024-1182. A kitöltött bejelentőlapot és a fotókat mellékelten küldöm.

Mellékletek · 2 tétel

Fotó × 4

fürdőszoba, mennyezet

Kézzel kitöltött bejelentőlap

「 kár időpontja: jún. 9. este · okozó: felső szomszéd, csőtörés 」

✓ kézírás felismerve — adatok kinyerve

A folyamat

1.Előzmények keresése és értelmezéserendszer

2.Fotók és a bejelentőlap feldolgozása — OCR ✓AI · látás

3.Osztályozás az e-mail szövege és a csatolmányok alapjánAI · enkóder

4.Szándék és adatok kinyerése: vagyonkár-bejelentésAI · LLM

5.Ügyfél-azonosítás a szerződésszám alapjánrendszer

6.Műveletek végrehajtása a belső szabályrendszer és oktatóanyagok alapjánAI

besoroláskárrendezés · vagyon
szerződésszámHB-2024-1182
becsült kárérték350 000 Ft
kár időpontja · kézírásbóljún. 9. este
kárrendezőhöz továbbítva
Beérkező levél№ 2026-0614/2
Feladónagy.eszter@pelda.hu Tárgy(nincs tárgy)

Tisztelt Cím! Mellékelten küldöm. Üdvözlettel: Nagy Eszter

Mellékletek · 1 tétel

Fotó × 1 — kézzel írt levél

「 …a vihar után a tetőcserepek lecsúsztak, a plafon beázott… kérem mielőbbi segítségüket · Bp., jún. 10. 」

✓ kézírás felismerve — a tartalom kiolvasva

A folyamat

1.Előzmények keresése és értelmezéserendszer

2.A kézírásos levél fotójának feldolgozása — OCR ✓AI · látás

3.Osztályozás: a levéltörzs nem informatív — a csatolmány a forrásAI · enkóder

4.Szándék és adatok kinyerése: kárbejelentés (vihar, tetőkár)AI · LLM

5.Ügyfél-azonosítás név és cím alapján — szerződésszám hiányzikrendszer

6.Hiánypótlás-kérés előkészítése a szabályrendszer alapjánAI

besoroláskárrendezés · vagyon
eseményvihar · tetőkár · beázás
szerződésszámhiányzik → hiánypótlás
ügyfélazonosítva név + cím alapján
ügyintézőhöz továbbítva, hiánypótlás-tervezettel
Beérkező levél№ 2026-0614/3
Feladótoth.gabor@pelda.hu TárgyPoggyászkár — két napot késett a bőröndünk

Üdvözlöm! A párizsi járatunknál a poggyászunk két napot késett, a szükséges beszerzésekről három számlát és egy költséglistát mellékelek, összesen 84 600 Ft értékben. Kötvényszám: UT-2026-0457.

Mellékletek · 4 tétel

Számla × 3

fotózva, mobillal

Kézzel írt költséglista

「 törölköző 9 900 · pizsama 12 400 … összesen: 84 600 Ft 」

✓ kézírás felismerve — tételek kiolvasva

A folyamat

1.Előzmények keresése és értelmezéserendszer

2.Számlák és a kézírásos lista feldolgozása — OCR ✓AI · látás

3.Osztályozás az e-mail szövege és a csatolmányok alapjánAI · enkóder

4.Szándék és tételek kinyeréseAI · LLM

5.Ügyfél-azonosítás a kötvényszám alapjánrendszer

6.Összeg-egyeztetés és továbbítás a szabályrendszer alapjánAI

besorolásutasbiztosítás · poggyász
kötvényszámUT-2026-0457
bizonylat · egyeztetve3 számla · 84 600 Ft
eseménypoggyászkésés · 2 nap
kárrendezőhöz továbbítva

Projekt 01

Bejövő megkeresések szortírozása és feldolgozása

Nem kell hozzá egyedi folyamat-definíció vagy hónapokig tartó folyamatfelmérés: a meglévő oktatóanyagokból, szabályzatokból és válaszsablonokból indulunk ki. A megkeresések több lépésen keresztül kerülnek feldolgozásra, döntési pontoknál auditálható módon mérve, gyorsítva az emberi munkát.

Projekt 02

Belső döntéstámogató rendszer ügyintézőknek

Belső, rendelkezésre álló anyagokból segíti az ügyintézőket a mindennapi munkájukban — a cég saját szerverén futó nyelvi modellel, internet nélkül. Keres a szerződésekben és a szerződési feltételekben; a válaszok forrás-hivatkozással érkeznek, és a területek szakértői maguk tudják javítani a tudásbázist.

Tudásbázis

Gyakorlati tudás lokális LLM-ekhez és agentekhez

Folyamatosan karbantartott tudásbázis arról, hogyan tervezz, építs és futtass saját, lokális LLM-eket és AI agenteket. A fókusz a local-first szemlélet — a saját hardvered, a saját adataid, a saját kontrollod —, de első osztályú témaként kezeli a teljes modern LLM-stacket is: modellek (Gemma 4, Qwen, DeepSeek, Llama…), RAG, fine-tuning, inference-optimalizálás, agent-architektúrák, biztonság és kiértékelés.

Több mint 200 sűrűn kereszthivatkozott, forrásolt oldal, gyakorlati nézőpontból.

Maga a wiki is LLM-támogatású: egy LLM-ekről szóló tudásbázis, amelynek karbantartásában maguk az LLM-ek is segítenek.

Böngészd a tudásbázist → Angolul is: llmwiki.hu

Kapcsolat

Beszélgessünk.

Ha szeretnél beszélgetni, keress nyugodtan.

hello@how.hu →