Smart Grant AI

SmartGrant przeszukuje wiele niemieckich portali dotacyjnych, tłumaczy i normalizuje dane programów oraz buduje semantyczną bazę wektorową (embeddingi OpenAI + Pinecone). Użytkownicy opisują swoje przedsiębiorstwo lub przesyłają profil w formacie PDF; system przeszukuje ponad 500 programów, porządkuje trafienia według własnego wskaźnika trafności (termin, lokalizacja, domena) i wykorzystuje GPT-4 do tworzenia priorytetyzowanych rekomendacji oraz redagowania dokumentów wniosków (DOCX).

Interfejs w Streamlit oferuje interaktywny czat, odpowiedzi wspierane przez RAG, parsowanie plików PDF oraz trwałe dane sesji i historii w PostgreSQL. Pipeline obejmuje scraping w Selenium i Playwright, tłumaczenie DeepL, oczyszczanie danych oraz generowanie plików przez python-docx, umożliwiając niemal w pełni zautomatyzowanego asystenta do wyszukiwania dotacji i tworzenia pierwszych projektów wniosków.

Jest to wewnętrzny projekt badawczy, który wciąż znajduje się w fazie prototypu.

1. Heterogeniczność i aktualność danych: portale dotacyjne mają różne schematy, częste aktualizacje i limity zapytań, co utrudnia niezawodną, aktualną agregację.
2. Ekstrakcja wielojęzyczna i dokładność: precyzyjne tłumaczenie niemieckiego tekstu prawno-administracyjnego na angielskie podsumowania z zachowaniem znaczenia nie jest trywialne.
3. Trafność i zgodność z prawem: ranking musi uwzględniać szczegółowe kryteria kwalifikowalności (prawne, regionalne, czasowe), aby unikać błędnych trafień i ograniczać daremny wysiłek.

1. RAG i wyszukiwanie semantyczne: zastosowanie embeddingów OpenAI + Pinecone do szybkiego dopasowania semantycznego i wyszukiwania, a następnie przekazanie kontekstu RAG do GPT-4, aby wygenerować precyzyjne rekomendacje programów wraz z uzasadnieniem.
2. Hybrydowy workflow LLM: zastosowanie GPT-4-turbo do rekomendacji i projektów wniosków; zastosowanie GPT-3.5 (lub lżejszych modeli) do podsumowań i taniego parafrazowania w celu obniżenia kosztów.
3. Ocena trafności i warstwa reguł: połączenie podobieństwa wektorowego z filtrami opartymi na regułach (terminy, kwalifikowalność, lokalizacja), aby zwiększyć precyzję i wyeksponować możliwości gotowe do wykorzystania.

1. Oszczędność czasu: skraca ręczne wyszukiwanie i przygotowanie pierwszej wersji wniosku z dni do minut na jedną możliwość.
2. Wyższa jakość trafień: ranking semantyczny i regułowy daje mniej błędnych trafień i więcej dopasowań gotowych do wykorzystania.
3. Szybsza droga do wniosku: automatycznie generowane projekty DOCX przyspieszają cykl wnioskowania i zwiększają przepustowość dla doradców lub firm z sektora MŚP.

1. Efektywność pracy: automatyzuje powtarzalne zadania badawcze i redakcyjne, obniża liczbę godzin pracy na wniosek i redukuje koszty doradztwa.
2. Optymalizacja obliczeń i kosztów: stopniowane wykorzystanie modeli (GPT-3.5 do podsumowań, GPT-4 do projektów) obniża wydatki na API, zachowując jednocześnie jakość tam, gdzie ma ona znaczenie.
3. Mniej podróży i wydruków: cyfrowe tworzenie dokumentów i precyzyjne trafienia ograniczają potrzebę osobistych konsultacji, fizycznych zgłoszeń i papierowej dokumentacji.