Studi kasus solusiAIP149
Copilot GenAI untuk staf operasional Mining support agar SOP dan keputusan rutin lebih cepat
Studi kasus solusi adalah skenario berbasis pola masalah umum di industri. Isinya tidak merujuk klien tertentu dan bukan portofolio proyek MarkasDev. Portofolio proyek klien dipublikasikan terpisah.
Konteks industri
Jasa penunjang tambang dengan alat berat dan HSE. Multi-lokasi dengan kedisiplinan data yang tidak seragam, pola tipikal di mining support.
Batasan
- Data SOP tersebar
- Risiko hallucination
- Perlu human-in-the-loop
- UU PDP untuk data operasional
Pendekatan
Diagnose
Mengaudit: Inventaris tugas rutin, sumber pengetahuan, dan risiko jawaban salah.
Deliver
Mengimplementasikan bertahap: RAG over SOP + copilot di tool kerja + citation wajib + feedback loop.
Operate
Menyempurnakan: Eval set pertanyaan, monitoring refusal, refresh corpus, red-team prompt.
Arsitektur tingkat tinggi
Knowledge storeretrievalLLM gateway (policy)UI copilotaudit log
PII redaction.
Outcome tipikal
Waktu cari jawaban turun; konsistensi jawaban naik.
Outcome tipikal atau yang diharapkan, bukan klaim hasil proyek MarkasDev.Pertanyaan umum
Apakah LLM boleh akses data pelanggan mentah?
Minimasi; mask/redact; akses berbasis peran.
Model lokal atau API?
Bergantung klasifikasi data dan latency, diputus di Diagnose.
Bagaimana cegah saran berbahaya?
Guardrail, citation, dan eskalasi ke manusia untuk kelas risiko tinggi.