LLM डेमो से हिसाब-किताब करने वाले एजेंटों तक

छोटी फ़ाइनेंस टीमें रसीदें, इनवॉइस और जर्नल एंट्री हाथ से ERP में टाइप करने में कई दिन गँवा देती हैं। मैं शुरुआती दौर में Quid से जुड़ा और उसके पहले LLM प्रोटोटाइप को ऐसे एजेंटों में बदला जो यह काम करते हैं।

भूमिका: AI Engineer
क्षेत्र: फ़ाइनेंस और अकाउंटिंग
स्टैक: Python · TypeScript · Agno · AWS + GCP

मेरा हिस्सा

मैंने Quid के पहले LLM प्रोटोटाइप को प्रोडक्शन मल्टी-एजेंट सिस्टम तक पहुँचाया: प्रोडक्ट की AI परत, Slack में एक ख़र्च असिस्टेंट और बुककीपिंग में मदद करने वाले एजेंट, साथ ही उनके आसपास का फ़ुल स्टैक।

यह कैसे काम करता है, लाइव

एक सरल रूप। स्क्रॉल करते हुए एक नमूना रसीद Slack से तैयार ख़र्च रिपोर्ट तक जाती है, और हर क़दम पर एक लाइन में दिखता है कि एजेंट क्या कर रहा है।

01 · इनपुट · सक्रियSlack में रसीदफ़ोटो या PDF
02 · एक्सट्रैक्ट · सक्रियफ़ील्डदुकान, रक़म, VAT, तारीख़
03 · मैप · सक्रियकैटेगरीख़र्च कहाँ दर्ज होना चाहिए
04 · रिपोर्ट · सक्रियख़र्च रिपोर्टमंज़ूरी के लिए तैयार

01slack · receipt photo posted (sample)
02extract · merchant · total · VAT · date
03map · category suggested · asks if unsure
04report · drafted · waiting for approval

केवल उदाहरण, सिंथेटिक डेटा। सरल रूप।

क्या इसे मुश्किल बनाता है

अकाउंटिंग में "लगभग सही" जैसा कुछ नहीं होता। रसीदें धुँधली होती हैं, इनवॉइस में भाषाएँ और टैक्स नियम मिले होते हैं, और हर कंपनी अपनी किताबें थोड़ा अलग ढंग से रखती है। ग़लत एंट्री, कोई एंट्री न होने से ज़्यादा महँगी पड़ती है।

इसलिए सिर्फ़ एक दस्तावेज़ पढ़ना काफ़ी नहीं है। एजेंट को अकाउंटेंट की तरह, उसी संदर्भ के साथ काम करना होता है जो किसी इंसान के पास होता।

मैंने क्या सीखा

मॉडल आसान हिस्सा है। प्रोटोटाइप को प्रोडक्ट बनाती हैं उसके आसपास की चीज़ें: सही टूल, सही संदर्भ, और साफ़ जगहें जहाँ कोई इंसान मंज़ूरी देता है।

एजेंट को वहाँ रखें जहाँ लोग पहले से काम करते हैं, जैसे Slack, और अनिश्चित होने पर उसे अंदाज़ा लगाने के बजाय पूछने दें। और शुरुआती टीम में असली काम यह तय करना है कि क्या नहीं बनाना।

नतीजा

प्रोडक्शन में
मेरे रहते Quid के ग्राहक इसका इस्तेमाल करते थे।

दूसरा बिल्ड लॉगqado: प्रोक्योरमेंट के लिए एजेंट