CP v2

Tag: Atitikties valdymas

  • Startuolis „Backbone“ pritraukė 4 mln. eurų: DI žada automatizuoti maisto kokybės ir atitikties kontrolę

    Startuolis „Backbone“ pritraukė 4 mln. eurų: DI žada automatizuoti maisto kokybės ir atitikties kontrolę

    Maisto pramonei skirtas programinės įrangos startuolis „Backbone“ pritraukė 4 mln. eurų išankstinio etapo investiciją. Lėšos bus naudojamos DI grįstai kokybės ir atitikties platformai toliau vystyti bei komercinei plėtrai Europoje.

    Investicijų raundui vadovavo fondas Pitchdrive, prie jo prisidėjo PROfounders Capital ir Passion Capital, taip pat esamas investuotojas 100IN. Į raundą įsitraukė ir Belgijos maisto sektoriaus investuotojai, tarp jų „Agristo“ ir „Darta“.

    „Backbone“ 2025 metais įkūrė Louis Opsomer, Siska Lannoo ir Julien Steel. Bendrovė kuria sprendimą, kuris turėtų padėti maisto gamintojams ir tiekėjams valdyti kokybės bei reguliacinės atitikties procesus, kuriuose vis dar dažnai remiamasi skaičiuoklėmis, dokumentais ir el. paštu.

    Tokiose įmonėse kokybės duomenys dažnai būna išskaidyti: tiekėjų dokumentai atsiduria pirkimų skyriuje, receptūros ir sudėtys priklauso tyrimams bei plėtrai, laboratorijų rezultatai saugomi atskirai, o klientų ir reguliavimo reikalavimai gula ant kokybės komandų pečių.

    Dėl to net ir įprasti pokyčiai, pavyzdžiui, naujo tiekėjo įvedimas ar receptūros korekcija, gali reikšti daug rankinio darbo ir kelių komandų derinimą. Praktikoje tai didina riziką praleisti pasikeitusius reikalavimus, neatnaujinti specifikacijų laiku ar neteisingai suvaldyti neatitikimų incidentus.

    Vienoje vietoje sujungiami duomenys

    „Backbone“ siekia šią fragmentaciją mažinti sujungdama duomenis į vieną platformą, apimančią tiekėjų dokumentaciją, laboratorinius rezultatus, specifikacijas ir reguliacinius reikalavimus. Tikslas yra sukurti aiškų, audituojamą informacijos sluoksnį, kuriame būtų paprasčiau rasti spragas ir nustatyti prioritetus.

    Platforma kokybės informaciją struktūruoja ir sutikrina su plačiai naudojamais maisto saugos ir kokybės standartais, įskaitant IFS, BRCGS ir FSSC 22000. Tai svarbu įmonėms, kurios dirba tarptautinėse tiekimo grandinėse ir privalo atitikti skirtingų klientų bei rinkų reikalavimus.

    DI agentai vietoj rankinio tikrinimo

    Ant šio duomenų pagrindo bendrovė kuria DI agentus, kurie turėtų automatizuoti dalį kokybės valdymo rutinos. Tarp numatomų funkcijų minimi tiekėjų sertifikatų galiojimo sekimas, laboratorinių tyrimų rezultatų ir gaunamų dokumentų palyginimas su aktualiomis specifikacijomis bei incidentų registravimas.

    Tokios priemonės, pasak rinkos dalyvių, gali sumažinti „aklųjų zonų“ skaičių, kai kritiška informacija pasimeta tarp skyrių. Be to, centralizuotas skydelis vadovybei ir kokybės komandoms paprastai padeda greičiau suprasti, kuriose vietose rizika didžiausia ir kokių veiksmų reikia pirmiausia.

    „Šiandien maisto įmonė turi visus duomenis, kurių reikia geresniems kokybės sprendimams, tačiau skirtingi duomenų taškai tarpusavyje nesusikalba. Mes kuriame intelekto sluoksnį, kuris sujungia tuos taškus, supranta kontekstą ir paverčia tai praktiniu darbu“, – sakė „Backbone“ bendraįkūrėjas Louis Opsomer.

    Plėtra už Belgijos ribų

    „Backbone“ jau išsiplėtė už Belgijos ribų ir dirba Jungtinėje Karalystėje bei Nyderlanduose. Klientų ratas apima skirtingas maisto tiekimo grandinės grandis: nuo žaliavų ir ingredientų tiekėjų iki gamintojų, pakuočių įmonių ir platintojų.

    Pasak bendrovės, naujas kapitalas bus skirtas produktui tobulinti, rinkodarai stiprinti ir partnerystėms plėtoti. Tarp prioritetų įvardijamas bendradarbiavimas su tarptautinėmis sertifikavimo organizacijomis bei įmonėmis, diegiančiomis ERP sistemas, kad kokybės duomenys sklandžiau jungtųsi su kitais verslo procesais.

  • Hong Kong PolyU researchers unveil AI tool to score large language model personality, with implications for business compliance and education

    Large language models have become a default interface for many AI products, but researchers still struggle to describe their behaviour in a consistent, measurable way. A team at The Hong Kong Polytechnic University says it has built a system that aims to quantify an LLM’s personality based on linguistic output.

    The tool, called Language Model Linguistic Personality Assessment, or LMLPA, is designed to translate model responses into numerical scores tied to personality traits. The researchers describe it as a step toward making model behaviour easier to compare across systems and deployments.

    How the LMLPA system works

    LMLPA combines two components: an adapted version of the Big Five Inventory and an AI rater that grades the model’s answers. The process focuses on patterns such as wording, style and other language features found in generated text.

    By using a standardised questionnaire structure, the approach attempts to bring more consistency to assessments that often rely on subjective impressions. The researchers say the outcome is a data-driven profile that can be tracked and tested across different prompts and settings.

    Why personality metrics could matter

    Developers and organisations increasingly want AI assistants to behave predictably in sensitive contexts, including classrooms, customer support and internal decision workflows. The team argues that quantifying communication tendencies could help tailor a model’s tone and interaction style to a specific use case.

    The researchers also point to potential value in governance and oversight, where firms are under pressure to document how AI tools behave and how risks are managed. They suggest that structured behavioural metrics could complement existing evaluation methods focused on accuracy and safety.

    From research to compliance applications

    PolyU said the work has also informed a business compliance platform that uses natural language processing to analyse large volumes of reports and other text. In that context, automation is intended to speed up data collection, analysis and insight generation for reporting tasks.

    The study, led by Prof. Lik-Hang Lee of PolyU’s Department of Industrial and Systems Engineering, was published in the journal Computational Linguistics. The researchers position LMLPA as part of a broader effort to align AI systems with human values and practical operational needs.