A Secretaria de Serviço Social de Landratsamt Augsburg, cliente da IBM, é encarregada do apoio e proteção a crianças, adolescentes e famílias em todo o distrito. Os assistentes sociais desse grupo lidam com questões jurídicas e financeiras relacionadas ao bem-estar da juventude, bem como à assistência na integração e nos custos de acolhimento de crianças. A fim de determinar a contribuição de custo apropriada para cada caso sob sua alçada, esses profissionais realizam uma pesquisa abrangente em uma variedade de fontes de dados diferentes, como referências jurídicas na internet, documentos apresentados por cidadãos e outras documentações complementares, antes de começarem a trabalhar em cada caso. Embora o processo atual garanta que cada caso seja minuciosamente pesquisado, ele também consome muito tempo e pode, às vezes, ser sujeito a erros. Além disso, há uma carência de profissionais especializados e capacitados para realizar esse tipo de pesquisa.​

Para resolver esses desafios, a administração de Landratsamt Augsburg começou a colaborar com a IBM^® Client Engineering e a IBM® Consulting. Durante uma série de workshops, a equipe identificou os pontos problemáticos mais urgentes e delineou uma visão de como ajudar a liberar os assistentes sociais para se concentrarem em seus casos, em vez do processo manual de pesquisa. A equipe de Landratsamt Augsburg sabia que eles queriam mais eficiência, mas, dada a natureza sensível desse trabalho, eles foram compreensivelmente cautelosos ao adotar novas tecnologias que poderiam introduzir novas questões e desafios. Alguns membros da equipe estavam ansiosos para explorar a IA generativa como uma possível solução, enquanto outros estavam mais desconfiados. Para testar seu potencial, a equipe participou de um hackathon de três dias com a IBM.

Durante o evento de três dias, 8 a 10 engenheiros se uniram para criar um aplicativo web personalizado que foi integrado com o IBM® Watsonx Assistant e auxiliado pelo IBM® watsonx.ai e IBM® Watson Discovery. Ele foi projetado para consultar várias fontes de dados diferentes estabelecidas pelo cliente e resumir as descobertas de cada caso. Os testes realizados durante o evento demonstraram uma melhoria de até 91% no tempo necessário para compilar os dados dos casos. Antes do piloto, poderia levar até uma hora para a compilação de todos os pontos de dados que informam um caso. Já durante o piloto, a equipe observou que poderia levar apenas cinco minutos para compilar esses dados. Curiosamente, a equipe também observou uma melhoria significativa na qualidade e precisão dos resumos de dados dos casos gerados pela nova solução. O entusiasmo após o piloto foi inegável. A equipe está ansiosa para continuar explorando onde pode melhorar a eficiência e o desempenho em todo o grupo com a implementação da IA generativa.