企業引入人工智能（ AI ）改善一些長久以來的業務營運問題。港鐵與 AI 方案商 Optix 合作，利用 NLP 建立建築工程的覆檢系統 Intrinsity ，將工程報告的審查工作由過往的抽檢變成全數覆檢，盡快發現潛在問題，有效改善工程品質，減少後期修正的額外工作。
港鐵總數據分析及策略經理余漢傑指出，建築工程的覆檢工作是為減低風險和控制品質。工程人員為每個工程提交報告和表格，過往的覆檢工作靠人手抽查這些記錄。風險監督人員檢視報告後，若發現潛在問題會作出跟進和補救。
不過，余漢傑補充，在工程的高峰期，港鐵每月接收上萬份報告，阻於人手有限，無法全數覆檢，只以抽樣方式檢查，冀從中找出問題所在。這做法亦有時差，從提交報告至被抽中覆檢過程可能有幾星期滯後。「地盤工程每日趕工，不能等待覆檢完成才繼續。但若覆檢發現問題，下一工序便已動工，增加跟進難度。」
余漢傑稱，早在 2018 年已提出過利用 AI 覆檢加強品質監控，惟當時技術尚未成熟。至 2020 年重提概念，港鐵出資做概念驗證，經公開招標選定與 Optix 合作。
雙方開發的人工智能覆檢系統 Intrinsity 利用多個機械學習模型和 NLP 模型，模擬覆檢人員的審批判斷。Optix 創辦人及行政總裁馮景龍稱，將原有的 NLP 模型加入由港鐵提供建築行業的專用術語和語句訓練，開發出 AI 覆檢系統。僅用三個月便訓練出基本可用的模型，半年內作進一步微調完成。
港鐵高級數據分析及策略經理鄺祈穎稱，用上 Intrinsity 執行覆檢本質上改變該程序，系統幾秒完成處理並能夠給每份報告作實時覆檢，毋須再抽查亦消除時延問題，即時從報告發現潛在問題，及早改正錯誤。
余漢傑形容，Intrinsity 有如集合所有覆檢監督員的專業，定下統一的覆檢標準。過去由不同監督員的專業知識和經驗去判斷，難免有差異。系統運用一致標準審視報告，消除各人評估的差異。
該技術在港鐵的工程地盤使用超過一年，已處理過數萬份真實的記錄，系統準確度約 95%。當發現有潛在問題的個案再由專業團隊跟進。余漢傑稱，完善的覆檢系統有如建立另一道防線，減低工程錯誤風險，保障建築品質。當工程的前期工作做得好，可為後期節省保養和維修成本。
Optix 計畫稍後將這系統推出市場，讓建築業有同樣的覆檢系統保障工程品質。這系統獲得去年香港資訊及通訊科技獎的商業方案大獎，馮景龍引用評審的的評語稱，項目具有市場潛力，可用於所有需要透過檢查及測量申請表格作品質評估監控和報告的項目。他補充，金融服務業、政府、非牟利團體都適用，只要先為 NLP 模型訓練行業專用術語和微調便可。