المدوّنة

مثال تطبيقي: تصفية تراكم أوامر الشراء

مثال تطبيقي توضيحي لمعالجة أوامر الشراء بالذكاء الاصطناعي لدى موزّع جملة افتراضي، بأحجام مفترضة وطابور موافقة. دون نتيجة عميل.

joseph j.founding engineer3 دقيقة قراءة

الذكاء الاصطناعي لمعالجة أوامر الشراء. مثال تطبيقي توضيحي وليس نتيجة عميل: الموزّع وأرقامه افتراضات. الذكاء الاصطناعي لمعالجة أوامر الشراء برنامج يقرأ أمر شراء وارد بالبريد أو بصيغة PDF، ويستخرج البنود والكميات والأسعار، ويفحصها مقابل الكتالوج، ويرحّل الأمر النظيف إلى نظام تخطيط الموارد. ويظل إنسان يوافق على الحالات الحدّية.

تخيّل موزّع جملة متوسط الحجم يعاني الاختناق الذي يشاركه فيه معظم الموزعين. افترض أن نحو 1,000 أمر شراء شهريًا تصل كمرفقات بريد وملفات PDF، وأن شخصين يعيدان إدخال كل منها يدويًا في نظام تخطيط الموارد. البيع أُنجز، لكن الشحن ينتظر إدخال البيانات. هذه الأرقام افتراضات للمثال وليست قياسات من عميل.

ما الذي يبطئ إدخال أوامر الشراء فعلًا؟

ماذا يفعل الذكاء الاصطناعي لمعالجة أوامر الشراء فعلًا؟

الجزء البطيء ليس الكتابة بل القراءة. كل مورّد ينسّق أمر الشراء بطريقة مختلفة، فيضطر الشخص إلى إيجاد البنود ومطابقة كل واحد مع الكتالوج واكتشاف أخطاء الأسعار قبل الترحيل. يقرأ الذكاء الاصطناعي كل هذه الصيغ دفعة واحدة ويحيل الاستثناءات فقط إلى إنسان للموافقة.

لذلك فالتصميم على الشكل الذي نستخدمه في معالجة مستندات العمليات: استخراج بالذكاء الاصطناعي، وتحقق قائم على القواعد، وطابور موافقة بشري. يقرأ Claude من Anthropic أمر الشراء، وتفحص القواعد كل بند. ما هو نظيف يُرحَّل إلى نظام تخطيط الموارد، وما هو غريب ينتظر إنسانًا. وطابور الموافقة نفسه تطبيق داخلي صغير، من النوع الذي يُبنى ضمن تنفيذ الذكاء الاصطناعي.

هل سيزول التراكم أم سينتقل فقط؟

هذا هو الهدف، وسيتحقق الفريق منه بقياس زمن إدخال الأوامر وحجم الطابور قبل التطبيق وبعده. الأشخاص الذين كانوا يعيدون إدخال الأوامر يراجعون الطابور بدلًا من ذلك، فيتحرك الحجم نفسه دون توظيف إضافي. وتلتقط خطوة التحقق أيضًا البنود ذات الأسعار الخاطئة والمكررة التي لا يستطيع شخص متعب مطابقتها بثقة مع قائمة الأسعار. هذا المثال لا يدّعي أرقام نتائج.

سيناريو توضيحي: يتوقف طابور إدخال الأوامر عن كونه ما يفحصه مسؤول العمليات كل صباح بتوجس، ويصبح قائمة قصيرة من الاستثناءات للموافقة عليها.

كيف تطلقون هذا دون أن يفقد الفريق ثقته؟

شغّل الذكاء الاصطناعي أولًا بالتوازي مع العملية القديمة. يمر كل أمر شراء بالمسارين، ويقارن الفريق استخراج الذكاء الاصطناعي بالنسخة المُدخلة يدويًا قبل ترحيل أي شيء. وحين يحين التحويل يكون قد رأى نتائج متطابقة على أوامره هو. الثقة تُكتسب ولا تُفترض.

  • يقرأ أوامر الشراء من البريد وملفات PDF بصيغة كل مورّد
  • يستخرج البنود والكميات وأسعار الوحدات إلى حقول منظمة
  • يفحص كل بند مقابل الكتالوج وينبّه إلى الصفوف ذات الأسعار الخاطئة أو المكررة
  • يرحّل الأوامر السليمة مباشرة إلى ERP
  • يحيل الاستثناءات فقط إلى شخص للموافقة

We are

تبني Stennir مسارًا هادئًا يقرأ مستنداتك ويرحّل بيانات سليمة إلى الأنظمة التي تشغّلها أصلًا.

We aren't

إنه ليس روبوت محادثة مثبّتًا على نظام ERP ويضطر فريقك إلى مخاطبته أمرًا أمرًا.

هذا هو نمط العمليات نفسه الذي تقوم عليه أمثلتنا التطبيقية الأخرى: معالجة المطالبات بموافقة إنسان على كل مطالبة وتجهيز التفويض المسبق بتوقيع بشري وتصفية تراكم مراجعات اعرف عميلك. اقرأ المستند، وتحقق من البيانات، وأبقِ إنسانًا على الاستثناءات. يمكنك أن ترى كيف نحدد نطاق هذا العمل في استشارات الذكاء الاصطناعي، والسجل المستمر في المدوّنة.

إن كان طابور إدخال الأوامر هو ما يقف بين بيع مُنجز وشحنة، فهذا اختناق يمكن حله. هذه الصفحة مثال توضيحي بلا أرقام عملاء، وطريقة إيجاد أرقامك هي أن تقيس. أخبرنا بما تبنيه.

أخبرنا أي مهمة تستغرق أطول وقت.

30 دقيقة. لا حاجة إلى أي تحضير. سنخبرك بصدق إن كان الذكاء الاصطناعي يستطيع المساعدة وبماذا تبدأ.