Ten wpis. Ilustracyjny przykład, nie wynik klienta. Zespół logistyczny i każda liczba poniżej to założenia, które przyjęliśmy dla ilustracji. Projekt: AI czyta każde roszczenie, reguły je walidują, a człowiek akceptuje każde z nich, zanim zostanie wypłacone.
Dla ilustracji wyobraź sobie szefową operacji w firmie logistycznej zatrudniającej 60 osób. Wąskim gardłem są roszczenia. Roszczenie przychodzi mailem, czeka w kolejce, jest kopiowane przez trzy arkusze i czeka na dwa ręczne kroki weryfikacji, zanim ktokolwiek je zaakceptuje. Nic z tego nie jest prawdziwą firmą. Sytuacja jest założona.
Projekt to pipeline, który czyta roszczenie, sprawdza je z regułami i kieruje do osoby do akceptacji. Zespół w takiej sytuacji mierzyłby średni czas obsługi roszczenia przed zmianą i po niej, a ten wpis niczego nie twierdzi o tym, jaka byłaby to liczba. Pokazuje, co zmienia się dla zespołu operacji. Wzorzec odpowiada przypadkowi użycia przetwarzania dokumentów na /ai-for/operations.
#Co zmieniłoby się dla zespołu operacji?
W założonej sytuacji znikają trzy arkusze i dwa ręczne kroki weryfikacji. Roszczenie przychodzi, jest automatycznie czytane i walidowane, i trafia do jednej kolejki akceptacji, w której recenzent mówi tak albo nie. Recenzent to ta sama osoba, która wcześniej robiła krok pierwszy z dwóch. Teraz robi ten jeden krok, który wymaga osądu.
Co pokazuje przykład ilustracyjny obsługi roszczeń przez AI?
W tym ilustracyjnym przykładzie zespół logistyczny zastępuje trzy arkusze i dwa ręczne kroki weryfikacji ekstrakcją AI, walidacją opartą na regułach i kolejką akceptacji przez człowieka. Celem jest szybsza obsługa przy zachowanej akceptacji. Osoba nadal akceptuje każde roszczenie. Liczby są założeniami, nie wynikiem klienta.
#Czy człowiek nadal jest w pętli?
Tak. Każde roszczenie jest zatwierdzane przez człowieka przed wypłatą. AI czyta dokumenty i stosuje reguły walidacji. Nie zatwierdza niczego samodzielnie. Kolejka istnieje po to, by weryfikator widział czyste, sprawdzone roszczenie zamiast surowego e-maila i trzech kart. To cały projekt: maszyna wykonuje odczytywanie i dopasowywanie, człowiek zachowuje decyzję.
- Ekstrakcja przez AI wyciąga pola z każdego dokumentu roszczenia
- Walidacja oparta na regułach sprawdza je według obowiązującej polityki zespołu
- Kolejka zatwierdzeń przez człowieka wstrzymuje każde roszczenie, aż weryfikator je zatwierdzi
- średni czas obsługi roszczenia, mierzony przed zmianą i po niej, to liczba do śledzenia
We are
Projektujemy pod wynik, który da się zmierzyć, taki jak średni czas obsługi roszczenia, przy czym osoba akceptuje każde roszczenie.
We aren't
Nie sprzedajemy autonomicznego bota do roszczeń, który sam akceptuje wypłaty i prosi cię o zaufanie.
#Dlaczego to przykład ilustracyjny?
Bo nie mamy tu wyniku klienta do opublikowania i nie zamierzamy go zmyślać. Zespół i liczby są założeniami, więc możesz sprawdzić logikę na własnej zaległości roszczeń zamiast wierzyć liczbie na słowo. Gdy będziemy mieć prawdziwe zlecenie, które możemy nazwać, opublikujemy je z dowodami i powiemy o tym wprost. Resztę naszych wpisów znajdziesz w dzienniku.
Jeśli prowadzisz zespół operacji i wąskim gardłem jest kolejka, powyższy kształt da się powtórzyć. To ten sam wzorzec przetwarzania dokumentów, co na /ai-for/operations, i mieści się w AI implementation. Celem nie jest mniej ludzi. Celem są szybsze roszczenia przy zachowanej akceptacji.
Maszyna czyta i dopasowuje. Człowiek zachowuje decyzję.
Jeśli masz kolejkę, zaległość albo czas obsługi, który chcesz poprawić, powiedz nam, co budujesz. Zakres ustalimy na piśmie, zanim zaczniemy.
