Zanim kupisz to narzędzie AI, musisz najpierw zrobić coś znacznie mniej ekscytującego

Dystrybutor, który przeskoczył etap

Wyobraź sobie: średniej wielkości dystrybutor kontaktuje się z konsultantem technologicznym, podekscytowany wdrożeniem sztucznej inteligencji do automatyzacji obsługi zamówień. Firma zatrudnia sześć osób w dziale obsługi klienta, które obsługują około 1200 zamówień tygodniowo, a każde zamówienie jest ręcznie wpisywane do systemu. „Na pewno AI poradzi sobie z tym” – myślą.

Brzmi znajomo? Tak właśnie zaczyna większość firm. Widzą problem, znajdują błyszczące rozwiązanie AI i od razu przystępują do wdrożenia.

Ale jest haczyk – i tu zaczyna się ciekawa część – prawdziwa historia wcale nie dotyczyła AI. Przynajmniej nie na początku.

Co się stało, gdy naprawdę się temu przyglądnęli

Kiedy konsultanci zaczęli mapować proces obsługi skrzynki e-mailowej (czyli faktycznie usiedli i zrozumieli, co się dzieje), sprawy zaczęły się komplikować. W dobrym sensie.

Pierwsze zaskoczenie: Tylko około 62% tych e-maili to faktycznie zamówienia. Reszta? Pytania o dostawy, zapytania o ceny i korekty do wcześniejszych zamówień. Gdyby po prostu kupili AI do przetwarzania „zamówień”, zautomatyzowaliby zupełnie nie to, co trzeba.

Drugie zaskoczenie: Istniała pracownica obsługi klienta imieniem Denise. (Podaję jej imię, ponieważ zasługuje na uznanie – była kręgosłupem tej operacji.) Około 70% przychodzących zamówień używało numerów części klientów, a nie dystrybutora, a Denise prowadziła arkusz kalkulacyjny, który aktualizowała przez jedenaście lat, aby tłumaczyć te numery. Ten arkusz był w zasadzie głównym motorem przychodów firmy, a nikt nawet nie wiedział o jego istnieniu.

Trzecie zaskoczenie: Każde zamówienie z rabatem powyżej 5% wymagało zatwierdzenia przez menedżera sprzedaży. Ta zasada powstała w wyniku presji na marże w 2016 roku. Dotyczyła około 40% zamówień, dodając cały dzień do czasu przetwarzania. A tu jest haczyk – była zatwierdzana w 99% przypadków. Presja na marże zakończyła się lata temu, ale nikt nie pofatygował się, aby usunąć tę zasadę.

Widzisz, dokąd to prowadzi?

Liczby, które zmieniły wszystko

Po dwóch tygodniach faktycznego mierzenia tego, co się dzieje (nie zgadywania, nie zakładania, ale mierzenia), zespół odkrył:

• Średni czas ręcznej obsługi zamówienia wynosił nieco poniżej dziewięciu minut
• Czas od e-maila do potwierdzenia wynosił średnio sześć godzin – a w poniedziałki wydłużał się do ponad dwóch dni
• Około 4% zamówień było realizowanych błędnie
• Firma traciła pieniądze na kredyty i zwrotne frachty

Ale to, co naprawdę miało znaczenie: gdy tylko zrozumieli rzeczywisty krajobraz, natychmiast pojawiły się dwa łatwe zwycięstwa.

Zasada zatwierdzania z 2016 roku? Wyeliminowana podczas jednego spotkania. Bez kosztów. Usunęła większość dnia z czasu cyklu dla 40% wszystkich zamówień.

Arkusz Denise? Zaktualizowany do właściwego systemu mapowania. Żadne z tych działań nie wymagało AI.

AI wreszcie dostała swoją szansę

To, co pozostało, było naprawdę dobrym kandydatem do automatyzacji. Powtarzalne zamówienia od znanych klientów z konsekwentnym formatowaniem i czystym mapowaniem numerów części? To około 55% wolumenu, i idealnie nadaje się do ekstrakcji danych przez AI. Model osiągnął 94% dokładności z ludzką weryfikacją w przypadkach oznaczonych flagą.

Projekt zwrócił się w ciągu roku, a zwrot z inwestycji był widoczny w wynikach operacyjnych, a nie tylko na efektownym slajdzie prezentacji.

Moja perspektywa

Widziałem ten wzorzec powtarzający

Tagi: ['ai automation', 'process improvement', 'business efficiency', 'workflow optimization', 'operational excellence', 'ai implementation', 'digital transformation', 'business processes']