Olukord
Panevėžys asuv veofirma, kus töötab umbes 90 inimest, veab kaupa Leedus ja Lääne-Euroopas. Tellimused saabuvad nii, nagu klientidele mugav on: mõned saadavad PDF-tellimusvormi, teised vaba teksti e-kirjas, kolmandad edastavad väljavõtte oma süsteemist koos manustega. Ühtset vormingut ei ole ega tule: ettevõttel on mitukümmend klienti, igaühel oma harjumused.
Kaks dispetšerite büroo töötajat veetsid suurema osa päevast mitte planeerides, vaid ümber kirjutades: nad avasid e-kirja, otsisid sealt laadimis- ja mahalaadimisaadressid, kuupäevad, kaalu, kaubaalused ja viitenumbrid, sisestasid need veohaldussüsteemi ning vastasid kliendile, et tellimus on kätte saadud. Tipppäevadel ootasid kirjad järjekorras mitu tundi ja kliendid helistasid küsima, kas tellimus on kätte saadud.
Vead olid teine probleem. Segi aetud mahalaadimisaeg või märkamata jäänud märkus rambi kõrguse kohta tähendas tühisõitu või trahvi. Juht arvutas, et selliseid juhtumeid on kuus mõni ning igaüks läheb maksma rohkem kui päev ümberkirjutamist. Ettevõte pöördus meie poole konkreetse küsimusega: kas AI suudab selliseid kirju usaldusväärselt lugeda ja kas see on turvaline?
Mida vaja oli
- Tellimuste lugemine e-kirjast sõltumata vormingust: PDF, vaba tekst, tabel kirjas, manused.
- Kirje automaatne loomine veohaldussüsteemis kõigi nõutud väljadega.
- Inimese kinnitus enne iga kirjet esimestel kuudel ning alati, kui agent ei ole kindel.
- Kliendiandmeid ei kasutata mudeli treenimiseks; andmeid töödeldakse API kaudu kokkulepitud tingimustel.
- Juurutamine ilma dispetšerite büroo töö peatamiseta ja ilma uue tarkvarata töötajatele.
Mida me tegime
1.–2. nädal: e-kirjade analüüs ja reeglid
Alustasime mitte tehnoloogiast, vaid e-kirjadest. Vaatasime läbi mitme kuu tellimuste ajaloo ja rühmitasime selle vormingu järgi: umbes pool saabus PDF-vormidena, kolmandik vaba tekstina ja ülejäänud olid segavormingus. Koos dispetšeritega panime kirja, mis on tellimuses kohustuslik, millal loetakse tellimus ebaselgeks ja kellele see sel juhul tuleb anda. Neist reeglitest said agendi juhised.
3.–5. nädal: agent ja integratsioon
Ehitasime agendi Claude’i mudelile API kaudu. Agent loeb postkastis uut kirja, tunneb ära, kas tegu on tellimusega, jaotab selle struktuuriks (saatja, marsruut, ajaaknad, last, erinõuded, viitenumber) ja kontrollib, et kõik kohustuslikud väljad on täidetud. Kui on, loob ta veohaldussüsteemis selle API kaudu kirje mustandi ja märgib kirja töödeldud. Kui ei ole, kirjutab ta lühikese kokkuvõtte sellest, mida õnnestus lugeda ja mis puudub, ning annab selle dispetšerile. Kirjutame eraldi, kuidas sellised Claude’i agendid ettevõtte protsessides töötavad.
Kõige keerulisem polnud PDF-ide lugemine, vaid aadressid: kliendid kirjutavad „meie lattu“ või märgivad ainult linna. Agent võrdleb selliseid juhtumeid kliendi varasemate tellimuste aadressidega ja kui vaste on mitmetähenduslik, saadab tellimuse inimesele, mitte ei oska ära arvata.
6.–8. nädal: järelevalve ja kinnituste leevendamine
Esimese nelja nädala jooksul kinnitas iga agendi loodud kirje dispetšer ühe nupuvajutusega, nähes kirja ja loetud välju kõrvuti. Kogusime statistikat, kus agent eksib. Seejärel lülitasime kinnituse välja püsiklientide standardvormide puhul ning jätsime selle vaba teksti ja uute klientide tellimustele. See on osa meie protsesside automatiseerimise lähenemisest: automatiseeri nii kaugele, kui usaldus on mõõdetud, ja mitte kaugemale.
Tulemus
Käsitsi sisestamise aeg dispetšerite büroos vähenes umbes 65%. Mõõdame seda lihtsalt: mitu tellimust päevas lõi agent ja mitu inimene ning kui kaua kinnitamine keskmiselt aega võtab. Üks kahest töötajast tegeleb nüüd peamiselt planeerimise ja vedajatega, mitte klaviatuuri taga.
Vead tellimustes vähenesid umbes 40%. Loeme juhtumeid, kus kirjet tuli pärast laadimist parandada, ning valesti sisestatud andmetest tingitud tühisõite. Ülejäänud vead tulenevad enamasti klientide endi kirjadest ja agent vähemalt märgib need varasemate tellimustega vastuolus olevaks.
Kliendile saadetakse kinnitus nüüd keskmiselt 20 minutiga pärast kirja saamist; varem kulus tipptundidel umbes 2 tundi. Kliendikõned küsimusega „kas saite kätte“ on peaaegu kadunud.
Kartsime, et AI teeb vigu, mida märkame alles laadimisrambil. Selgus vastupidi: agent märkab esimesena, kui klient saadab teise kuupäeva kui nädal tagasi.
Mida me sarnases olukorras soovitaksime
- Alustage e-kirjade ajaloost, mitte mudeli valikust. Reeglid selle kohta, mida loetakse ebaselgeks tellimuseks, on süsteemi kõige tähtsam osa.
- Hoidke inimese kinnitus esimesest päevast ja leevendage seda ainult seal, kus statistika näitab, et agent ei eksi.
- Integreerige olemasoleva süsteemiga selle API kaudu, mitte ärge ehitage uut töökohta: töötajad peavad nägema tulemust seal, kus nad niigi töötavad.
- Leppige kokku andmetingimused: kus töödeldakse, kui kaua säilitatakse ja et neid ei kasutata treenimiseks. See on küsimus, mille teie kliendid esimesena esitavad.
