AI automatiseerimine väikeettevõttes: 5 töövoogu, mida saab juba täna teha

Kui AI automatiseerimine on teie ettevõttes juba jutuks tulnud, jõuab arutelu tihti kiiresti üldsõnalisuseni: „AI võiks meil aidata klienditoes“ või „võiks arveid lugeda“. Selles artiklis võtame viis konkreetset töövoogu, mida väikeettevõte saab automatiseerida, ja vaatame igaühe puhul nelja asja: mida see teeb, kuhu jääb inimkontroll, milliseid andmeid on vaja ja millal see ei tasu.

Kui te pole veel otsustanud, millisest tööst alustada, lugege enne meie juhendit AI automatiseerimine ettevõttes: kust alustada. Seal on kirjas, kuidas esimest töövoogu valida ja tulemust mõõta. See artikkel on selle jätk: näited, mille seast valida.

Kolme töövoo juures kasutame näitena oma päris töid. Kahe juures ütleme ausalt, et me pole neid veel kliendile ehitanud, ja kirjeldame üldist lähenemist.

1. Postkasti ja päringute sorteerimine

Mida see teeb

Üldpostkasti tuleb segamini hinnapäringuid, tellimusi, arveid, kaebusi, tööpakkumisi ja reklaami. Keegi loeb need hommikul läbi ja jagab laiali. AI saab seda teha iga kirja saabudes:

• määrab kirja liigi (hinnapäring, tellimus, arve, kaebus, muu);
• võtab välja põhiandmed: kes kirjutab, mis tootest või tellimusest jutt käib, kas on tähtaeg;
• suunab kirja õigele inimesele või süsteemi ja märgib kiireloomulised eraldi.

Kus jääb inimkontroll

Sorteerimine on madala riskiga samm ja võib käia automaatselt. Kontroll on vajalik seal, kus süsteem pole kindel: need kirjad lähevad eraldi kausta, mille keegi päeva jooksul üle vaatab. Kaebused ja pahase tooniga kirjad tasub alati suunata inimesele, mitte automaatvastusele.

Milliseid andmeid on vaja

Ligipääsu postkastile, kokkulepitud liigid ja reeglid, kes millega tegeleb. Kasulik on ka mõnisada varasemat kirja, mille järgi liigitust kontrollida.

Millal see ei tasu

Kui kirju tuleb päevas kümmekond ja neid loeb niikuinii üks inimene, on sorteerimine talle paar minutit tööd. Automatiseerimine hakkab end ära tasuma siis, kui kirju on palju, lugejaid on mitu või kirjad jäävad õige inimeseni jõudes seisma.

2. Arvete ja dokumentide andmete väljavõtmine

Mida see teeb

Tarnija arve tuleb PDF-ina e-posti. Keegi avab selle, loeb välja tarnija, kuupäeva, summad ja read ning sisestab need raamatupidamisprogrammi. AI saab dokumendist need väljad välja lugeda ja valmistada ette kande, mis jõuab raamatupidamisprogrammi kinnitamiseks.

Sama loogika käib saatelehtede, tellimuste ja lepingute kohta: vabas vormis dokument muutub struktureeritud andmeteks.

Kus jääb inimkontroll

Raha liigub, nii et lõpliku kinnituse annab inimene. Hea lahendus teeb aga osa kontrollist ise: kas ridade summa klapib kogusummaga, kas tarnija on registris olemas, kas sama arve numbriga kanne on juba tehtud. Kui midagi ei klapi, ei oleta süsteem, vaid märgib arve ülevaatamiseks.

Milliseid andmeid on vaja

Arvete näidiseid kõigilt peamistelt tarnijatelt, tarnijate ja kulukontode nimekirja ning ligipääsu raamatupidamisprogrammile.

Millal see ei tasu

Kui teie raamatupidamisprogrammil on juba arvete lugemise moodul, mis teie arvetega hakkama saab, kasutage seda. Eraldi lahendus on mõistlik siis, kui arved tulevad väga erinevas vormis, andmed peavad liikuma mitmesse süsteemi või kui kontrollireeglid on teie omad.

Ausalt öeldes: meie restorani laoarvestuse piloodis jätsime automaatse arvete lugemise meelega välja. Seal oli olulisem, et laoseis oleks kõigepealt usaldusväärne.

3. Klienditoe vastused koos inimesele üleandmisega

Mida see teeb

Suur osa klienditoe küsimustest kordub: kus mu tellimus on, kas toodet on laos, kuidas tagastada, millal olete avatud. AI agent vastab neile ettevõtte enda teadmiste põhjal ja, kui see on ühendatud tellimuste või laoandmetega, konkreetse kliendi andmete põhjal.

Nii on üles ehitatud meie AI klienditoe lahendus: agendid tuginevad ettevõtte teadmistele ja on ühendatud olemasolevate teenindusprotsessidega. Nad vastavad rutiinsetele küsimustele, koostavad kontekstipõhiseid vastuseid ja suunavad erandid õigele inimesele.

Kus jääb inimkontroll

Üleandmine inimesele peab olema lihtne ja kiire. Agent annab juhtumi edasi, kui:

• küsimus on väljaspool tema teadmisi;
• klient küsib inimest;
• jutt on rahast, tagastusest või kaebusest;
• klient on pahane.

Üleandmisel läheb kaasa kogu senine vestlus, et klient ei peaks kõike uuesti rääkima. Alternatiiv on alustada mustanditest: AI koostab vastuse, inimene vaatab üle ja saadab. See on hea viis usaldust koguda enne, kui agent hakkab ise vastama.

Milliseid andmeid on vaja

Korda tehtud ja ajakohast teadmusbaasi: tingimused, tarneinfo, KKK, tooteinfo. Kui agent peab vastama konkreetse tellimuse kohta, on vaja ligipääsu tellimuste ja tarne andmetele.

Millal see ei tasu

Kui küsimusi on vähe või iga küsimus on erinev ja nõuab kogemust, ei ole agendist palju kasu. Samuti ei tasu alustada agendist, kui teadmusbaasi pole: siis hakkab mudel vastuseid välja mõtlema.

4. Müügivihjete otsimine ja hindamine

Mida see teeb

B2B-müügis kulub palju aega sellele, et leida, kellele üldse helistada. Meie B2B müügivihjete töövoog muudab avalikud ettevõtteandmed kvalifitseeritud potentsiaalseteks klientideks:

1. filtreerib ettevõtted ärilise sobivuse järgi;
2. kontrollib kontaktandmeid;
3. tuvastab ostusignaale;
4. hindab iga ettevõtet;
5. saadab pöördumiseks valmis kirjed kampaaniatööriistadesse, mida meeskond juba kasutab.

AI osa on siin eelkõige vaba teksti lugemine ja hindamine: mida ettevõte teeb, kas see sobib teie sihtrühma. Filtrid ja andmete liigutamine on tavaline tarkvara.

Kus jääb inimkontroll

Sihtrühma ja hindamise kriteeriumid paneb paika inimene. Pöördumine ise on samuti inimese otsus: töövoog annab valmis nimekirja, müügiinimene otsustab, kellega ja kuidas ühendust võtta. Nii jääb ka vastutus selle eest, kellele kirjutatakse, inimesele.

Milliseid andmeid on vaja

Selget kirjeldust ideaalsest kliendist, ligipääsu avalikele andmeallikatele ja kampaaniatööriistale ning kokkulepet, millised signaalid on teie jaoks olulised. Isikuandmete kasutamisel tuleb läbi mõelda ka andmekaitse.

Millal see ei tasu

Kui teie potentsiaalseid kliente on kokku paarkümmend ja te tunnete neid niigi, ei ole automaatset töövoogu vaja. Samuti ei aita see, kui probleem pole kontaktide leidmises, vaid pakkumises või müügiprotsessis endas.

5. Laoseis ja tellimismärguanded

Mida see teeb

Laoseis näitab, mida on vaja tellida, enne kui kaup otsa saab. Meie laoarvestuse piloot Tallinna toitlustusettevõttele teeb seda nii: töötajad registreerivad mobiilis ostud, ülekanded ja köögi toodangu, kassa päevamüük jõuab riiulini ja kui toote kogus langeb alla omaniku määratud piiri, saab see märgi „telli“.

See näide ei ole puhas AI-projekt ja see on meelega nii. Tellimismärguanded on tavalised reeglid. AI jaoks on see vundament: enne kui midagi saab automaatselt tellida, peavad laonumbrid olema usaldusväärsed. Seepärast tuletatakse kogused liikumiste logist, mitte käsitsi muudetavatest numbritest. Rakendusel on juba liides masinate jaoks, millele saab automaatse tellimise hiljem peale ehitada.

Kus jääb inimkontroll

Tellimuse teeb inimene. Märguande piirid paneb paika inimene, kes äri tunneb. Esimeses versioonis olid meil igale tootele pakutud piirid ja need andsid märku ka toodete kohta, millega kõik oli korras. Nüüd on piirid alguses tühjad. Märguanne, mis asjata häiret annab, õpetab inimesi märguandeid eirama.

Milliseid andmeid on vaja

Kõiki kauba liikumisi: oste, ülekandeid, müüki kassast ja mahakandmisi. Kassa andmed peavad olema seotud sellega, mis riiulilt tegelikult kaob. Toidukohas tähendab see, et müüdud roog tuleb siduda koostisosadega.

Millal see ei tasu

Kui teil on üks ladu, vähe tooteid ja tellimine käib korra nädalas harjumuse järgi ilma probleemideta, on tabel täiesti piisav. Süsteemi on vaja siis, kui kaup seisab mitmes kohas, kassa ei räägi laoga ja tellimine käib kõhutunde järgi.

Viis töövoogu ühes tabelis

Töövoog	AI osa	Inimkontroll	Vähemalt vaja
Postkasti sorteerimine	Liigitus ja andmete väljavõtt	Ebakindlad juhtumid ja kaebused	Postkast, liigid, vastutajad
Arvete andmed	Väljade lugemine dokumendist	Kande kinnitamine	Arvete näidised, tarnijate ja kontode nimekiri
Klienditugi	Vastused ja mustandid	Erandid, raha, pahased kliendid	Ajakohane teadmusbaas
Müügivihjed	Ettevõtete lugemine ja hindamine	Sihtrühm ja pöördumine	Ideaalse kliendi kirjeldus, andmeallikad
Laoseis	Hiljem, usaldusväärsete andmete peal	Tellimine ja piirid	Kõik liikumised ja kassa andmed

Mis on neil viiel ühist

• Enamik süsteemist on tavaline tarkvara. Liidestused, reeglid, andmebaas ja logid. AI teeb ainult selle osa, mis nõuab keele mõistmist.
• Kontroll on seal, kus vea hind on kõrge. Sorteerimine käib automaatselt, raha ja lubadused kliendile lähevad läbi inimese.
• Süsteem ütleb ise, kui ta pole kindel. Oletamise asemel suunab ta juhtumi inimesele.
• Tulemus jõuab olemasolevasse tööriista. Raamatupidamisprogrammi, postkasti, kampaaniatööriista või laovaatesse, mitte uude rakendusse.
• Andmed enne AI-d. Kui andmed on segamini, teeb AI vigu lihtsalt kiiremini.

Millal AI automatiseerimine ei tasu üldse

Me ei soovita automatiseerimist igale ettevõttele. See ei tasu, kui:

• töö mahtu on nii vähe, et selle tegemine võtab nädalas vähem aega kui lahenduse hooldamine;
• protsess alles muutub ja kolme kuu pärast teete asju teisiti;
• töövoole pole omanikku, kes märkaks, kui tarnija vahetab arve vormi või hinnakiri muutub;
• tegelik probleem on mujal: vähe kliente, ebaselge pakkumine, puudulik meeskond.

Sellisel juhul ütleme ka ise, et praegu pole õige aeg.

Kokkuvõte

AI automatiseerimine on väikeettevõttele kõige kasulikum seal, kus korduvat tööd on palju ja selle sees on vaja lugeda ning mõista teksti: kirjad, arved, kliendi küsimused, ettevõtete kirjeldused. Igas töövoos jääb inimene sinna, kus liigub raha või antakse lubadus. Laoseisu näide näitab ka seda, et vahel tuleb enne AI-d korda teha andmed.

Näiteid meie töödest näete meie tööde lehel. Kui mõni neist viiest töövoost tundub tuttav, kirjutage meile. Vaatame koos, kus teil töö kinni jääb, ja ütleme ausalt, kas seda tasub automatiseerida.