Skrzynka zamówień, która sama wpisuje dane do ERP
Zamówienia mailem to klasyka — i klasyczne wąskie gardło. Jeden klient przysyła PDF, drugi tabelkę w treści, trzeci zdjęcie kartki z magazynu. Ktoś to wszystko odczytuje i przepisuje do ERP, a literówka w indeksie albo w ilości potrafi kosztować realne pieniądze. Zobaczmy, jak wygląda proces, w którym mail zamienia się w zamówienie bez ręcznego przepisywania — i gdzie człowiek wciąż jest potrzebny.
Problem: każdy klient pisze inaczej
Gdyby wszystkie zamówienia przychodziły w jednym, sztywnym formacie, wystarczyłby zwykły parser. Problem w tym, że nie przychodzą. Ten sam produkt jeden klient nazwie pełną nazwą, drugi skrótem, trzeci numerem katalogowym. Ilości bywają w sztukach, kartonach albo paletach. Adres dostawy raz jest w stopce, raz w treści, raz „jak ostatnio”. Człowiek to ogarnia, bo rozumie kontekst — i właśnie dlatego przez lata wydawało się, że tej pracy nie da się oddać maszynie.
Jak wygląda jeden przelot przez automat
Automatyzacja nasłuchuje skrzynki zamówień. Gdy wpada mail, model językowy odczytuje treść i załączniki i wyciąga ustrukturyzowane pozycje: produkt, ilość, dane klienta, adres, termin. Te dane są sprawdzane względem kartoteki — czy indeks istnieje, czy klient jest w bazie, czy ilość ma sens. Jeśli wszystko się zgadza, system tworzy zamówienie w ERP, zapisuje klienta w CRM i odsyła automatyczne potwierdzenie z numerem. Cały przelot trwa sekundy.
Dlaczego AI, a nie zwykły szablon
Tu właśnie model językowy zarabia na siebie. Sztywna reguła wymagałaby, żeby każdy klient pisał identycznie — co nigdy nie nastąpi. Model radzi sobie z tym, że „2 kartony”, „2 op.” i „dwie sztuki zbiorcze” mogą znaczyć to samo, i potrafi dopasować „ten czarny model XL” do konkretnego indeksu. Reguła pęka na pierwszym nietypowym mailu; model się nie obraża.
Co z błędami i wyjątkami
Najważniejsza część to nie odczyt, tylko to, co dzieje się, gdy odczyt jest niepewny. Jeśli model nie ma pewności co do produktu, ilości albo klienta, zamówienie nie wchodzi do ERP po cichu. Trafia na Slacka albo do osobnej kolejki z gotowym podsumowaniem i pytaniem do akceptacji. Człowiek jednym kliknięciem potwierdza lub poprawia. Dzięki temu automat nigdy nie wpisuje śmieci do systemu — w najgorszym razie pyta.
Czego świadomie nie oddajemy maszynie
Automat nie podejmuje decyzji handlowych: nie przyznaje rabatów, nie zmienia warunków, nie akceptuje zamówień przekraczających limit kredytowy bez człowieka. Jego rola to odczytać, sprawdzić i przygotować — a nie zastąpić handlowca tam, gdzie potrzebny jest osąd. Granica jest świadoma i spisana, więc wiadomo, za co odpowiada system, a za co osoba.
Od czego zacząć wdrożenie
Nie zaczyna się od modelu, tylko od próbek. Zbierz kilkadziesiąt prawdziwych zamówień z ostatnich tygodni — tych ładnych i tych pokracznych — bo to na nich proces będzie żył. Automat zbudowany na trzech wzorowych przykładach przewróci się na pierwszym mailu napisanym z telefonu, bez polskich znaków i z dopiskiem „to co zwykle”. Dobre wdrożenie testuje się na najgorszych przypadkach, nie na najlepszych.
Najczęstszy błąd: bałagan w kartotece
Najwięcej kłopotów nie bierze się z AI, tylko z danych po stronie firmy. Jeśli ten sam produkt ma trzy różne nazwy w trzech miejscach, żaden automat nie zgadnie, o który chodzi — bo nie ma o co oprzeć dopasowania. Uporządkowana kartoteka produktów i klientów to fundament: im czystsze dane referencyjne, tym mniej spraw ląduje w kolejce do akceptacji. Czasem największą wartością projektu jest właśnie to porządkowanie.
Co realnie zyskujesz
Czas od maila do zamówienia spada z minut do sekund, a zespół zajmuje się tylko wyjątkami — czyli tym, co naprawdę wymaga człowieka. Znika cała kategoria błędów z przepisywania. I co równie ważne: zostaje ślad. Widać, co i kiedy zostało odczytane, co automat zatwierdził sam, a co przeszło przez człowieka. Przy reklamacji wiadomo dokładnie, gdzie i co się stało.