AI czy zwykła automatyzacja? Jak wybrać rozwiązanie dla procesu w firmie

Jeżeli pracownik przenosi dane między programami według jasnych zasad, zacznij od automatyzacji opartej na regułach. AI wykorzystującą modele językowe warto sprawdzić przy interpretowaniu wiadomości, podsumowywaniu korespondencji i przygotowywaniu odpowiedzi, pod warunkiem że zespół potrafi ocenić wynik i obsłużyć pomyłki. W jednym procesie można połączyć AI do odczytania prośby klienta z regułami sprawdzającymi zamówienie i przekazującymi zadanie do magazynu.

Najpierw sprawdź, na czym pracownik spędza czas

Prześledź z pracownikiem jedną niedawno zakończoną sprawę: co musiał przeczytać, gdzie szukał danych, co przepisywał i kiedy potrzebował czyjejś decyzji. Zapisz też, dlaczego sprawa czekała. Wiadomość mogła leżeć w skrzynce z powodu braku osoby odpowiedzialnej, nawet jeśli samo jej przeczytanie zajmowało chwilę.

Załóżmy, że klient pyta o termin dostawy. Pracownik znajduje zamówienie, sprawdza status przesyłki i przygotowuje odpowiedź. Jeśli większość czasu zabiera przechodzenie między programami, warto najpierw zapewnić mu widok potrzebnych danych w jednym miejscu. Gdy trudnością jest rozpoznawanie różnych próśb w długiej korespondencji, można przetestować AI pomagające uporządkować wiadomości.

Rozmowa z pracownikiem pozwala również oddzielić brak narzędzia od braku ustaleń. Jeżeli dwa działy inaczej rozumieją status „gotowe”, trzeba uzgodnić jego znaczenie. Szybsze przesyłanie tego statusu między systemami pozostawi rozbieżność.

Kiedy wystarczą reguły i połączenie programów

Automatyzacja oparta na regułach wykonuje wcześniej określone czynności po spełnieniu warunków. Może przekazać opłacone zamówienie do realizacji, przypomnieć o oczekującym zatwierdzeniu albo przenieść dane z formularza do systemu obsługi klientów. Przy takim zadaniu można wskazać, jakie dane są potrzebne i co ma się wydarzyć dla każdego obsługiwanego przypadku.

Najpierw sprawdź funkcje obecnych programów. Potrzebna reguła lub gotowe połączenie mogą już być dostępne. Gdy ich brakuje, można rozważyć integrację, czyli mechanizm wymiany danych między aplikacjami. Zakres prac zależy wtedy także od tego, czy programy udostępniają potrzebne informacje i pozwalają wykonać wybrane operacje.

W integracji TimeCamp z monday.com przygotowaliśmy powiązania projektów i użytkowników oraz mechanizmy synchronizacji danych. Zakres obejmował również sprawdzanie danych, obsługę błędów i ponawianie przerwanych operacji.

Podobnego kryterium możesz użyć przy ocenie własnego procesu: czy dla każdej przesyłanej informacji da się jednoznacznie wskazać miejsce zapisu? Jeśli wpis czasu ma trafić do ustalonego projektu i użytkownika, zacznij od sprawdzenia tych powiązań. Gdy ich brakuje, system powinien skierować sprawę do wyjaśnienia. Także w automatyzacji opartej na regułach trzeba określić zachowanie przy niekompletnych danych i przerwanym połączeniu.

Kiedy warto przetestować AI

W korespondencji z klientem część informacji bywa w pierwszym mailu, a część w późniejszych dopowiedzeniach. Model językowy może pomóc zebrać je w podsumowanie, np. wskazać prośbę klienta i warunki, na których mu zależy.

Poprawnie brzmiący wynik może zawierać błędną informację. NIST opisuje to ryzyko w profilu generatywnej AI, zwracając uwagę także na odpowiedzi niezgodne z materiałem wejściowym. Dlatego przy wyciąganiu danych z wiadomości przydatny jest widok oryginału obok propozycji modelu. Pracownik powinien móc zauważyć, że klient nie podał numeru zamówienia albo że podsumowanie pomija istotny warunek.

W aplikacji TimeCamp z AI rozwijamy mechanizm, który wykorzystuje sygnały aktywności do proponowania wpisów czasu i przypisania ich do projektów. Użytkownik może sprawdzić i poprawić sugestie przed zapisaniem.

Jeżeli sprawdzenie propozycji wymaga ponownego wykonania całego zadania, korzyść może być niewielka. Wtedy warto zawęzić funkcję, poprawić sposób prezentacji źródeł albo pozostać przy dotychczasowej obsłudze.

Jeden proces może łączyć oba podejścia

Rozważmy hipotetyczną obsługę wiadomości o zmianie adresu dostawy. AI może wstępnie rozpoznać prośbę i przygotować proponowany adres do sprawdzenia. Osobne reguły ustalają, czy nadawca ma prawo zmienić dane, czy zamówienie zostało jednoznacznie wskazane i czy jego etap realizacji pozwala jeszcze na zmianę. Pracownik widzi oryginalną wiadomość, proponowane dane oraz wynik tych sprawdzeń i zatwierdza operację. Integracja zapisuje zmianę w odpowiednim systemie oraz potwierdza jej wykonanie.

Do takiego procesu może wystarczyć pojedyncza funkcja AI w określonym miejscu. Agent, który sam wybiera kolejne działania i narzędzia, wymaga odrębnego uzasadnienia. Anthropic zaleca rozpoczynanie od możliwie prostego rozwiązania, a przy większej samodzielności agentów wskazuje na dodatkowe koszty i możliwość narastania błędów. W opisanym przykładzie kolejność czynności jest znana, więc można ustalić ją z góry.

Porównaj koszt całej obsługi sprawy

Przy porównaniu rozwiązań uwzględnij przygotowanie połączeń z programami, bieżące opłaty i utrzymanie, a także czas pracowników. W wariancie z AI dochodzi sprawdzanie propozycji i poprawianie błędnych wyników. W automatyzacji opartej na regułach pracę może pochłaniać obsługa wyjątków oraz aktualizowanie zasad, gdy zmienia się proces.

Przykład obliczeniowy: załóżmy, że firma obsługuje miesięcznie 600 podobnych spraw, każdą przez 6 minut. To 60 godzin pracy. Jeżeli po wdrożeniu pełna obsługa, razem ze sprawdzeniem i poprawkami, zajmowałaby średnio 4 minuty, wymagałaby 40 godzin. Różnica wynosi 20 godzin miesięcznie. Rzeczywisty czas trzeba zmierzyć podczas próby.

Aby ocenić korzyść finansową, ustal, czy ten czas pozwoli ograniczyć nadgodziny, obsłużyć dodatkowe sprawy lub wykonać inne potrzebne zadania. Porównaj tę korzyść z kosztem wdrożenia i utrzymania w tym samym okresie. Jeśli pomyłki powodują reklamacje albo ponowną pracę innego działu, ich skutki też należą do rachunku.

Jak przygotować próbę przed decyzją o wdrożeniu

Wybierz jeden powtarzalny rodzaj spraw. Zbierz przykłady zwykłej obsługi oraz takie, w których brakowało danych, pojawił się wyjątek lub trzeba było wrócić do klienta. Ustal, jakie materiały mogą trafić do testowanego narzędzia i kto oceni poprawność wyniku. Zachowaj część przykładów do końcowego sprawdzenia, aby ocena nie opierała się wyłącznie na sprawach używanych przy dopracowywaniu rozwiązania.

Porównaj obecną pracę z prostą automatyzacją i z wariantem wykorzystującym AI, jeśli ma on uzasadnienie. Dla każdego zmierz pełny czas obsługi, zanotuj błędy i policz koszt działania. Ustal też, kto przejmie sprawy wymagające interwencji i jak zespół będzie pracował podczas awarii.

Z dostawcą uzgodnij konkretne warunki odbioru. Dla opisanego przykładu zmiany adresu mogą wyglądać tak:

• Gdy wiadomość pasuje do dwóch zamówień, system prosi o doprecyzowanie i pozostawia oba bez zmian.
• Przy niepotwierdzonych uprawnieniach nadawcy albo niepełnym adresie system zatrzymuje zmianę i wskazuje pracownikowi powód.
• Po przerwaniu połączenia system oznacza sprawę jako wymagającą sprawdzenia, dopóki nie potwierdzi rzeczywistego wyniku zapisu.
• Przy kompletnym, zatwierdzonym zgłoszeniu system zmienia adres wyłącznie we wskazanym zamówieniu, o ile jego etap realizacji nadal na to pozwala.

W próbie uwzględnij każdy z tych przypadków. Zapis przy niewłaściwym zamówieniu powinien wstrzymać uruchomienie tej funkcji do czasu poprawki i ponownego sprawdzenia. Po wdrożeniu nadal potrzebne są rejestrowanie błędów i ustalony sposób ich obsługi.

Na tej podstawie można ustalić zakres zamówienia: czynności wykonywane automatycznie, propozycje wymagające akceptacji oraz sprawy pozostające przy pracownikach. Dostawca wie, co ma wycenić, a Ty masz warunki, według których sprawdzisz wykonaną pracę.