Chcesz automatyzować sprzedaż z AI? Zacznij od analizy zapytań ofertowych

Rozmowa o AI w produkcji zwykle szybko skręca w stronę obrazów z konferencji branżowych. Autonomiczne linie produkcyjne. Roboty. Predictive maintenance. Digital twins. Physical AI.

To wszystko jest ważne i w kolejnych latach zrewolucjonizuje produkcję. Z punktu widzenia użytkownika (klienta końcowego, ale również pracownika) naszą uwagę przykuwa jednak inny obszar - równie ciekawy, choć mniej spektakularny. Historia zaczyna się od adresu e-mail, na który codziennie spływają zapytania ofertowe.

W wielu firmach produkcyjnych pierwszy etap obsługi klienta wygląda dziś bardzo podobnie jak 10 czy 15 lat temu. Klient wysyła e-mail. Czasem w załączniku znajduje się PDF, Excel lub Word, czasem kilka screenów. Klient odwołuje się do poprzedniej oferty albo wcześniejszej korespondencji. Zdarza się też, że posługuje się branżowym slangiem lub używa własnych nazw produktów, które funkcjonują wyłącznie w jego organizacji.

I teraz ktoś w firmie musi to wszystko przeczytać, zrozumieć, znaleźć właściwe produkty, sprawdzić braki, uzupełnić dane, przepisać je do kolejnego systemu i przekazać dalej. Przy pojedynczym zapytaniu nie wygląda to jeszcze groźnie. Problem pojawia się wtedy, gdy takich wiadomości są setki albo tysiące miesięcznie, a każdy klient komunikuje się trochę inaczej. W tym momencie skrzynka mailowa staje się pierwszym wąskim gardłem rozległego procesu: sprzedaży, planowania, produkcji, dostawy i rozliczeń.

To idealne miejsce dla AI.

AI nie tak dawno traktowane było raczej jako temat eksperymentalny. Coś, co warto obserwować, przetestować na niewielkim wycinku organizacji albo pokazać na prezentacji dla zarządu. Dziś takie podejście staje się coraz bardziej ryzykowne. Coraz więcej firm nie pyta już, czy warto automatyzować. Zastanawia się raczej, które procesy przebudować jako pierwsze, aby nie zostać z kosztami, zbyt wolnym tempem działania i marżą z poprzedniej epoki.

Bo jeśli organizacja sprawniej przyjmuje zapytania, szybciej wykrywa błędy i wraca do klienta z pytaniami, aż wreszcie bez zwłoki i bez błędów przekazuje komplet informacji do produkcji, to radykalnie skraca cykl operacyjny i obniża koszty obsługi.

„Przed erą AI” problemem, rzecz jasna, był wszechobecny chaos. Różne sposoby komunikacji. Różne formaty dokumentów. Różne nazwy produktów. Niekompletne dane. Niejednoznaczne informacje. Klasyczne automatyzacje długo sobie z tym nie radziły, ponieważ wymagało to interpretacji języka, kontekstu i intencji klienta.

AI to zmienia. Dobrze zaprojektowany system może dziś analizować wiadomości i załączniki, rozpoznawać produkty, mapować je do katalogu, wykrywać braki, przygotowywać ustrukturyzowaną wersję zapytania lub zamówienia, proponować odpowiedź do klienta i przekazywać komplet danych do kolejnych etapów procesu.

Nie jako „magiczny bot”, który wie wszystko. Raczej jako bardzo konkretny system wspierający wybrany fragment pracy.

Dla przykładu, w jednym z takich procesów skróciliśmy czas pierwszego etapu obsługi zamówienia o 74%. I nie była to futurystyczna „fabryka przyszłości”, tylko zwykły, codzienny proces, który przez lata traktowano jako nieunikniony koszt działania organizacji. Nagle okazało się, że właśnie tam można odzyskać ogromną ilość czasu i przepustowości operacyjnej.

Firmy bardzo często popełniają błąd, traktując AI jak kolejne narzędzie. Tymczasem największa zmiana nie polega na wdrożeniu następnego panelu w przeglądarce, tylko na przebudowie sposobu pracy. Jeżeli dane produktowe są niespójne, wyjątki nie są opisane, odpowiedzialność jest rozmyta między działami, a każdy proces wygląda trochę inaczej, możemy spodziewać się, że AI nie rozwiąże problemu, lecz go spotęguje.

Dlatego dobre wdrożenia AI w firmach produkcyjnych zwykle opierają się na trzech elementach.

Po pierwsze na danych. System musi rozumieć produkty, warianty, nazewnictwo, obowiązkowe pola, ograniczenia i zależności.

Po drugie na procesie. Trzeba jasno określić, kiedy zapytanie jest kompletne, kiedy system może działać samodzielnie, a kiedy decyzję musi podjąć człowiek.

Po trzecie na kontroli. Logi, historia decyzji, obsługa wyjątków, poziomy pewności, uprawnienia i bezpieczeństwo.

Ta „nudniejsza” strona AI najczęściej decyduje o tym, czy rozwiązanie będzie działało po kwartale i po roku, a nie tylko podczas prezentacji.

Dlatego dobrym początkiem automatyzacji wcale nie musi być największy projekt w organizacji.

Często lepiej zacząć od procesu, który:

• jest powtarzalny,
• kosztuje dużo czasu,
• generuje pracę ręczną,
• powoduje błędy lub opóźnienia,
• dotyka kilku działów,
• i daje się jasno zmierzyć przed oraz po wdrożeniu.

Obsługa zapytań ofertowych i zamówień z e-maili jest jednym z takich miejsc. Ta sama logika dotyczy również reklamacji, zgłoszeń serwisowych, dokumentacji technicznej, pracy na danych produktowych czy klasyfikacji spraw trafiających do działów operacyjnych.

Wspólny mianownik jest zwykle ten sam: dużo nieustrukturyzowanych danych, dużo ręcznej interpretacji i dużo czasu ludzi poświęcanego na czynności, które nie tworzą realnej wartości dla klienta.

Rozmowę o AI w firmie produkcyjnej warto zacząć nie od technologii, lecz od pytania: Gdzie dziś tracimy najwięcej czasu na pracę, która nie tworzy wartości dla klienta? Bardzo często odpowiedź nie znajduje się na hali produkcyjnej, tylko w skrzynce mailowej handlowca, w dziale obsługi klienta albo w procesie przygotowywania ofert.