7 poslovnih procesa koje danas možete automatizovati uz AI

Kada se govori o veštačkoj inteligenciji u poslovanju, većina ljudi prvo pomisli na pisanje tekstova, odgovaranje na pitanja ili generisanje ideja. To jesu korisne mogućnosti, ali predstavljaju samo jedan deo onoga što AI danas može da radi.

Za firmu je često mnogo zanimljivije drugo pitanje: koji deo svakodnevnog poslovanja možemo da ubrzamo ili automatizujemo?

AI automatizacija poslovanja postaje posebno korisna kada se poveže sa konkretnim procesom – pristiglim upitima, CRM-om, dokumentima, ponudama, bazom podataka ili internim poslovnim sistemom.

Cilj pritom ne mora biti da AI zameni zaposlenog. Mnogo realniji cilj je da smanji vreme koje ljudi troše na ponavljajuće administrativne poslove, pronalaženje informacija, prepisivanje podataka i pripremu materijala.

Čoveku tada ostaje više vremena za ono u čemu je i dalje najpotrebniji: procenu situacije, komunikaciju sa klijentima, pregovore i donošenje poslovnih odluka.

U nastavku ćemo pogledati sedam konkretnih poslovnih procesa koji su danas dobri kandidati za AI automatizaciju.

Zamislite firmu koja svakog dana dobija desetine emailova i upita preko kontakt forme na sajtu.

Jedan klijent traži cenu. Drugi želi dodatne informacije o proizvodu. Treći prijavljuje problem. Četvrti traži ponudu, ali nije dostavio dovoljno podataka.

Zaposleni najpre mora da pročita svaki upit, utvrdi šta klijent želi, pronađe odgovarajuće informacije i tek onda pripremi odgovor.

Veliki deo tog procesa može da se ubrza uz AI.

Sistem može da:

• prepozna vrstu pristiglog upita;
• klasifikuje ga kao prodajni upit, podršku, reklamaciju ili drugi tip zahteva;
• izvuče važne informacije iz poruke;
• pronađe relevantne podatke o usluzi ili proizvodu;
• koristi postojeći cenovnik ili bazu znanja;
• pripremi nacrt odgovora;
• prosledi složen ili neuobičajen slučaj odgovarajućem zaposlenom.

Važna stvar je da automatizacija ne mora da znači automatsko slanje poruke.

AI može da pripremi odgovor, a zaposleni ga pregleda, eventualno izmeni i potvrdi slanje. Time se ubrzava rutinski deo posla, dok čovek zadržava kontrolu nad komunikacijom.

Potpuno automatski odgovor ima više smisla kod jednostavnih i dobro definisanih pitanja, dok je kod složenijih prodajnih ili korisničkih situacija često bolje zadržati ljudsku proveru.

U mnogim firmama izrada ponude izgleda gotovo isto svaki put.

Potrebno je pronaći podatke o klijentu, pročitati njegov zahtev, proveriti cenovnik, otvoriti prethodnu ponudu, kopirati standardne uslove, prilagoditi dokument i proveriti da nešto nije zaboravljeno.

Ako se dnevno pravi veliki broj ponuda, vreme potrošeno na ove korake brzo postaje značajno.

AI može da koristi:

• podatke o klijentu;
• opis njegovog zahteva;
• aktuelni cenovnik;
• prethodne ponude;
• standardne uslove saradnje;
• šablone dokumenata;
• informacije o proizvodima i uslugama.

Korisnik bi, na primer, mogao da zada zahtev:

„Pripremi ponudu za izradu web sajta na osnovu zahteva klijenta i našeg standardnog cenovnika.“

Sistem može da pročita zahtev, izdvoji tražene funkcionalnosti, pronađe relevantne stavke i pripremi strukturiran nacrt ponude.

To ne znači da AI treba samostalno da odlučuje o konačnoj ceni.

Odgovorna osoba može da proveri obim projekta, cenu, rokove i komercijalne uslove pre nego što ponuda ode klijentu.

Na ovaj način automatizuje se priprema dokumenta, a ne poslovna odgovornost.

CRM može da sadrži stotine ili hiljade kontakata, aktivnosti, prodajnih prilika i ponuda. Problem je što podatak koji postoji u CRM-u nema veliku vrednost ako niko ne reaguje na njega.

Jedan od praktičnih primera primene AI-a jeste analiza prodajnih aktivnosti i prepoznavanje situacija koje zahtevaju pažnju.

AI može da traži:

• potencijalne klijente kojima dugo nije odgovoreno;
• ponude koje su poslate, ali još nemaju odgovor;
• leadove sa kojima nije definisan sledeći kontakt;
• prodajne prilike koje dugo nisu promenile status;
• klijente kod kojih postoje signali povećanog interesovanja.

Prodajni menadžer može da pita:

„Pronađi potencijalne klijente kojima smo poslali ponudu pre više od 7 dana, a još nisu odgovorili.“

Sistem proverava stvarne CRM podatke i vraća listu kontakata koji odgovaraju kriterijumu.

AI zatim može da pripremi i nacrt follow-up poruke koristeći informacije o prethodnoj komunikaciji i poslatoj ponudi.

Umesto da prodavac svakog jutra ručno prolazi kroz desetine zapisa, sistem može da izdvoji slučajeve koji zahtevaju pažnju.

Ovo je dobar primer gde AI za firme ne mora da menja postojeći poslovni proces. Može jednostavno da učini postojeći CRM korisnijim.

Veliki deo administrativnog posla u kompanijama i dalje se vrti oko dokumenata.

Fakture, ugovori, ponude, izveštaji, PDF dokumenti, Excel tabele i CSV fajlovi svakodnevno stižu zaposlenima koji moraju da ih otvore, pročitaju, pronađu određene podatke i prenesu ih u drugi sistem.

AI može značajno da pomogne upravo u ovom delu posla.

Izvlačenje podataka iz dokumenata

Iz pristigle fakture sistem može da izdvoji broj fakture, dobavljača, datum, iznos, valutu i druge potrebne podatke i pripremi ih za dalju obradu.

Analiza ugovora

Umesto ručnog čitanja celog dokumenta, moguće je pronaći određene klauzule, rokove, obaveze ili druge informacije koje korisnik traži.

Poređenje dokumenata

Ako postoje dve verzije dokumenta, AI može da pomogne u identifikovanju razlika i izdvoji delove koji su promenjeni.

Sažimanje

Dugačak izveštaj ili dokument može se pretvoriti u kraći pregled najvažnijih informacija, uz mogućnost da korisnik zatim detaljnije proveri delove koji su mu relevantni.

Excel i CSV podaci

AI može da pomogne i pri analizi strukturiranih podataka: pronalaženju odstupanja, grupisanju informacija, sumiranju rezultata ili pripremi razumljivog pregleda.

Ovde ipak postoji važna granica. Kod pravno, finansijski ili poslovno važnih dokumenata AI analiza treba da bude pomoć, a ne konačna potvrda.

Ugovor koji proizvodi pravne posledice ili finansijski izveštaj na osnovu kojeg se donosi važna odluka i dalje treba da proveri odgovorna osoba.

U skoro svakoj firmi postoje informacije koje neko zna, ali drugi zaposleni ne znaju gde da ih pronađu.

Procedure se nalaze u PDF dokumentu. Pravilnik je na zajedničkom disku. Obrazac je poslat emailom pre šest meseci. Informaciju o popustu zna kolega iz prodaje.

Rezultat je veliki broj malih prekida tokom radnog dana:

„Gde se ovo nalazi?“

„Koja je procedura?“

„Koji obrazac koristimo?“

„Koga treba da pitam?“

AI asistent može da posluži kao interfejs prema kontrolisanoj internoj bazi znanja.

Zaposleni tada može da pita:

• „Kako se prijavljuje reklamacija kupca?“
• „Koja je procedura za odobravanje popusta?“
• „Gde se nalazi obrazac za novu ponudu?“
• „Ko odobrava ovaj tip troška?“
• „Koji je rok za obradu ovog zahteva?“

Sistem pronalazi odgovor u dokumentaciji kojoj korisnik ima pravo pristupa.

Prednost nije samo brzina. Dobro organizovana interna baza znanja može da smanji zavisnost od toga da određena informacija postoji samo „u glavi“ jednog zaposlenog.

Da bi takav sistem dobro radio, dokumentacija mora biti ažurna. Ako postoje dve procedure koje daju različita uputstva, problem nije u AI-u nego u kvalitetu izvora iz kojih pokušava da odgovori.

Izveštaji su još jedan dobar primer posla koji se često ponavlja po gotovo identičnom obrascu.

Svakog ponedeljka neko preuzima podatke. Kopira ih u tabelu. Sabira rezultate. Upoređuje ih sa prethodnim periodom. Zatim piše nekoliko rečenica objašnjenja.

Deo tog procesa može da se automatizuje.

AI sistem može da prikupi podatke iz dozvoljenih izvora i pripremi, na primer:

• nedeljni prodajni izveštaj;
• mesečni pregled prihoda;
• pregled aktivnih prodajnih prilika;
• izveštaj o marketing kampanjama;
• analizu zahteva korisničke podrške;
• pregled realizovanih i otvorenih zadataka.

Menadžer može da zatraži:

„Pripremi kratak pregled prodaje za prethodnu nedelju i izdvoji najveće promene.“

Aplikacija može da preuzme stvarne podatke, izračuna potrebne pokazatelje i pripremi tekstualni pregled koji je lakše pročitati nego deset tabela.

Ključno pravilo ovde je da AI ne treba da „zna“ prodajne rezultate niti da ih procenjuje napamet.

Brojevi moraju dolaziti iz stvarnog izvora: baze podataka, CRM-a, ERP-a, analitičkog sistema ili drugog pouzdanog poslovnog izvora. AI može da ih organizuje, objasni i sumira, ali ne treba da ih izmišlja.

Neki poslovni procesi nisu komplikovani, ali imaju veliki broj malih koraka.

Zaposleni primi informaciju, unese je u jednu aplikaciju, kopira podatak u drugu, promeni status, pošalje obaveštenje kolegi i kreira zadatak za sledeću nedelju.

Svaki pojedinačni korak traje nekoliko minuta. Kada se ponovi stotinu puta mesečno, rezultat je mnogo potrošenih radnih sati.

AI automatizacija može da se koristi za:

• unos i strukturiranje podataka;
• prebacivanje informacija između aplikacija;
• kategorizaciju dokumenata i zahteva;
• kreiranje zadataka;
• slanje internih obaveštenja;
• ažuriranje statusa u poslovnim sistemima;
• pokretanje narednog koraka u definisanom procesu.

Kako može izgledati jedan workflow?

Zamislimo sledeću situaciju:

Novi upit stigne sa web sajta → AI prepozna vrstu upita → kreira kontakt u CRM-u → poveže ga sa odgovarajućom uslugom → dodeli odgovornu osobu → pripremi nacrt odgovora → kreira follow-up zadatak.

Zaposleni dobija već pripremljen slučaj umesto da ručno izvršava svaki korak.

Klasična automatizacija najbolje funkcioniše kada su pravila potpuno jasna.

Na primer:

„Ako je faktura dospela, a nije plaćena, pošalji podsetnik.“

Tu često nije potreban AI. Obično programsko pravilo može biti jednostavnije, jeftinije i pouzdanije.

AI postaje koristan kada proces sadrži nestrukturirane informacije ili zahteva određeni nivo tumačenja.

Na primer, klijent može da napiše email na deset različitih načina, ali svi ti emailovi zapravo predstavljaju zahtev za ponudu.

Klasičnom programu je teško unapred definisati svaku moguću formulaciju. AI može da razume sadržaj poruke, klasifikuje zahtev i zatim pokrene odgovarajući unapred definisan proces.

U praksi se najbolja poslovna automatizacija često sastoji od kombinacije klasične programske logike i AI-a: softver kontroliše pravila i podatke, a AI rešava delove u kojima je potrebno razumeti tekst, dokument ili kontekst.

Činjenica da nešto tehnički može da se automatizuje ne znači da treba da bude potpuno autonomno.

Što su posledice odluke ozbiljnije, to je važnija ljudska kontrola.

Poseban oprez potreban je kod procesa kao što su:

• velika finansijska plaćanja;
• raskid ili promena važnih ugovora;
• pravno obavezujuće odluke;
• zapošljavanje i otpuštanje zaposlenih;
• brisanje važnih poslovnih podataka;
• promena kritičnih poslovnih parametara;
• donošenje važnih poslovnih odluka samo na osnovu AI preporuke;
• komunikacija sa klijentima u osetljivim ili konfliktnim situacijama.

Ovde je važan princip human in the loop.

AI može da prikupi podatke, analizira situaciju, pripremi dokument ili predloži naredni korak. Kada postoji značajan poslovni, finansijski, pravni ili reputacioni rizik, čovek treba da potvrdi odluku pre nego što se izvrši akcija.

Moderni sistemi za AI agente upravo zato podržavaju različita prava pristupa i korake odobravanja pre izvršavanja osetljivih radnji.

Ne treba početi od tehnologije. Mnogo je korisnije posmatrati svakodnevni rad firme.

Za svaki proces možete postaviti nekoliko jednostavnih pitanja:

• Da li se isti posao ponavlja svakodnevno ili svake nedelje?
• Da li zaposleni često kopiraju iste podatke iz jednog sistema u drugi?
• Da li proces ima relativno jasna pravila?
• Da li se potrebne informacije već nalaze u digitalnom obliku?
• Da li zaposleni gube mnogo vremena tražeći informacije?
• Da li postoji veliki broj međusobno sličnih slučajeva?
• Da li rezultat može relativno lako da se proveri?
• Možemo li izmeriti koliko vremena proces trenutno oduzima?

Što je proces jasniji, češći i ponovljiviji, to je obično bolji kandidat za automatizaciju.

Nasuprot tome, proces koji se događa dva puta godišnje, svaki put izgleda potpuno drugačije i zahteva mnogo iskustva i procene možda nije dobro mesto za početak.

Zamislimo kompaniju sa petnaest zaposlenih koja pruža nekoliko B2B usluga.

Potencijalni klijenti dolaze preko kontakt forme na web sajtu i emaila. Firma koristi CRM, ali zaposleni često kasne sa unosom novih kontakata i follow-up zadacima.

Proces može izgledati ovako.

Kada stigne novi upit, sistem prvo analizira njegov sadržaj i utvrđuje da li se radi o zahtevu za ponudu, opštem pitanju, postojećem klijentu ili nekoj drugoj vrsti poruke.

Ako je u pitanju novi potencijalni klijent, sistem proverava da li kontakt već postoji u CRM-u. Ako ne postoji, kreira novi zapis i povezuje ga sa odgovarajućom uslugom.

Na osnovu sadržaja upita, podataka o usluzi i postojećih pravila, AI priprema nacrt odgovora.

Istovremeno može da dodeli kontakt odgovarajućem članu prodajnog tima i kreira zadatak da se klijent ponovo kontaktira ukoliko ne odgovori u definisanom roku.

Šta se radi automatski?

• analiza i klasifikacija upita;
• izdvajanje osnovnih kontakt podataka;
• provera i kreiranje CRM kontakta;
• povezivanje sa odgovarajućom uslugom;
• kreiranje internog zadatka;
• priprema nacrta odgovora.

Gde zaposleni zadržava kontrolu?

Prodavac može da pregleda nacrt poruke, prilagodi ga konkretnom klijentu i tek tada ga pošalje.

Ako je potrebno pripremiti posebnu cenu ili nestandardne komercijalne uslove, odgovorna osoba donosi odluku.

Ako AI nije siguran kojoj kategoriji zahtev pripada, slučaj se prosleđuje zaposlenom umesto da sistem samostalno nagađa.

Na taj način AI preuzima veliki broj malih administrativnih koraka, ali ne preuzima odgovornost za poslovni odnos sa klijentom.

Jedna od čestih grešaka je pokušaj da se odmah napravi veliki sistem koji rešava sve.

U praksi je često bolje izabrati jedan uski proces.

Na primer, prva verzija može samo da analizira pristigle upite i priprema nacrte odgovora.

Kada se pokaže da to funkcioniše pouzdano, može se dodati kreiranje CRM kontakta.

Zatim follow-up zadaci.

Kasnije možda automatska analiza prodajnih prilika ili priprema ponuda.

Takav pristup omogućava firmi da na svakom koraku proveri da li automatizacija zaista donosi korist pre nego što proširi sistem.

AI projekat nije uspešan samo zato što tehnički radi.

Pre početka automatizacije korisno je izmeriti postojeći proces.

Na primer:

• koliko vremena zaposleni dnevno provode obrađujući upite;
• koliko traje priprema prosečne ponude;
• koliko leadova ostane bez follow-up-a;
• koliko vremena se troši na pripremu nedeljnog izveštaja;
• koliko ručnih unosa podataka proces zahteva.

Nakon uvođenja sistema mogu se uporediti isti pokazatelji.

Ako je za pripremu izveštaja ranije bilo potrebno dva sata, a sada je potrebno petnaest minuta pregleda i kontrole, rezultat je lako razumljiv.

Takva merenja su korisnija od opšte procene da firma sada „koristi AI“.

Firma koja razmatra veštačku inteligenciju u poslovanju ne mora prvo da bira AI platformu, model ili alat.

Bolje je početi od pitanja:

„Koji proces nam trenutno oduzima najviše vremena i da li može da se automatizuje?“

Možda je odgovor obrada upita. Možda priprema ponuda. Možda traženje informacija u dokumentaciji ili ručno sastavljanje izveštaja.

Kada je problem jasno definisan, mnogo je lakše proceniti da li je za njegovo rešavanje potreban AI, klasična automatizacija ili kombinacija oba pristupa.

Najbolji početak je obično jedan konkretan proces, ograničen broj korisnika i rezultat koji može da se izmeri. Tek nakon toga ima smisla širiti poslovnu automatizaciju na druge delove kompanije.

AI automatizacija može biti ugrađena u postojeću web aplikaciju ili CRM, povezana sa postojećim poslovnim sistemima ili razvijena kao potpuno novo prilagođeno rešenje.

Geolink Digital se bavi razvojem web aplikacija i poslovnih sistema, uključujući integracije i automatizaciju procesa, pa AI posmatramo kao jedan od alata koji može da bude koristan kada rešava jasno definisan poslovni problem.

Ako u vašoj firmi postoji proces koji se svakodnevno ponavlja i oduzima mnogo vremena, možda je upravo on najbolji kandidat za automatizaciju.