Kund:
Pamoja
Land:
Sverige
Intro
När mängden inkommande ordrar ökade behövde Pamoja ett smartare sätt att hantera data från flera kanaler. Tillsammans med Euvic utvecklade de ett AI-drivet system som automatiskt tolkar och strukturerar orderinformation. Resultatet blev snabbare processer, färre fel och en framtidssäker grund för fortsatt automatisering.
Utmaning
Pamoja stod inför en alltmer komplex orderhanteringsprocess. Order kom in via flera olika kanaler, e-post, chattmeddelanden och externa system. Ofta i ostrukturerade format.
Detta innebar att medarbetarna lade mycket tid på att manuellt mata in och verifiera orderdata, en process som både var resurskrävande och utsatt för mänskliga fel.
För att lösa detta satte Pamoja upp tre tydliga mål:
- Automatisera orderutdragningen för att minska handläggningstiden och kostnaderna.
- Förbättra kundupplevelsen genom snabbare och smidigare orderhantering.
- Skapa en skalbar lösning som kan utvecklas i takt med att nya AI-modeller dyker upp.
Lösning
För att möta dessa utmaningar utvecklade Euvic ett AI-drivet system för orderextrahering baserat på Amazon Bedrock och Claude 3.5 Sonnet.
- Systemet använder avancerad natural language processing (NLP) för att tolka ostrukturerade orderinmatningar och automatiskt konvertera dem till strukturerat JSON-format. Redo för smidig integration med Pamoja:s interna system.
- Ett valideringsflöde säkerställer kvaliteten genom att flagga ofullständiga eller tvetydiga order för granskning av administratören. Att hitta rätt balans mellan automatisering och mänsklig övervakning.
- Lösningen är utvecklad med .NET, React och AWS och erbjuder både skalbarhet och integrationsflexibilitet. Amazon Bedrock valdes för sin pay-as-you-go-prismodell och flexibiliteten att enkelt växla mellan AI-modeller i takt med att tekniken utvecklas.
- För koncepttestet valdes Claude 3.5 Sonnet på grund av dess överlägsna noggrannhet, bearbetningshastighet och avancerade förmåga att förstå naturligt språk.
Resultat
Implementeringen gav omedelbara och mätbara resultat:
- Minskad manuell orderinmatningstid, vilket gjorde det möjligt för personalen att fokusera på mer värdeskapande aktiviteter.
- Förbättrad noggrannhet och konsekvens i orderhanteringen.
- Snabbare svarstider, vilket förbättrade den övergripande kundupplevelsen.
- En framtidssäker AI-grund som är redo att skalas upp med nya modeller och förändrade affärsbehov.
Summering
Genom att implementera ett AI-drivet orderhanteringssystem har Pamoja framgångsrikt moderniserat ett kritiskt affärsflöde. En manuell, tidskrävande process har omvandlats till en intelligent, automatiserad verksamhet.
