AI w firmie handlowej

Dlaczego AI w handlu zaczyna się od zamówień, nie od prognoz

Firmom handlowym AI sprzedaje się od strony analityki: prognozy popytu, optymalizacja cen, rekomendacje. Te projekty bywają wartościowe, ale mają wspólny warunek wstępny, który sprawdzamy przed startem — kompletną, uporządkowaną historię sprzedaży i zapasów. W praktyce ta historia bywa dziurawa: braki magazynowe udają brak popytu, promocje nie są oznaczone, ten sam towar żyje pod dwoma indeksami. Prognoza liczona na takich danych to generator liczb, nie narzędzie decyzyjne.

Równolegle w tej samej firmie codziennie płynie strumień pracy, którą AI potrafi przejąć już dziś: zamówienia przychodzące mailem i przez telefon w kilkunastu formatach, przepisywane ręcznie do ERP, czyli systemu, w którym firma prowadzi zamówienia, zapasy i księgowość; zapytania ofertowe czekające na wycenę złożoną z cennika, historii klienta i dostępności; aktualizacje cenników od dostawców wprowadzane po jednym; faktury zakupu sprawdzane z zamówieniami i przyjęciami ręcznie. To są procesy oparte na dokumentach i tekście — dane istnieją, reguły da się spisać, a pomyłka jest wykrywalna i odwracalna.

Dlatego dobry pierwszy projekt AI w firmie handlowej wygląda mało spektakularnie: nie przewiduje przyszłości, porządkuje teraźniejszość. Za to pierwsze efekty widać w ciągu tygodni, a przy okazji projekt buduje historię danych, której prognozy będą kiedyś potrzebowały.

Co konkretnie automatyzujemy w firmach handlowych

• Obsługa zamówień. Odczyt zamówień przychodzących mailem, w PDF-ach i arkuszach — w układach, których nikt wcześniej nie opisał — dopasowanie pozycji do indeksów i przygotowanie wpisu do ERP do zatwierdzenia przez handlowca. To najczęstszy pierwszy proces, bo powtarza się codziennie, a potwierdzenie zamówienia jest dodatkowym punktem kontroli. W pilotażu mierzymy zarówno poprawność wpisów, jak i czas potrzebny na ich sprawdzenie.
• Oferty i cenniki. Przygotowanie projektu oferty z cennika, warunków klienta i dostępności — do zatwierdzenia przez handlowca — oraz wczytywanie aktualizacji cenników od dostawców z listą zmian do przejrzenia, zamiast wprowadzania pozycji po jednej.
• Obsługa zapytań. Rozpoznanie i skierowanie zapytań o dostępność, status zamówienia czy dokumenty do właściwej osoby oraz projekt odpowiedzi do zatwierdzenia. Cały ten proces — od zgłoszenia do odpowiedzi — opisaliśmy osobno na stronie automatyzacji obsługi klienta; w firmie handlowej działa on identycznie.
• Stany magazynowe i dokumenty. Uzgadnianie dokumentów magazynowych z systemem i lista rozbieżności do wyjaśnienia — zamiast odkrywania ich przy inwentaryzacji. Do tego pilnowanie kompletności: co zostało wydane, a nie zafakturowane, i odwrotnie.
• Rozliczenia z dostawcami. Sprawdzenie faktur zakupu z zamówieniami i przyjęciami, z listą rozbieżności cen i ilości do wyjaśnienia — oraz pilnowanie rabatów retrospektywnych i bonusów, które dziś rozliczają się w arkuszu raz na kwartał. Niejednoznaczne przypadki trafiają do człowieka, nie od razu do księgowania.

Wspólny mianownik: człowiek zatwierdza wynik, system przygotowuje. Które procesy w ogóle nadają się do takiej automatyzacji — pięć warunków, które musi spełnić dobry kandydat — opisaliśmy na stronie automatyzacji AI; w firmie handlowej te warunki sprawdza się dokładnie tak samo.

Czego nie obiecujemy

• Prognoz popytu bez historii danych. Model prognozujący musi się uczyć z kompletnej, uporządkowanej historii sprzedaży i zapasów. Jeżeli braki magazynowe udają brak popytu, a promocje nie są oznaczone, uczciwa oferta zaczyna się od uporządkowania danych — i mówi wprost, że efekt prognostyczny przyjdzie później.
• Decyzji cenowych bez osoby odpowiedzialnej. System przygotowuje projekt oferty z cennika, warunków klienta i dostępności, ale decyzja o cenie i rabacie zostaje przy handlowcu, który zna klienta i marże.
• Pracy bez zatwierdzania od pierwszego dnia. Wpisy do ERP, oferty i odpowiedzi na zapytania startują w trybie z akceptacją człowieka, a nadzór luzuje się na podstawie danych z pilotażu. Komplet warunków, przy których odradzamy projekt, zebraliśmy na stronie czego nie robimy.

Cenniki, marże i dane klientów

Dokumenty handlowe to najbardziej wrażliwe dane tej branży: ceny zakupu, marże, indywidualne warunki klientów — informacje, których wyciek boli bardziej niż niejedna awaria — a dane kontaktowe zamawiających to dane osobowe. Zanim jakikolwiek dokument trafi do modelu, trzeba rozstrzygnąć, które dane w ogóle opuszczają firmę, dokąd trafiają i na jakiej podstawie — od wyboru dostawcy i regionu przetwarzania po ograniczenie zakresu danych do minimum potrzebnego w danym kroku. Jak do tego podchodzimy i o co pytać każdego dostawcę, opisaliśmy na stronie bezpieczeństwo i RODO.

Jak pracujemy

Tak samo jak w każdym wdrożeniu: wybieramy jeden proces i przed startem mierzymy jeden wskaźnik, na przykład minuty od wpływu zamówienia do wpisu w ERP. Potem robimy możliwie mały pilotaż, w którym człowiek zatwierdza każdy wynik. Przed przełączeniem system przez pewien czas działa równolegle z dotychczasowym sposobem pracy. Korekty handlowców są rejestrowane i wykorzystywane przy okresowym poprawianiu systemu — to na ich podstawie poprawia się trafność propozycji. Pełny przebieg opisuje metodyka wdrożenia, a cały zakres usługi, od audytu procesów po utrzymanie, strona wdrożenie AI w firmie.

Ile to kosztuje

O koszcie decydują trzy rzeczy: liczba systemów do połączenia, stan danych i wymagana wiarygodność wyników, czyli jak rzadko mogą zawierać błąd. Liczba indeksów w ofercie ma mniejsze znaczenie niż to, czy zamówienia i dokumenty żyją w jednym systemie, czy w skrzynkach i arkuszach obok niego. Wszystkie składniki, łącznie z utrzymaniem, rozpisaliśmy w tekście o tym, ile kosztuje wdrożenie AI.

Najczęstsze pytania

Od czego zacząć wdrożenie AI w firmie handlowej?

Od procesów, które powtarzają się codziennie i mają dane w dokumentach: zamówienia przepisywane ręcznie do systemu, zapytania ofertowe czekające na wycenę, cenniki od dostawców wprowadzane po jednym, faktury sprawdzane z zamówieniami. Tam dane już istnieją, pomyłka jest odwracalna, a efekt widać w tygodnie. Prognozy popytu i optymalizacja cen wymagają najpierw kompletnej historii sprzedaży — i dlatego rzadko są dobrym pierwszym projektem.

Czy AI przewidzi nam popyt i ustawi ceny?

Prognoza jest tak dobra jak dane, na których powstaje — a w firmach handlowych historia sprzedaży bywa dziurawa: braki magazynowe udające brak popytu, promocje bez oznaczenia, indeksy zakładane podwójnie. Uczciwa kolejność to najpierw uporządkowanie danych o sprzedaży i zapasach, potem prognozy. Decyzje cenowe to osobna sprawa: system może przygotować analizę i propozycję, ale decyzję o cenie i marży podejmuje człowiek — to zbyt kosztowne miejsce na cichy błąd modelu.

Czy to zadziała z naszym ERP i sklepem B2B?

To rozstrzyga audyt na początku projektu. Sprawdzamy, czy API (interfejs, przez który inne programy łączą się z systemem) albo import plików daje dostęp do danych i czynności potrzebnych w wybranym procesie. Na tej podstawie potwierdzamy, czy integracja jest wykonalna, jaki ma zakres i ile kosztuje — oraz czy wystarczy gotowa funkcja systemu. Systemy handlowo-magazynowe używane w Polsce różnią się tu znacząco, a ta różnica wpływa na koszt — a przez to także na to, czy projekt się opłaca. Ważniejsze od systemu bywa to, którędy zamówienia i dokumenty do niego trafiają: mail, telefon, sklep B2B, elektroniczna wymiana danych (EDI) — bo to odcinek ręcznego przepisywania automatyzujemy najpierw.

Ile kosztuje wdrożenie AI w firmie handlowej?

O koszcie decyduje liczba systemów do połączenia — ERP, sklep, magazyn, poczta — stan danych i wymagana wiarygodność wyników, czyli jak rzadko mogą zawierać błąd. Liczba indeksów w ofercie ma mniejsze znaczenie niż to, czy zamówienia wpływają jednym kanałem do jednego systemu, czy pięcioma do dwóch. Osobną pozycją jest utrzymanie: opłaty zależne od liczby operacji i okresowe testy po zmianach wersji modeli. Składniki kosztu rozpisaliśmy w tekście o tym, ile kosztuje wdrożenie AI.

Co z poufnością cenników i danych klientów?

Ceny zakupu, marże i warunki handlowe poszczególnych klientów to najbardziej wrażliwe dane firmy handlowej, a dane kontaktowe zamawiających to dane osobowe. Zanim jakikolwiek dokument trafi do modelu, trzeba rozstrzygnąć, które dane w ogóle opuszczają firmę, dokąd trafiają i na jakiej podstawie — od wyboru dostawcy i regionu przetwarzania po ograniczenie zakresu danych do minimum potrzebnego w danym kroku. Zasady i pytania do każdego dostawcy opisaliśmy na stronie o bezpieczeństwie i RODO.