Automatyzacja procesów w firmie – 15 przykładów, które naprawdę oszczędzają czas

Automatyzacja procesów polega na przekazaniu systemowi części powtarzalnych czynności, które wcześniej wykonywał człowiek. Może to być proste przesłanie danych z formularza do CRM, utworzenie zadania po otrzymaniu wiadomości, wygenerowanie raportu albo bardziej zaawansowany proces wykorzystujący AI do interpretacji dokumentu, rozmowy lub treści e-maila.

Nie każdy proces wymaga sztucznej inteligencji. Jeśli decyzję da się opisać jednoznaczną regułą typu „jeżeli wydarzy się X, wykonaj Y”, zwykła integracja, workflow albo funkcja dostępna w używanym już systemie może być tańsza, prostsza i bardziej przewidywalna niż rozwiązanie oparte na AI.

Jeżeli dopiero zaczynasz analizować możliwości automatyzacji, warto najpierw sprawdzić, od którego procesu zacząć automatyzację i jakie dane zebrać przed podjęciem decyzji.

Najlepszym kandydatem do automatyzacji nie musi być proces najbardziej irytujący dla zespołu. Ważniejsze jest to, czy występuje często, jest wystarczająco stabilny i generuje koszt, który można zmierzyć. Automatyzowanie chaotycznego procesu zwykle nie usuwa problemu - może jedynie sprawić, że chaos będzie pojawiał się szybciej.

• Proces jest wykonywany często i w podobny sposób.

• Znacząca część pracy jest powtarzalna lub polega na przepisywaniu danych.

• Można określić, ile czasu i pieniędzy kosztuje obecna obsługa procesu.

• Dane potrzebne do wykonania zadania są dostępne w systemach lub dokumentach.

• Wyjątki stanowią mniejszą część spraw i można je przekazać do człowieka.

• Efekt automatyzacji da się zmierzyć przed wdrożeniem i po nim.

Jeśli firma nie ma jeszcze uporządkowanych procesów, przed budową rozwiązania warto sprawdzić, jak przygotować firmę do wdrożenia AI.

W sprzedaży dużo czasu nie zajmuje sama rozmowa z klientem, lecz czynności wykonywane pomiędzy kolejnymi kontaktami: przepisywanie danych, aktualizacja CRM, przygotowanie informacji do oferty czy pilnowanie terminów. To właśnie te elementy często można usprawnić bez odbierania handlowcowi kontroli nad relacją z klientem.

1. Automatyczne zapisywanie leadów w CRM. Dane z formularza, e-maila lub innego kanału mogą automatycznie utworzyć kontakt i szansę sprzedażową, przypisać źródło leada oraz właściciela sprawy. Jeśli dane mają przewidywalną strukturę, AI zwykle nie jest potrzebne.

2. Kwalifikacja zapytań sprzedażowych. Gdy klient opisuje potrzebę własnymi słowami, AI może rozpoznać temat zapytania, produkt, pilność lub podstawowe wymagania, a wynik przekazać do CRM albo odpowiedniej osoby.

3. Przygotowanie danych do oferty. System może zebrać dane z wiadomości, załączników, CRM i innych źródeł w jednym miejscu. AI przydaje się przy interpretacji nieustrukturyzowanych wymagań, ale warunki handlowe i finalna oferta powinny pozostać pod kontrolą człowieka.

4. Automatyczny follow-up i przypomnienia. Po określonym czasie CRM może utworzyć zadanie, przypomnieć o braku odpowiedzi lub wskazać sprawy wymagające ponownego kontaktu. W takim scenariuszu najczęściej wystarczą reguły i istniejące funkcje CRM.

Praktyczny przykład wykorzystania AI przy przygotowaniu informacji sprzedażowych opisujemy także w artykule o AI w procesie przygotowania odpowiedzi na zapytanie ofertowe.

Procesy dokumentowe są dobrym kandydatem do automatyzacji, ponieważ często składają się z dużej liczby powtarzalnych kroków: odebrania pliku, odczytania danych, sprawdzenia ich poprawności, przepisania do innego systemu i przekazania dokumentu dalej. Kluczowe jest jednak zaprojektowanie obsługi przypadków, których automat nie potrafi rozpoznać z wystarczającą pewnością.

1. Odczytywanie danych z PDF-ów i skanów. OCR połączony z odpowiednią logiką lub AI może odczytywać pola z faktur, formularzy, katalogów i innych dokumentów, a następnie przekazywać dane do dalszego procesu.

2. Automatyczne klasyfikowanie dokumentów. System może rozpoznać, czy plik jest fakturą, zamówieniem, reklamacją, umową lub innym typem dokumentu i skierować go do odpowiedniego workflow.

3. Przenoszenie danych między systemami. Informacje z arkusza, formularza, CRM lub ERP mogą być synchronizowane bez ręcznego kopiowania. Jeśli systemy posiadają API, integracja jest zwykle bardziej niezawodna niż automatyzowanie interfejsu użytkownika.

4. Generowanie cyklicznych raportów. System może pobierać dane z kilku źródeł, wykonywać obliczenia i przygotowywać raport według ustalonego harmonogramu. AI ma sens dopiero wtedy, gdy potrzebna jest interpretacja wyników lub analiza treści nieustrukturyzowanej.

W jednym z naszych wdrożeń OCR i automatyzacji katalogów PDF system wykonuje ekstrakcję oraz normalizację danych, natomiast pracownik zajmuje się polami wymagającymi weryfikacji i przypadkami nietypowymi.

Więcej o zamianie ręcznego obiegu dokumentów w proces cyfrowy opisujemy w materiale o automatyzacji dokumentów w firmie.

Automatyzacja obsługi klienta nie musi oznaczać zastępowania pracowników chatbotem. W wielu firmach większy efekt daje uporządkowanie tego, co dzieje się przed odpowiedzią: rozpoznanie rodzaju sprawy, zebranie danych, aktualizacja systemu i przekazanie zgłoszenia do właściwej osoby.

1. Klasyfikacja przychodzących e-maili. AI może określić, czy wiadomość dotyczy sprzedaży, wsparcia, reklamacji, faktury lub innej sprawy i skierować ją do właściwego procesu.

2. Zbieranie danych potrzebnych do odpowiedzi. System może wydobyć z wiadomości numer zamówienia, nazwę klienta, produkt czy opis problemu, a następnie pobrać dodatkowe informacje z CRM lub innego systemu.

3. Przygotowanie szkicu odpowiedzi. W powtarzalnych przypadkach AI może przygotować propozycję odpowiedzi do zatwierdzenia. Automatyczne wysyłanie bez kontroli ma sens tylko wtedy, gdy ryzyko błędu jest odpowiednio niskie i proces został dobrze przetestowany.

4. Automatyczne tworzenie zgłoszeń i zadań. Na podstawie wiadomości system może utworzyć ticket, przypisać kategorię, priorytet, odpowiedzialną osobę oraz termin reakcji.

Podobny przepływ wykorzystaliśmy w realizacji agenta AI do obsługi e-maili i kont trial, gdzie system rozpoznaje wiadomość, zbiera dane i wykonuje dalsze kroki, a nietypowe sprawy przekazuje do pracownika.

Szczegółowy przykład architektury takiego procesu znajdziesz również w artykule o automatyzacji obsługi e-maili.

Nie wszystkie automatyzacje muszą być widoczne dla klienta. Duża część wartości powstaje w procesach wewnętrznych, gdzie system pilnuje terminów, przygotowuje informacje i zwraca uwagę pracownika tylko wtedy, gdy rzeczywiście potrzebna jest jego decyzja.

1. Automatyczne tworzenie zadań i przypomnień. Zmiana statusu zamówienia, brak dokumentu, nowe zgłoszenie albo przekroczenie terminu mogą automatycznie tworzyć zadanie lub powiadomienie dla odpowiedniej osoby.

2. Transkrypcja i analiza rozmów. Nagrania mogą być automatycznie transkrybowane, klasyfikowane i analizowane pod kątem tematów, problemów czy kolejnych działań. Dzięki temu zespół pracuje na uporządkowanych informacjach zamiast odsłuchiwać każdą rozmowę od początku.

3. Monitoring procesów i automatyczne alerty. System może wykrywać, że sprawa pozostaje zbyt długo bez odpowiedzi, integracja przestała przekazywać dane albo liczba błędów przekroczyła ustalony poziom. Powiadomienie powinno pojawiać się wtedy, gdy wymagana jest reakcja człowieka.

Technologia powinna wynikać z charakteru problemu. Wiele nieudanych projektów zaczyna się od odwrotnej kolejności: firma wybiera narzędzie, a dopiero później szuka procesu, w którym można je zastosować. Tymczasem prostsze rozwiązanie często oznacza niższy koszt, łatwiejsze utrzymanie i mniejsze ryzyko.

• Workflow sprawdza się, gdy proces ma jasną kolejność kroków i reguł.

• Integracja API jest dobrym wyborem, gdy trzeba przekazywać dane między systemami.

• CRM wspiera procesy sprzedażowe, kontakt z klientem i pracę na szansach sprzedażowych.

• Low-code pozwala szybko budować prostsze aplikacje i workflow bez tworzenia wszystkiego od podstaw.

• RPA może pomóc w starszych systemach, które nie oferują odpowiedniego API.

• AI ma największą wartość tam, gdzie trzeba interpretować tekst, dokument, rozmowę, obraz lub inne nieustrukturyzowane dane.

Jeśli zwykła reguła biznesowa rozwiązuje problem wystarczająco dobrze, dokładanie modelu AI nie musi poprawiać wyniku. Może natomiast zwiększyć koszt, liczbę scenariuszy błędów oraz wymagania związane z monitoringiem.

Dobry pierwszy projekt powinien być wystarczająco istotny, żeby efekt był mierzalny, ale jednocześnie na tyle ograniczony, żeby można było bezpiecznie przeprowadzić pilotaż. Zamiast przebudowywać cały dział, lepiej wybrać jeden proces i sprawdzić założenia na rzeczywistych danych.

1. Wybierz proces o zauważalnym wolumenie i koszcie.

2. Zmierz czas pracy i liczbę wyjątków przed wdrożeniem.

3. Oddziel czynności powtarzalne od tych wymagających decyzji człowieka.

4. Dobierz najprostsze rozwiązanie wystarczające do osiągnięcia celu.

5. Uruchom pilotaż i porównaj wynik z punktem odniesienia.

Sama możliwość techniczna nie jest wystarczającym argumentem za wdrożeniem. Proces może być łatwy do zautomatyzowania, ale występować tak rzadko, że koszt budowy i utrzymania rozwiązania nigdy się nie zwróci. Dlatego przed decyzją warto policzyć zarówno obecny koszt procesu, jak i pełny koszt przyszłego rozwiązania.

• czas poświęcany obecnie na proces

• pełny koszt godziny pracy

• wolumen spraw w miesiącu lub roku

• koszt wdrożenia i integracji

• miesięczny koszt utrzymania

• udział czynności możliwych do automatyzacji

• koszt obsługi wyjątków i kontroli człowieka

• realną wartość odzyskanego czasu

Szczegółową metodę, wzór i przykład liczbowy opisujemy w przewodniku jak policzyć ROI automatyzacji AI.

Nie każdy proces powinien zostać zautomatyzowany. Czasami rozwiązaniem jest uproszczenie procedury, zmiana odpowiedzialności albo wykorzystanie funkcji, która już istnieje w używanym systemie. Decyzja o pozostawieniu części pracy manualnej może być całkowicie racjonalna.

• Proces występuje bardzo rzadko i pochłania niewiele czasu w skali roku.

• Sposób realizacji zmienia się tak często, że automat wymagałby ciągłych modyfikacji.

• Większość przypadków jest wyjątkiem wymagającym indywidualnej decyzji.

• Dane wejściowe są niskiej jakości albo trudno je uzyskać w sposób powtarzalny.

• Koszt błędu jest wysoki, a automatyczna decyzja wymagałaby rozbudowanej kontroli.

• Prostsza zmiana organizacyjna lub istniejąca funkcja systemu rozwiązuje ten sam problem taniej.

Najbezpieczniejsze podejście polega na przechodzeniu od procesu do technologii, a nie odwrotnie. Najpierw trzeba wiedzieć, gdzie powstaje koszt lub opóźnienie, a dopiero później zdecydować, czy rozwiązaniem będzie integracja, workflow, RPA, AI czy po prostu zmiana sposobu pracy.

1. Wybierz 3–5 najbardziej czasochłonnych i powtarzalnych procesów.

2. Zmierz ich wolumen, czas wykonania, koszt i liczbę wyjątków.

3. Sprawdź, które problemy można usunąć bez wdrażania nowej technologii.

4. Dobierz najprostsze rozwiązanie wystarczające do realizacji celu.

5. Przeprowadź ograniczony pilotaż i zmierz wynik.

6. Skaluj rozwiązanie dopiero wtedy, gdy dane potwierdzą zakładane korzyści.

Jeżeli potrzebujesz wsparcia przy analizie procesu, wyborze technologii lub przygotowaniu pilotażu, sprawdź rozwiązania AI dla biznesu oraz consulting technologiczny Aixir.