Заказ покупателя может прийти письмом, таблицей или фотографией бланка, а сотруднику всё равно приходится переносить его в одну учётную систему. ИИ в обработке заказов Unilever помогает разобрать этот разнородный вход и передать спорные случаи сотруднику. В опубликованном 26 октября кейсе компания рассказала о результатах пилота, где ускоряли конкретный этап оформления заказа.

Что изменилось в обработке заказов Unilever

По истории Microsoft с комментариями команды Unilever, компания обрабатывает около 20 млн заказов в год. Большинство уже передаётся между системами напрямую, но около 2 млн поступают в письмах, PDF, таблицах и фотографиях. Именно такой вход требует чтения и ручного переноса.

Команда разделила работу между пятью агентами: четыре разбирают сообщение и извлекают заказ, пятый проверяет результат. Если данных не хватает или появляется исключение, вопрос уходит сотруднику. Это описанный участниками процесс, а не независимая оценка надёжности системы.

Для читателя здесь важен выбор участка работы. Автоматизировали место, где менеджер переводит документ клиента на язык учётной записи. Возможность отправить привычный бланк сохраняется у покупателя, а требования к внутренней записи остаются у компании.

ИИ в обработке заказов: зачем нужен маршрут исключений

Извлечь текст недостаточно, чтобы оформить поставку. В качестве редакционного примера представим письмо: покупатель просит десять коробок и прикладывает старый прайс. Модель может правильно прочитать число, но для записи ещё нужны соответствие товара каталогу, единица измерения и применимая цена. Отсутствующее поле нельзя незаметно заменить догадкой.

Поэтому при проверке похожего процесса полезно разделять три результата: запись готова, требуется уточнение, документ не относится к заказу. Для каждого результата нужен следующий исполнитель. Например, неизвестный артикул возвращается специалисту, а неподтверждённая цена ожидает согласования. Это предложенная схема проверки, а не дополнительные детали устройства системы Unilever.

Проверяющий агент тоже может ошибиться. Особенно если он опирается на то же неверное распознавание или тот же неполный справочник. Отдельно полезно контролировать обязательные поля и допустимые значения обычными правилами, а человеку давать исходный документ рядом с результатом.

Agent ROI

Grok, ChatGPT, Gemini, Claude
и Perplexity — по одной подписке

Используйте эти модели
в Agent ROI.

Подписку можно оплатить в рублях.

Почему 90 секунд не означают быструю поставку

Для 11 пилотных рынков участники кейса сообщили о сокращении первого этапа обработки с 15–20 минут до примерно 90 секунд. Это время работы с началом заказа. Оно не описывает доставку, оплату или весь цикл обслуживания покупателя.

Часть ожидания может находиться дальше: у согласующего, на складе или в уточнении адреса. Если перенос документа ускорился, а заказ остался в очереди, клиент не обязательно заметит разницу. Поэтому рядом со временем извлечения данных стоит измерять срок до принятой записи и число возвратов.

План расширения также отличается от текущего результата. В публикации сообщается о намерении выйти более чем на 50 рынков; эта цифра не означает уже завершённое внедрение.

С какого заказа начать проверку своего процесса

Для собственного пилота можно выбрать один тип входящего документа и заранее записать, какая запись должна получиться. Сохраните небольшую подборку обычных и спорных примеров: несколько товарных строк, неоднозначное количество, пропущенный адрес, повторное письмо. Проверять нужно и успешное извлечение, и правильную передачу исключения человеку.

Затем сравните полное время оформления с ручным способом, включая проверку и исправления. Отдельно посчитайте ошибки, которые сотрудник обнаружил до передачи в учётную систему. Быстрая обработка полезна, если результат принимается дальше без дополнительного переписывания.

Начните с описания полей и маршрута спорного заказа. Общую схему работы отдела можно дополнить материалом об ИИ для продаж и CRM.

Больше материалов по теме — в разделе «Маркетинг, продажи и клиенты».