AI do obsługi zapytań ofertowych w B2B - co działa, a co jest ryzykiem

Dystrybutor materiałów instalacyjnych, zapytanie od wykonawcy: arkusz kalkulacyjny z osiemdziesięcioma pozycjami, opisanymi po swojemu. „Kolano 90 fi 50 PP", „trójnik red. 110/50", „rura kanaliz. 110 x 2m". Żadnego symbolu katalogowego.

Ktoś w firmie musi przejść przez te osiemdziesiąt wierszy i dopasować każdy do własnego indeksu. Zajmuje to od dwóch do czterech godzin. Takich zapytań przychodzi kilkanaście tygodniowo.

To jest dokładnie ten rodzaj pracy, w którym model językowy jest dobry: rozumienie tekstu pisanego niekonsekwentnie i dopasowanie go do listy. I jest to zupełnie inna praca niż wycena, w której model nie powinien brać udziału.

Ten tekst jest o tym, gdzie przebiega ta granica i jak zbudować rozwiązanie, które oszczędza godziny, nie tworząc ryzyka wysłania błędnej oferty.

Gdzie naprawdę idzie czas

Rozłóżmy obsługę zapytania na etapy, bo automatyzować warto tylko niektóre.

Widać, gdzie leży pieniądz: dopasowanie pozycji to zwykle 60 do 80 procent całego czasu i jest to jednocześnie praca najbardziej mechaniczna i najbardziej męcząca.

Co AI robi dobrze

1. Wyciąganie pozycji z dowolnego formatu

Zapytania przychodzą jako treść maila, załączony PDF, zdjęcie kartki z budowy, arkusz z kolumnami w przypadkowej kolejności. Model radzi sobie z tym znacznie lepiej niż reguły, bo nie wymaga z góry znanej struktury.

Efekt: lista pozycji z ilością i jednostką, wyciągnięta z czegoś, co nie miało żadnego stałego układu.

2. Dopasowanie do indeksów katalogowych

To jest główna wartość. Model rozumie, że „kolano 90 fi 50 PP" i „Kolano kanalizacyjne PP 50mm 90°" to ten sam produkt, mimo że nie zgadza się ani jedno słowo.

Warunek konieczny: model musi dostać Twój katalog jako dane, a nie zgadywać z pamięci. Rozwiązanie polega na wyszukaniu kandydatów w katalogu, a potem poproszeniu modelu o wskazanie właściwego spośród nich. Model wybiera z listy, której mu dostarczono, zamiast wymyślać symbol.

Ta różnica jest fundamentalna. Model proszony o podanie symbolu z pamięci poda symbol wyglądający wiarygodnie i nieistniejący.

3. Oznaczanie własnej niepewności

Dobrze zaprojektowane rozwiązanie zwraca dla każdej pozycji nie tylko dopasowanie, ale też poziom pewności i uzasadnienie. Wtedy handlowiec patrzy uważnie tylko na te pozycje, które tego wymagają.

W praktyce układ jest zwykle taki: około 70 procent pozycji dopasowuje się jednoznacznie, 20 procent wymaga potwierdzenia, 10 procent trafia do rozstrzygnięcia przez człowieka. Praca spada z czterech godzin do czterdziestu minut.

4. Wychwytywanie braków w zapytaniu

Model potrafi zauważyć, czego w zapytaniu brakuje: nie podano średnicy, nie wiadomo czy wersja lewa czy prawa, nie określono terminu. Automatycznie wygenerowana lista pytań do klienta skraca wymianę maili.

Czego AI robić nie powinno

Tu jest część, którą trzeba powiedzieć wyraźnie, bo rynek obiecuje więcej, niż jest bezpieczne.

Nie powinien ustalać ceny

Cena w B2B powstaje z warunków handlowych kontrahenta, marży, sytuacji zakupowej i decyzji o tym, czy chcemy to zlecenie. To nie jest zadanie językowe, tylko wykonanie reguł i osąd biznesowy.

Reguły cenowe wykonuje kod, który liczy to samo za każdym razem. Model językowy nie daje takiej gwarancji i nie należy go do tego używać. Opisywałem sam mechanizm cenowy w tekście o cennikach indywidualnych i wszystko, co tam jest, powinno pozostać poza modelem.

Nie powinien wysyłać oferty bez człowieka

Oferta wysłana automatycznie jest oświadczeniem woli firmy. Błędne dopasowanie pozycji przy automatycznej wysyłce oznacza ofertę na niewłaściwy towar albo cenę, z której trudno się wycofać.

Właściwy układ: AI przygotowuje projekt oferty, człowiek go zatwierdza jednym kliknięciem. Zatwierdzenie trwa minutę i to jest minuta dobrze wydana.

Nie powinien cicho zgadywać

Najgroźniejszy błąd w projektowaniu takich narzędzi: gdy model nie wie, zwraca coś prawdopodobnego zamiast przyznać, że nie wie.

Zasada, którą stosuję i uważam za nienegocjowalną: jeśli dopasowanie jest niepewne, system pokazuje to jako problem do rozstrzygnięcia, a nie podstawia najbliższy wynik. Narzędzie, które zawsze zwraca komplet, jest gorsze od narzędzia, które mówi „tych sześciu pozycji nie rozpoznałem", bo to pierwsze przenosi błąd do oferty, a drugie na biurko człowieka.

Praktycznie oznacza to bramkę: jeśli liczba pozycji o niskiej pewności przekracza próg, całe zapytanie idzie do obsługi ręcznej z adnotacją, zamiast produkować raport wyglądający na kompletny.

Jak to zbudować

Kolejność, która ogranicza ryzyko i pozwala wcześnie sprawdzić, czy się opłaca.

Etap 1: katalog jako dane do wyszukiwania. Indeksy, nazwy, synonimy, symbole producentów, jednostki. Bez tego nie ma o czym mówić. Jeśli katalog jest w nieładzie, to jest pierwszy wydatek i przyda się również poza tym projektem.

Etap 2: odczyt zapytania i wyciągnięcie pozycji. Wejście: mail z załącznikiem. Wyjście: lista pozycji z ilościami. Jeszcze bez dopasowania.

Etap 3: dopasowanie z oceną pewności. Dla każdej pozycji kandydaci z katalogu, wybór modelu, poziom pewności, uzasadnienie.

Etap 4: ekran weryfikacji dla handlowca. Lista pozycji, przy każdej dopasowanie i możliwość poprawy w dwóch kliknięciach. Pozycje niepewne na górze.

Etap 5: wycena regułami na zatwierdzonej liście, czyli poza modelem.

Etap 6: projekt oferty do zatwierdzenia i wysyłki.

Sensowny punkt zatrzymania na pierwszy raz to etap 4. Już tam jest większość oszczędności, a ryzyko jest minimalne, bo nic nie wychodzi na zewnątrz bez człowieka.

Miara, którą trzeba prowadzić od pierwszego dnia

Każda poprawka wprowadzona przez handlowca na ekranie weryfikacji to informacja o jakości dopasowania. Zapisywanie tych poprawek daje dwie rzeczy: liczbę mówiącą, czy narzędzie się poprawia, oraz materiał do uzupełnienia synonimów w katalogu.

Bez tego pomiaru po pół roku nikt nie będzie wiedział, czy system działa lepiej, czy ludzie po prostu przestali sprawdzać.

Koszty

Wdrożenie:

Koszt bieżący. Opłata za korzystanie z modelu przy zapytaniu na 80 pozycji to zwykle kilkadziesiąt groszy do kilku złotych, zależnie od modelu i długości załączników. Przy pięćdziesięciu zapytaniach miesięcznie mówimy o kwocie rzędu kilkudziesięciu do kilkuset złotych. To jest pomijalne wobec oszczędzonego czasu i nie powinno być czynnikiem decyzyjnym.

Czynnikiem decyzyjnym jest liczba zapytań. Przy pięciu zapytaniach miesięcznie nie ma czego automatyzować. Przy pięćdziesięciu oszczędność to około stu godzin miesięcznie i projekt zwraca się w kilka miesięcy.

Kwestie, o których trzeba pomyśleć

Gdzie trafiają dane klienta. Zapytanie ofertowe zawiera dane kontrahenta i informacje handlowe. Trzeba wiedzieć, do jakiego dostawcy trafiają, czy są wykorzystywane do trenowania i jaki jest okres przechowywania. Przy wrażliwych branżach warto sprawdzić lokalizację przetwarzania i oprzeć to na umowie powierzenia.

Zgoda na przetwarzanie załączników. Jeśli klient przysyła dokumentację projektową, obowiązują te same zasady co przy każdym innym powierzeniu.

Odpowiedzialność za błąd. Oferta wysłana z błędnym dopasowaniem jest błędem firmy, nie dostawcy modelu. To jest główny argument za utrzymaniem zatwierdzenia przez człowieka.

Często zadawane pytania

Czy AI może samo wysyłać oferty do klientów?

Technicznie tak, praktycznie nie należy tego robić. Oferta jest oświadczeniem woli firmy, a błędne dopasowanie pozycji przy automatycznej wysyłce oznacza zobowiązanie do dostarczenia niewłaściwego towaru albo po niewłaściwej cenie. Zatwierdzenie przez człowieka zajmuje około minuty przy gotowym projekcie oferty i jest najtańszym możliwym zabezpieczeniem. Automatyczna wysyłka bywa akceptowalna wyłącznie przy prostych, powtarzalnych zapytaniach o pojedyncze pozycje z jednoznacznym symbolem.

Skąd AI wie, jakie mam produkty?

Nie wie i nie należy zakładać, że wie. Poprawne rozwiązanie działa tak, że system najpierw wyszukuje w Twoim katalogu kandydatów pasujących do opisu z zapytania, a następnie prosi model o wybór właściwego spośród przedstawionych. Model wybiera z dostarczonej listy, zamiast generować symbol z pamięci. Pominięcie tego kroku prowadzi do podawania symboli, które wyglądają poprawnie i nie istnieją.

Jaka jest realna skuteczność dopasowania?

Przy uporządkowanym katalogu z synonimami typowy wynik to około 70 procent pozycji dopasowanych jednoznacznie, 20 procent wymagających potwierdzenia i 10 procent do rozstrzygnięcia przez człowieka. Przy katalogu bez synonimów i z niekonsekwentnym nazewnictwem skuteczność spada wyraźnie i pierwszym krokiem powinno być uporządkowanie danych, a nie wdrożenie modelu. Skuteczność rośnie z czasem, jeśli poprawki handlowców są zapisywane i wracają do katalogu jako synonimy.

Czy to zastąpi handlowca?

Nie zastępuje, przesuwa. Znika przepisywanie i szukanie indeksów, zostaje to, co wymaga osądu: czy chcemy to zlecenie, jaką dać marżę, co zaproponować jako zamiennik, kiedy zadzwonić. W firmach, które to wdrożyły, handlowiec zwykle obsługuje więcej zapytań, a nie jest zwalniany, bo wąskim gardłem przestaje być przepisywanie, a zaczyna być liczba zapytań, które można pozyskać.

Ile kosztuje korzystanie z modelu miesięcznie?

Przy kilkudziesięciu zapytaniach miesięcznie to zwykle kwota rzędu kilkudziesięciu do kilkuset złotych, czyli pozycja pomijalna wobec kosztu wdrożenia i wobec oszczędzonego czasu. Warto natomiast zaprojektować system tak, żeby nie wywoływał modelu tam, gdzie wystarczy zwykłe wyszukiwanie, bo dopasowanie pozycji z jednoznacznym symbolem katalogowym nie wymaga modelu w ogóle.

Od czego zacząć, jeśli nie mam pewności, że to zadziała?

Od pomiaru i od próby na danych historycznych. Weź trzydzieści zapytań z ostatniego kwartału, dla których znasz prawidłowe dopasowanie, bo zostały już obsłużone, i sprawdź, ile z nich system rozpoznałby poprawnie. To jest kilka dni pracy, kosztuje ułamek wdrożenia i daje odpowiedź opartą na Twoich danych, a nie na demonstracji przygotowanej na cudzym przykładzie.

Podobne teksty z bloga

• Cenniki indywidualne w hurtowni online - część, która musi zostać poza modelem
• AI dla producentów - inne zastosowania w przemyśle
• Ile kosztuje wdrożenie AI w małej firmie - budżety i realne widełki
• Portal B2B dla dystrybutora - 12 pytań - szerszy kontekst sprzedaży B2B