إشعار
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تسجيل الدخول أو تغيير الدلائل.
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تغيير الدلائل.
تدعم شركة Concentrix العديد من أكبر العلامات التجارية في العالم من خلال إدارة عمليات تجارية معقدة وعالية المخاطر خلف الكواليس. إحدى هذه المسؤوليات هي معالجة أكثر من 100,000 فاتورة مرافق كل شهر، تصل من أكثر من 100 موفر، بأكثر من 300 تخطيط، وبلغات متعددة. ما يبدأ كسير عمل روتيني يصبح بسرعة مزيجا معقدا من التنسيقات والاستثناءات، ما يجعل المعالجة اليدوية بطيئة وغير متسقة.
لتحديث سير العمل هذا، قامت Concentrix ببناء حل أتمتة واسع النطاق باستخدام Microsoft Power Platform والذكاء الاصطناعي. يستبدل الحل تلقائيا الفواتير ويفسرها، ويتكيف مع مئات التنسيقات، ويقدم دقة عالية مع الحد الأدنى من المشاركة البشرية.
تسلط دراسة الحالة هذه الضوء على كيفية تحويل Concentrix عملية يدوية تستغرق وقتا طويلا إلى عملية قابلة للتطوير وذكية وفعالة، محققة الآن متوسط دقة الاستخراج بنسبة 96 في المائة.
تحديات الأعمال
تتطلب معالجة الفواتير جهدا يدويا مكثفا. تعمل كل حالة مع مجموعة الموردين الخاصة بها، ما يؤدي إلى مئات تخطيطات الفواتير، ما يؤدي إلى استثناءات ثابتة ووقت كبير يقضيه في تحديد كيفية معالجة كل واحدة منها.
كما يفتقر سير العمل إلى الرؤية المركزية. لم يتمكن Teams من تعقب حالة الفاتورة بسهولة أو تحديد التأخيرات أو قياس مؤشرات الأداء الرئيسية مثل وقت المعالجة أو الدقة أو معدلات الاستثناء. وحتى التعديلات الصغيرة كانت صعبة بدون مصدر واحد للحقيقة.
ومع زيادة الأحجام من حوالي 500 فاتورة شهريا إلى عدة مئات من الآلاف، مع وصول 000 6 إلى 000 8 فاتورة يوميا، أصبح النهج اليدوي غير مستدام. كانت العملية بطيئة وعرضة للخطأ ويصعب توسيع نطاقها بشكل متزايد مع استمرار نمو كل من تباين الحجم والمورد.
على هذا المقياس، تصبح معالجة الفواتير يدويا كابوسا. المتطلب نفسه - استخراج البيانات وتحميلها - بسيط. يتمثل التحدي الحقيقي في التعامل مع الحجم والتباين والسرعة التي تتطلبها الأعمال.
— Syed Rasheed، المهندس المعماري الرئيسي، Concentrix
الحل
استبدلت Concentrix عملية الفاتورة اليدوية الخاصة بها بحل تلقائي بالكامل مبني على الاستخراج المستند إلى Power Automate Power Apps AI Builder وGPT. بدلا من تنزيل الفواتير والكتابة في البيانات ومعالجة الاستثناءات يدويا، يقرأ الحل الجديد الفواتير تلقائيا، ويستخرج المعلومات الرئيسية، ويطبق قواعد العمل بأقل مشاركة بشرية.
تشمل تلك المزايا:
دقة عالية على نطاق واسع
- معالجة أكثر من 100,000 فاتورة شهريا
- تحقيق دقة بنسبة 96 بالمائة بشكل عام، لتصل إلى 99 بالمائة في يناير 2026
تطوير أسرع وتكاليف أقل
- تكلفة معالجة أقل لكل فاتورة
- يختبر فريق صغير أنماط الفاتورة الجديدة بسرعة
تحسين الأداء التشغيلي ورضا العملاء
- الدقة العالية تعزز الثقة عبر العمليات
- يتلقى العملاء بيانات نظيفة ومتسقة في الوقت المحدد
نحن نعمل عبر جميع القطاعات - الخدمات المصرفية، والاتصالات، والبيع بالتجزئة، والتعليم، والرعاية الصحية - وتعتبر الأتمتة جزءًا رئيسيًا من كيفية مساعدة عملائنا على تحسين وتسريع عمليات التشغيل الخاصة بهم.
— Syed Rasheed، المهندس المعماري الرئيسي، Concentrix
الهندسة
تم بناء الحل حول أربعة مجالات رئيسية: المصادر ومعالجة الذكاء الاصطناعي وإثراء البيانات وتجربة المستخدم. معًا ينشئون خط معالجة مؤتمت بالكامل قادرًا على التعامل مع أحجام فواتير كبيرة بدقة عالية.
مصادر. تصل الفواتير عبر البريد الإلكتروني، ومحركات الأقراص المشتركة، وSharePoint، وقناة استقبال لفريق Teams (حيث يقوم فريق العمليات بإسقاط ملفات PDF في دردشة). توفر البوابة وصولا آمنا إلى محركات الأقراص المشتركة التي يديرها العميل، ما يضمن إدخال جميع الملفات، سواء كانت سحابية أو محلية، نفس سير العمل التلقائي.
معالجة الذكاء الاصطناعي. يتم تشغيل تدفق سحابة Power Automate مجدول كل 15 دقيقة، ويجمع فواتير جديدة، ويعالجها على دفعات لتجنب التقييد. يطبق الحل عدة طبقات من الذكاء الاصطناعي:
- التعرف البصري على الأحرف (OCR) للأنماط التي تتطلب معالجة النص مسبقا
- نماذج AI Builder المخصصة للأنماط حيث لا تزال هذه النماذج تحقق أداءً جيدًا
- محفزات الذكاء الاصطناعي العامة والمحددة بالنمط، مدعومة بنماذج GPT
يقوم الـ AI Builder والنماذج المخصصة للذكاء الاصطناعي باستخراج البيانات من ملفات PDF التي تمت معالجتها مسبقًا باستخدام تقنية التعرف الضوئي على الحروف (OCR) أو من ملفات PDF الأولية. يسمح هذا النهج المختلط للحل بمعالجة مجموعة متنوعة من تنسيقات الفواتير بدقة عالية باستمرار.
إثراء البيانات. يتم توحيد البيانات المستخرجة باستخدام Power Automate تحويلات تدفق السحابة وجداول مرجع Dataverse. يتضمن هذا النهج تعيين المدن والرموز البريدية وإثراء الحقول الخاصة بالموردين قبل تحميل مجموعة البيانات النهائية في SQL Server.
تجربة المستخدم. يمنح تطبيق Power Apps للأجهزة المحمولة فريق العمليات طريقة بسيطة لمراجعة الاستثناءات. يعرض التطبيق كلا من PDF الأصلي والبيانات المستخرجة، مما يسمح بالتحقق السريع دون إبطاء المسار التلقائي.
نهج التنفيذ
تطور التنفيذ مع نمو حجم الفواتير وأصبحت قدرات الذكاء الاصطناعي الجديدة متاحة. في البداية، عملت النماذج المخصصة لـ AI Builder بشكل جيد، ولكن الحفاظ على عدد كبير من الأنماط أصبح يستغرق وقتًا طويلًا، وبدأت Power Automate في الوصول إلى حدود التحكم في التدفق مع اقتراب عدد الفواتير من 20,000 فاتورة شهريًا.
غيرت GPT-4 النهج. بدلا من تدريب نماذج متعددة، يمكن للفريق إرسال نص PDF المستخرج مباشرة إلى موجه الذكاء الاصطناعي بقواعد استخراج محددة. حول هذا النهج العملية إلى خطوة واحدة في التدفق، وتقليل التعقيد، وإزالة مشكلات التقييد. لا تزال بعض التخطيطات المعقدة تتطلب نماذج مدربة، ولكن الإصدارات الأحدث، GPT-4.1 وGPT-5، تعاملت مع هذه الأنماط بدقة أعلى، ما يسمح لجميع عمليات الاستخراج تقريبا بالانتقال إلى المنطق المستند إلى المطالبة. تحسنت الدقة من 65 إلى 70 بالمائة مع النماذج المخصصة إلى حوالي 96 بالمائة بعد الانتقال إلى الاستخراج المستند إلى موجه الذكاء الاصطناعي.
إعادة التصميم أيضا إعادة تشكيل هيكل الفريق. المجموعة المسؤولة عن تحليل الأنماط وتحديثات النموذج تقلصت من حوالي 40 شخصا إلى 11 شخصا يراجعون الآن أنماطا جديدة، ويختبرونها باستخدام GPT-5، وينقلونها إلى الإنتاج. تعالج الأتمتة الآن حوالي 100,000 فاتورة شهريا، ما يقلل فريق المعالجة اليدوية من حوالي 250 شخصا إلى حوالي 50–60 ويسمح لهم بالتركيز على العمل ذي القيمة الأعلى.
يطالب الذكاء الاصطناعي باستخراج البيانات
تشكل أوامر الذكاء الاصطناعي جوهر منطق الاستخراج، حيث يتم الآن معالجة حوالي 90 بالمائة من الفواتير من خلال هذه الأوامر بدلاً من النماذج المخصصة لباني الذكاء الاصطناعي. تعالج الأوامر العامة معظم التصاميم الأبسط، بينما تغطي الأوامر المتخصصة الأنماط الفريدة أو الأكثر تعقيدًا. كل إشارة تتبع الهيكل التالي:
- إرشادات عامة تحدد الدور والمهمة الإجمالية وبيانات الفاتورة كمدخل
- القواعد العالمية التي تصف كيفية استخراج البيانات
- قواعد التنسيق التي تحدد كيفية التعامل مع القيم المفقودة وكيفية هيكلة الإخراج
-
قواعد استخراج البيانات بما في ذلك تعريفات الجدول:
- جداول الرؤوس والعدادات والشحن
- وصف مفصل لكيفية استخراج البيانات
- قواعد لتفسير كل حقل
- التباينات اعتمادا على المورد والعميل
- مثال JSON يوضح تنسيق الإخراج المتوقع بالضبط
تظهر الصورة التالية بداية إحدى هذه المحفزات.
النقاط الرئيسية
توضح دراسة الحالة هذه إمكانات استخدام Power Platform والذكاء الاصطناعي لتحويل عملية عالية الحجم وعالية التغير إلى عملية ذكية وقابلة للتطوير. تتضمن الدروس الرئيسية لمحترفي تكنولوجيا المعلومات ما يلي:
اطرح الأسئلة الصحيحة مبكرا. إن فهم النمو المتوقع لحجم البيانات وتنوع أنماط البيانات يدعم قرارات هيكلية أفضل.
تصميم للتنوع منذ اليوم الأول. يمنع منطق الاستخراج المرن إعادة العمل مع ظهور أنماط جديدة.
توقع اللانظامية وخطط وفقًا لذلك. تضمن قواعد التنسيق الواضحة ومعايير الأمان وخطوات التحقق من الصحة التناسق.
الرؤية المركزية تعزز الحوكمة. التتبع في الوقت الحقيقي وواجهة مراجعة واحدة يقللان من الأخطاء ويحسنان إمكانية التدقيق.
استشراف المستقبل
تستكشف Concentrix تكاملا سحابيا أعمق، بما في ذلك توجيه جميع كمية الفاتورة من خلال مساحة تخزين Azure Blob وترحيل قواعد بيانات SQL المحلية إلى Azure SQL. ومن شأن هذه الخطوات أن تزيد من تبسيط العمليات وتبسيط الوصول.
كما يخطط الفريق لدعم الفواتير متعددة اللغات، بدءا من الفرنسية والإسبانية والعربية. ومن الأحداث الرئيسية أتمتة جميع الفواتير الشهرية البالغ عددها 800,000 فاتورة بشكل كامل، وإلحاق 50,000 فاتورة أخرى في كل مرة لضمان الاستقرار والأداء.
ستمكن هذه التطورات شركة Concentrix من العمل على نطاق أوسع وبدقة أعلى وببنية أكثر انسيابية تستند إلى السحابة.