Concentrix moderniseerib arvete töötlemist Power Platformi ja tehisintellekti abil

Concentrix toetab paljusid maailma suurimaid brände, juhtides keerukaid ja kõrge panusega äritegevusi kulisside taga. Üks neist ülesannetest on üle 100 000 kommunaalteenuste arve töötlemine igakuiselt, mis saabuvad enam kui 100 teenusepakkujalt, enam kui 300 paigutuses ja mitmes keeles. See, mis algab rutiinse töövoona, muutub kiiresti keerukaks formaatide ja erandite seguks, muutes käsitsi töötlemise aeglaseks ja ebajärjekindlaks.

Selle töövoo moderniseerimiseks ehitas Concentrix suuremahulise automatiseerimislahenduse, kasutades Microsoft Power Platform'i ja tehisintellekti. Lahendus võtab arveid automaatselt vastu ja tõlgendab, kohandub sadade formaatidega ning tagab kõrge täpsuse minimaalse inimsekkumisega.

See juhtumiuuring toob esile, kuidas Concentrix muutis käsitsi ja aeganõudva protsessi skaleeritavaks, intelligentseks ja tõhusaks operatsiooniks, saavutades nüüd keskmise ekstraheerimistäpsuse 96 protsenti.

Äriprobleemid

Arvete töötlemine nõudis ulatuslikku käsitsi tööd. Iga osariik töötab oma tarnijatega, mis toob kaasa sadu arve paigutusi, mis toob kaasa pidevaid erandeid ja märkimisväärset aega, mis kulub igaühe töötlemise määramisele.

Töövool puudus ka tsentraliseeritud nähtavus. Meeskonnad ei suutnud lihtsalt arve staatust jälgida, viivitusi tuvastada ega mõõta olulisi tulemusnäitajaid nagu töötlemisaeg, täpsus või erandite määrad. Isegi väikesed muudatused olid rasked ilma üheainsa tõeallikata.

Kui mahud kasvasid umbes 500 arvelt kuus mitmesaja tuhandeni, kus päevas saabus 6 000 kuni 8 000, muutus käsitsi lähenemine jätkusuutmatuks. Protsess oli aeglane, vigadele vastuvõtlik ja üha raskemini skaleeritav, kuna nii mahu kui ka tarnijate varieeruvus kasvas.

Sellises mahus muutub arvete käsitsi käsitlemine õudusunenäoks. Nõue ise – andmete väljavõtmine ja laadimine – on lihtne. Tõeline väljakutse on hallata ettevõtte nõudmisi mahu, varieeruvuse ja kiirusega.

— Syed Rasheed, peaarhitekt, Concentrix

Lahendus

Concentrix asendas oma käsitsi arveldamise protsessi täielikult automatiseeritud lahendusega, mis põhineb Power Automate'il, Power Apps'il, AI Builder'il ja GPT-põhisel ekstraktsioonil. Selle asemel, et arveid alla laadida, andmeid sisestada ja erandeid käsitsi käsitleda, loeb uus lahendus arveid automaatselt, võtab võtmeandmed välja ja rakendab ärireegleid minimaalse inimsekkumisega.

Peamised eelised on järgmised:

  • Suur täpsus skaalal

    • Töötleb üle 100 000 arve kuus
    • Saavutab 96-protsendilise täpsuse üldiselt, ulatudes 99 protsendini 2026. aasta jaanuaris

  • Kiirem areng ja madalamad kulud

    • Madalam arve töötlemiskulu
    • Väike meeskond testib kiiresti uusi arvemustreid

  • Paranenud töö- ja kliendirahulolu

    • Kõrge täpsus tugevdab usaldust erinevates operatsioonides
    • Kliendid saavad puhtaid ja ühtlasi andmeid õigeaegselt

Töötame kõigis valdkondades – pangandus, jaemüük, telekommunikatsioon, haridus, tervishoid – ning automatiseerimine on oluline osa sellest, kuidas aidata klientidel paremini ja kiiremini tegutseda.

— Syed Rasheed, peaarhitekt, Concentrix

Arhitektuur

Lahendus põhineb neljal põhialal: allikad, tehisintellekti töötlemine, andmete rikastamine ja kasutajakogemus. Koos loovad nad täielikult automatiseeritud torujuhtme, mis suudab käsitleda suuri arvemahte kõrge täpsusega.

Kommunaalarvete automatiseerimise töövoo diagramm, mis näitab allikaid, tehisintellekti töötlemist, andmete rikastamist ja kasutajakogemuse samme.

  1. Allikad. Arve saabub e-posti, jagatud draivide, SharePoint'i ja Teamsi vastuvõtukanali kaudu (kus operatsioonimeeskond lisab PDF-e vestlusse). Lüüs tagab turvalise ligipääsu kliendi hallatavatele jagatud kettatele, tagades, et kõik failid, olgu need pilves või kohapeal, sisenevad samasse automatiseeritud töövoogu.

  2. Tehisintellekti töötlemine. Planeeritud Power Automate pilvevoog töötab iga 15 minuti järel, kogub uusi arveid ja töötleb neid partiidena, et vältida piiramist. Lahendus rakendab mitut tehisintellekti kihti:

    • Optiline märgituvastus (OCR) mustrite jaoks, mis vajavad teksti eeltöötlust
    • AI Builder kohandab mudeleid mustritele, kus need siiski hästi toimivad
    • Tehisintellekti juhised nii üldised kui ka mustrispetsiifilised, mida toidavad GPT mudelid

    AI promptid ja AI Builder kohandatud mudelid eraldavad andmeid OCR-i eeltöödeldud või toor-PDF-failidest. See hübriidlähenemine võimaldab lahendusel hallata mitmesuguseid arve formaate järjepidevalt kõrge täpsusega.

  3. Andmete rikastamine. Eraldatud andmed standardiseeritakse Power Automate pilvevoolu teisenduste ja Dataverse'i viitetabelite abil. See lähenemine hõlmab linnade ja postiindeksite kaardistamist ning tootjaspetsiifiliste väljade rikastamist enne lõpliku andmestiku laadimist SQL Server'i.

  4. Kasutajakogemus. Power Apps mobiilirakendus annab operatsioonimeeskonnale lihtsa võimaluse erandeid üle vaadata. Rakendus kuvab nii originaalset PDF-i kui ka ekstraktitud andmeid, võimaldades kiiret valideerimist ilma automaatse torujuhtme aeglustamiseks.

Ekraanipilt Concentrixi arve automatiseerimise juhtpaneelist, mis näitab peamisi tulemusnäitajaid (KPI-sid), tehisintellekti arvetöötluse statistikat ja nuppu Next.

Rakendusmeetod

Rakendus arenes, kui arvemaht kasvas ja uued tehisintellekti võimalused muutusid kättesaadavaks. Alguses töötasid AI Builder kohandatud mudelid hästi, kuid paljude mustrite hoidmine muutus liiga ajamahukaks ning Power Automate hakkas piirama, kui mahud jõudsid 20 000 arve kuus.

GPT-4 muutis lähenemist. Selle asemel, et treenida mitut mudelit, sai meeskond saata eraldatud PDF-teksti otse AI promptile, kus on määratletud ekstraktsioonireeglid. See lähenemine muutis protsessi üheks etapiks, vähendas keerukust ja kõrvaldas piiramisprobleemid. Mõned keerulised paigutused nõudsid endiselt treenitud mudeleid, kuid hilisemad versioonid, GPT-4.1 ja GPT-5, käsitlesid neid mustreid täpsemalt, võimaldades peaaegu kogu ekstraktsiooni liikuda promptipõhisele loogikale. Täpsus paranes kohandatud mudelitega 65–70 protsendilt umbes 96 protsendile pärast üleminekut tehisintellekti promptipõhisele ekstraktsioonile.

Ümberkujundus muutis ka meeskonna struktuuri. Mustrianalüüsi ja mudeliuuenduste eest vastutav grupp vähenes umbes 40 inimeselt 11-le, kes nüüd vaatavad uusi mustreid üle, testivad neid GPT-5-ga ja viivad tootmisse. Automatiseerimine töötleb nüüd umbes 100 000 arvet kuus, vähendades käsitsi töötlemismeeskonna arvu umbes 250-lt 50–60-le ning võimaldades neil keskenduda kõrgema väärtusega tööle.

Tehisintellekti andmekogumise ülesanded

AI promptid moodustavad ekstraktsiooniloogika tuuma, kus umbes 90 protsenti arvetest töötab nüüd promptide kaudu, mitte AI Builder'i kohandatud mudelite kaudu. Üldine ülesanne käsitleb enamikku lihtsamaid paigutusi, samas kui spetsiaalsed ülesanded katavad unikaalsemaid või keerukamaid mustreid. Iga ülesanne järgib järgmist ülesehitust:

  • Üldised juhised , mis määratlevad rolli, kogu ülesande ja arve andmed sisendina
  • Globaalsed reeglid , mis kirjeldavad, kuidas andmeid tuleks välja võtta
  • Vormindamisreeglid , mis määratlevad, kuidas käsitleda puuduvaid väärtusi ja kuidas struktureerida väljundit
  • Andmete eraldamise reeglid , sealhulgas tabeli definitsioonid:
    • Päise, arvesti ja laengutabelid
    • Andmete väljavõtmise üksikasjalik kirjeldus
    • Reeglid iga välja tõlgendamiseks
    • Variatsioonid sõltuvalt tarnijast ja kliendist
  • JSON näide , mis näitab täpset oodatavat väljundvormingut

Järgmine pilt näitab ühe sellise ülesande algust.

Ekraanipilt Power Automate portaalist, mis näitab tehisintellekti prompti, mis on konfigureeritud arve andmete väljavõtmiseks.

Kaasa võtta

See juhtumiuuring näitab Power Platformi ja tehisintellekti kasutamise potentsiaali, et muuta suure mahuga ja suure varieeruvusega protsess skaleeritavaks ja intelligentseks operatsiooniks. Peamised õppetunnid IT-spetsialistidele on:

  • Esita õiged küsimused varakult. Oodatava mahukasvu ja andmemustri mitmekesisuse mõistmine toetab paremaid arhitektuurilisi otsuseid.

  • Disaini varieeruvuse jaoks juba esimesest päevast. Paindlik ekstraktsiooniloogika takistab ümbertegemist, kui ilmuvad uued mustrid.

  • Oota mittemääravust ja planeeri selleks. Selged vormistusreeglid, piirdepiirded ja valideerimissammud tagavad järjepidevuse.

  • Tsentraliseeritud nähtavus tugevdab valitsemist. Reaalajas jälgimine ja üks ülevaatuse liides vähendavad vigu ja parandavad auditeeritavust.

Tulevikku vaadates

Concentrix uurib sügavamat pilveintegratsiooni, sealhulgas kogu arve vastuvõtu suunamist Azure Blob Storage'i kaudu ning kohapealsete SQL-andmebaaside migreerimist Azure SQL-i. Need sammud lihtsustaksid tegevust veelgi ja lihtsustaksid ligipääsu.

Meeskond plaanib toetada ka mitmekeelseid arveid, alustades prantsuse, hispaania ja araabia keelest. Oluline verstapost on kõigi 800 000 igakuise arve täielik automatiseerimine, lisades korraga veel 50 000 arvet, et tagada stabiilsus ja jõudlus.

Need edusammud võimaldavad Concentrixil töötada suuremas mahus, suurema täpsusega ja sujuvama pilvepõhise arhitektuuriga.

  • Last updated on