הערה
הגישה לדף זה מחייבת הרשאה. באפשרותך לנסות להיכנס או לשנות מדריכי כתובות.
הגישה לדף זה מחייבת הרשאה. באפשרותך לנסות לשנות מדריכי כתובות.
Concentrix תומכת ברבים מהמותגים הגדולים ביותר בעולם על-ידי הפעלת תפעול עסקי מורכב ותיתד מאחורי הקלעים. אחד תחומי האחריות הללו מעבד יותר מ- 100,000 חשבוניות שירות מדי חודש, המגיעות ליותר מ- 100 ספקים, ביותר מ- 300 פריסות ובשפות מרובות. מה שמתחיל כזרימת עבודה שגרתית הופך במהירות לשילוב מורכב של תבניות ושל חריגות, וכך עיבוד ידני איטי ולא עקבי.
כדי לשנות את המודרניזציה של זרימת עבודה זו, Concentrix בססה פתרון אוטומציה בקנה מידה גדול באמצעות Microsoft Power Platform ו- AI. הפתרון בוכנות ומפרש חשבוניות באופן אוטומטי, מסתגל למאות תבניות ומעביר דיוק רב עם מעורבות מינימלית של בני אדם.
ניתוח מקרה זה מדגיש כיצד Concentrix הופכת תהליך ידני שצורך זמן לפעולה מדרגית, חכמה ויעילה, וכעת משיגה דיוק חילוץ ממוצע של 96 אחוזים.
אתגרים עסקיים
עיבוד חשבוניות נדרש מאמץ ידני נרחב. כל מדינה עובדת עם קבוצת ספקים משלה, מה שמוביל לעשרות תפוסי חשבונית המובילים לחריגות קבועות ולהשקעת זמן רב בקביעה כיצד לעבד כל אחת מהן.
גם זרימת העבודה לא כללה ניראות מרכזית. ל- Teams לא היתה אפשרות לעקוב בקלות אחר מצב חשבונית, לזהות עיכובים או למדוד מחווני ביצועי מפתח כגון זמן עיבוד, דיוק או תעריפי חריגה. אפילו התאמות קטנות היו קשה ללא מקור אמת יחיד.
ככל שנפחים עלו בין כ- 500 חשבוניות לחודש לכמה מאות אלף, כאשר 6,000 עד 8,000 מגיעים מדי יום, הגישה הידנית הפכה לבלתי ניתנת להשגה. התהליך היה איטי, עלול לשגיאות, והולך וקשה יותר ויותר לשנות את קנה המידה ככל שנפח וריאציית הספק המשיכו לגדול.
בקנה מידה זה, טיפול בחשבוניות באופן ידני הופך לסיוט. הדרישה עצמה – חלץ נתונים וטען אותם - היא פשוטה. האתגר האמיתי הוא טיפול בנפח, בווריאציה וב מהירות הדרישות העסקיות.
— Yed Rasheed, אדריכל בכיר, קונקה
הפתרון
Concentrix החליף את תהליך החשבונית הידני שלה בפתרון אוטומטי לחלוטין המבוסס על Power Automate, Power Apps, AI Builder והחלקה מבוססת GPT. במקום להוריד חשבוניות, להקליד נתונים וטיפול בחריגים באופן ידני, הפתרון החדש מקריא חשבוניות באופן אוטומטי, מחלץ מידע חשוב ומחל כללים עסקיים עם מעורבות אנושית מינימלית.
היתרונות העיקריים כוללים:
דיוק גבוה בקנה מידה גדול
- עיבוד של יותר מ- 100,000 חשבוניות לחודש
- השגת דיוק כולל של 96 אחוזים, הגעה ל- 99 אחוזים בינואר 2026
פיתוח מהיר יותר ועלויות נמוכות יותר
- עלות עיבוד נמוכה יותר לפי חשבונית
- צוות קטן בודק במהירות דפוסי חשבונית חדשים
שביעות רצון תפעולית ושביעות רצון לקוחות משופרת
- דיוק גבוה מחזק את הביטחון בכל התפעול
- לקוחות מקבלים נתונים נקיים ועקביים בזמן
אנו פועלים בכל האנכיות – בנקאות, קמעונאות, טלקומוניקציה, חינוך, שירותי בריאות – ואוטומציה היא חלק מרכזי באופן בו אנו עוזרים ללקוחות שלנו לפעול טוב יותר ומהירים יותר.
— Yed Rasheed, אדריכל בכיר, קונקה
ארכיטקטורה
הפתרון בנוי סביב ארבעה תחומים עיקריים: מקורות, עיבוד בינה מלאכותית, העשרת נתונים וניסיון המשתמש. יחד הם יוצרים צינור אוטומטי באופן מלא המסוגל לטפל בנפחים גדולים של חשבוניות ברמת דיוק גבוהה.
מקורות. חשבוניות מגיעות בדואר אלקטרוני, בכוננים משותפים, ב- SharePoint ובערוץ קליטה של Teams (כאשר צוות הפעולות משחרר קבצי PDF לצ'אט). שער מספק גישה מאובטחת לכוננים משותפים המנוהלות על-ידי לקוחות ומבטיח שכל הקבצים, בין אם בענן או באופן מקומי, להזין את אותה זרימת עבודה אוטומטית.
עיבוד בינה מלאכותית. זרימת ענן מתוזמנת של Power Automate פועלת כל 15 דקות, אוספת חשבוניות חדשות ומעבדת אותן בקבוצות כדי למנוע הגבלת ביצועים. הפתרון מחיל כמה שכבות של בינה מלאכותית:
- זיהוי תווים אופטי (OCR) עבור דפוסים הדורשים קדם עיבוד של טקסט
- מודלים מותאמים אישית של AI Builder לדפוסים שבהם הם עדיין מתפקדים היטב
- מודלי בינה מלאכותית כמו GPT מופעלים הן עבור שימוש כללי והן עבור תבניות מסוימות.
הנחיות בינה מלאכותית ומודלים מותאמים אישית של AI Builder מחלצים נתונים מקבצי PDF שהועבדו מראש או גולמיים עבור OCR. גישה היברידית זו מאפשרת לפתרון לטפל במגוון רחב של תבניות חשבונית ברמת דיוק עקבית.
העשרת נתונים. הנתונים שחולצו מותקננים באמצעות המרות זרימת הענן של Power Automate וטבלאות ייחוס של Dataverse. גישה זו כוללת מיפוי ערים ומיקודים והעשרת שדות ספציפיים לספק לפני טעינת ערכת הנתונים הסופית ב- SQL Server.
חוויית משתמש. אפליקציית Power Apps למכשירים ניידים מספקת לצוות הפעולות דרך פשוטה לסקור חריגים. האפליקציה מציגה הן את קובץ ה- PDF המקורי והן את הנתונים שחולצו, ומאפשרת אימות מהיר מבלי להאט את קו הצינור האוטומטי.
גישת היישום
היישום התפתח ככל שנפח חשבונית גדל ויכולות חדשות של בינה מלאכותית הפכו זמינות. תחילה, המודלים המותאמים אישית של AI Builder עבדו היטב, אך שמירה על מספר רב של דפוסים הפכה למשימה גוזלת זמן, ופאוור אוטומייט החלה להתמודד עם מגבלות ויסות כשהכמות הגיעה ל-20,000 חשבוניות לחודש.
GPT-4 שינה את הגישה. במקום להכשרת מודלים מרובים, הצוות יכול היה לשלוח את טקסט ה- PDF שחולץ ישירות לבקשת בינה מלאכותית עם כללי חילוץ מוגדרים. גישה זו הפך את התהליך לשלב אחד בזרימה, להפחתת המורכבות והסירה בעיות ויסות. מספר פריסות מורכבות עדיין דרשו מודלים מאומנים, אך בגירסאות מאוחרות יותר, כגון GPT-4.1 ו-GPT-5, התמודדו עם תבניות אלה בדיוק רב יותר, מה שאפשר כמעט לכל החילוץ לעבור ללוגיקה מבוססת-פניה. מידת הדיוק השתפרה מ- 65-70 אחוזים עם מודלים מותאמים אישית ל- 96 אחוזים בערך לאחר המעבר לחילוץ מבוסס בקשה לבינה מלאכותית.
העיצוב מחדש גם עצב מחדש את מבנה הצוות. הקבוצה האחראית לניתוח דפוסים ולעדכוני מודל נגמה בין כ- 40 אנשים ל- 11 אשר בודקים דפוסים חדשים, בודקים אותם באמצעות GPT-5 ומעבירים אותם לייצור. אוטומציה מעבדת כעת כ- 100,000 חשבוניות לחודש, ומפחיתה את צוות העיבוד הידן מ- 250 אנשים ל- 50–60 בערך ומאפשרת להם להתמקד בעבודה בעלי ערך גבוה יותר.
הנחיות בינה מלאכותית לחילוץ נתונים
הנחיות בינה מלאכותית מהוות את ליבת לוגיקת החילוץ, כאשר כ-90% מהחשבוניות פועלות כעת דרך הנחיות במקום מודלים מותאמים אישית של AI Builder. בקשה כללית מטפלת ברוב הפריסות הפשוטות יותר, בעוד שהנחיות מיוחדות מכסות את התבניות הייחודיות או המורכבות יותר. כל הנחיה עוקבת אחר המבנה הבא:
- הוראות כלליות להגדרת תפקיד, פעילות כוללת ותוני החשבונית כקלט
- כללים כלליים המתארים כיצד יש לחלץ נתונים
- כללי עיצוב המסבירים כיצד לטפל בערכים חסרים וכיצד ליצור פלט
-
כללי חילוץ נתונים , כולל הגדרות טבלה:
- טבלאות כותרת, מונה וטבלאות חיוב
- תיאור מפורט של אופן חילוץ נתונים
- כללים לפענוח כל שדה
- וריאציות בהתאם לספק וללקוח
- דוגמה של JSON המציגה את תבנית הפלט הצפויה המדויקת
התמונה הבאה מציגה את תחילתה של אחת מהנחיות אלה.
נקודות חשובות
ניתוח מקרה זה מציג את הפוטנציאל לשימוש ב- Power Platform ובבינה מלאכותית כדי להפוך תהליך בעל נפח גבוה של שונות גבוהה לפעולה מדרגית וחכם. השיעורים הראשיים עבור מומחי IT כוללים:
שאל את השאלות ההן מוקדם. הבנת הצמיחה הצפויה ומגוון דפוסי נתונים תומכת בהחלטות אדריכליות טובות יותר.
עיצוב לווריאציות מהיום הראשון. לוגיקת חילוץ גמיש מונעת עבודה מחדש עם הופעת דפוסים חדשים.
צפה לאי-דטרמיניזם ותכנן את זה. כללי עיצוב ברורים, הגנות ושלבי אימות מבטיחים עקביות.
ניראות מרוכזת מחזקת את הפיקוח. מעקב בזמן אמת וממשק סקירה יחיד מפחיתים שגיאות ומשפרים את יכולת הביקורת.
מבט קדימה
Concentrix חוקרת שילוב ענן עמוק יותר, כולל ניתוב כל החשבונית שמקורה ב- Azure Blob Storage והעברת מסדי נתונים מקומיים של SQL ל- Azure SQL. שלבים אלה ייעלו את הפעולות ויפשטו את הגישה.
הצוות גם מתכננת לתמוך בחשבוניות רב-לשוניות, החל מצרפתית, ספרדית וערבית. אבן דרך משמעותית היא אוטומציה מלאה של כל 800,000 החשבוניות החודשיות, תוך שילוב הדרגתי של 50,000 חשבוניות נוספות בכל פעם כדי להבטיח יציבות וביצועים.
ההתקדמות הזו תאפשר ל- Concentrix לפעול בקנה מידה גדול יותר, ברמת דיוק גבוהה יותר ובארכיטקטורה יעילה יותר המבוססת על ענן.