Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Concentrix supporta molti dei marchi più grandi del mondo eseguendo operazioni aziendali complesse e di alto livello dietro le quinte. Una di queste responsabilità è l'elaborazione di più di 100.000 fatture di utilità ogni mese, in arrivo da oltre 100 provider, in più di 300 layout e in più lingue. Ciò che inizia come flusso di lavoro di routine diventa rapidamente una combinazione complessa di formati ed eccezioni, rendendo l'elaborazione manuale lenta e incoerente.
Per modernizzare questo flusso di lavoro, Concentrix ha creato una soluzione di automazione su larga scala usando Microsoft Power Platform e intelligenza artificiale. La soluzione inserisce e interpreta automaticamente le fatture, si adatta a centinaia di formati e offre un'accuratezza elevata con un coinvolgimento umano minimo.
Questo case study evidenzia come Concentrix ha trasformato un processo manuale, dispendioso in termini di tempo in un'operazione scalabile, intelligente ed efficiente, ottenendo ora un'accuratezza media di estrazione del 96%.
Sfide aziendali
L'elaborazione delle fatture richiede un impegno manuale esteso. Ogni stato funziona con un proprio set di fornitori, con conseguente creazione di centinaia di layout di fatture, con conseguenti eccezioni costanti e tempo significativo impiegato per determinare come elaborare ognuno di essi.
Anche il flusso di lavoro non disponeva di visibilità centralizzata. Teams non è riuscito a tenere traccia dello stato della fattura, identificare i ritardi o misurare gli indicatori di prestazioni chiave, ad esempio tempo di elaborazione, accuratezza o tariffe delle eccezioni. Anche piccole rettifiche erano difficili senza una singola fonte di verità.
Man mano che i volumi sono aumentati da circa 500 fatture al mese a diverse centinaia di migliaia, con 6.000-8.000 arrivino ogni giorno, l'approccio manuale è diventato insostenibile. Il processo è stato lento, soggetto a errori e sempre più difficile da ridimensionare man mano che la variazione del volume e del fornitore ha continuato a crescere.
A tale livello, la gestione manuale delle fatture diventa un incubo. Il requisito stesso, ovvero estrarre i dati e caricarli, è semplice. La vera sfida consiste nel gestire il volume, la variazione e la velocità delle richieste aziendali.
— Syed Rasheed, Principal Architect, Concentrix
Soluzione
Concentrix ha sostituito il processo di fatturazione manuale con una soluzione completamente automatizzata basata su Power Automate, Power Apps, AI Builder ed estrazione basata su GPT. Anziché scaricare le fatture, digitare i dati e gestire manualmente le eccezioni, la nuova soluzione legge automaticamente le fatture, estrae le informazioni chiave e applica regole business con un coinvolgimento umano minimo.
I vantaggi principali includono:
Accuratezza elevata su larga scala
- Elabora più di 100.000 fatture al mese
- Ottiene un'accuratezza complessiva del 96%, raggiungendo il 99% nel gennaio 2026
Sviluppo più rapido e costi inferiori
- Costi di elaborazione per fattura inferiori
- Un piccolo team testa rapidamente nuovi modelli di fattura
Miglioramento della soddisfazione operativa e dei clienti
- L'accuratezza elevata rafforza la fiducia tra le operazioni
- I clienti ricevono dati puliti e coerenti in tempo
Lavoriamo in tutti i verticali, ovvero banche, vendita al dettaglio, telecomunicazioni, istruzione, assistenza sanitaria, e l'automazione è una parte fondamentale del modo in cui aiutiamo i nostri clienti a operare meglio e più velocemente.
— Syed Rasheed, Principal Architect, Concentrix
Architettura
La soluzione si basa su quattro aree principali: origini, elaborazione dell'intelligenza artificiale, arricchimento dei dati e esperienza utente. Insieme creano una pipeline completamente automatizzata in grado di gestire volumi di fatture di grandi dimensioni con elevata accuratezza.
Fonti. Le fatture arrivano tramite posta elettronica, unità condivise, SharePoint e un canale di acquisizione di Teams (in cui il team operativo inserisce PDF in una chat). Un gateway fornisce accesso sicuro alle unità condivise gestite dal cliente, assicurandosi che tutti i file, sia cloud che locali, immettano lo stesso flusso di lavoro automatizzato.
Elaborazione dell'intelligenza artificiale. Un flusso cloud pianificato di Power Automate viene eseguito ogni 15 minuti, raccoglie nuove fatture e le elabora in batch per evitare la limitazione. La soluzione applica diversi livelli di intelligenza artificiale:
- Riconoscimento ottico dei caratteri (OCR) per i modelli che richiedono la pre-elaborazione del testo
- Modelli personalizzati di AI Builder per schemi in cui offrono ancora buone prestazioni
- L'intelligenza artificiale richiede sia modelli generali che specifici del modello, basati su modelli GPT
Prompt di intelligenza artificiale e modelli personalizzati di AI Builder estraggono dati da file PDF pre-elaborati o OCR non elaborati. Questo approccio ibrido consente alla soluzione di gestire un'ampia gamma di formati di fattura con un'accuratezza costantemente elevata.
Arricchimento dei dati. I dati estratti vengono standardizzati usando le trasformazioni del flusso cloud di Power Automate e le tabelle di riferimento di Dataverse. Questo approccio include il mapping di città e codici POSTALI e l'arricchimento di campi specifici del fornitore prima di caricare il set di dati finale in SQL Server.
Esperienza utente. Un'app Power Apps per dispositivi mobili offre al team operativo un modo semplice per esaminare le eccezioni. L'app visualizza sia il PDF originale che i dati estratti, consentendo una convalida rapida senza rallentare la pipeline automatizzata.
Approccio di implementazione
L'implementazione si è evoluta man mano che i volumi delle fatture sono cresciuti e sono diventate disponibili nuove funzionalità di intelligenza artificiale. Inizialmente, i modelli personalizzati di AI Builder funzionavano bene, ma mantenendo un numero elevato di modelli diventò troppo dispendioso in termini di tempo e Power Automate iniziò a raggiungere i limiti di limitazione man mano che i volumi raggiungevano 20.000 fatture al mese.
GPT-4 ha modificato l'approccio. Invece di eseguire il training di più modelli, il team potrebbe inviare il testo PDF estratto direttamente a un prompt di intelligenza artificiale con regole di estrazione definite. Questo approccio ha trasformato il processo in un unico passaggio nel flusso, ha ridotto la complessità e ha eliminato i problemi di throttling. Alcuni layout complessi richiedono ancora modelli sottoposti a training, ma versioni successive, GPT-4.1 e GPT-5, gestiscono tali modelli con maggiore accuratezza, consentendo quasi tutte le operazioni di estrazione di passare alla logica basata su prompt. L'accuratezza è stata migliorata dal 65 al 70% con modelli personalizzati a circa il 96% dopo il passaggio all'estrazione basata su richiesta di intelligenza artificiale.
Anche la riprogettazione ha rimodellato la struttura del team. Il gruppo responsabile dell'analisi dei modelli e degli aggiornamenti dei modelli è stato ridotto da circa 40 persone a 11 che ora esaminano nuovi modelli, li testano con GPT-5 e li spostano nell'ambiente di produzione. L'automazione ora elabora circa 100.000 fatture al mese, riducendo il team di elaborazione manuale da circa 250 persone a circa 50-60 e consentendo loro di concentrarsi sul lavoro di valore superiore.
Richieste di intelligenza artificiale per l'estrazione dei dati
I prompt di intelligenza artificiale costituiscono il nucleo della logica di estrazione, con circa il 90% delle fatture ora in esecuzione tramite prompt anziché modelli personalizzati di AI Builder. Una richiesta generale gestisce la maggior parte dei layout più semplici, mentre le richieste specializzate coprono i modelli più univoci o complessi. Ogni richiesta segue la struttura seguente:
- Istruzioni generali che definiscono il ruolo, l'attività complessiva e i dati della fattura come input
- Regole globali che descrivono come estrarre i dati
- Regole di formattazione che definiscono come gestire i valori mancanti e come strutturare l'output
-
Regole di estrazione dei dati , incluse le definizioni di tabella:
- Tabelle di intestazione, contatore e addebito
- Descrizione dettagliata di come estrarre i dati
- Regole per l'interpretazione di ogni campo
- Variazioni a seconda del fornitore e del cliente
- Esempio JSON che mostra il formato di output previsto esatto
L'immagine seguente mostra l'inizio di una di queste richieste.
Risultati
Questo case study mostra il potenziale dell'uso di Power Platform e dell'intelligenza artificiale per trasformare un processo ad alto volume e variabilità in un'operazione scalabile e intelligente. Le lezioni chiave per i professionisti IT includono:
Porre le domande giuste in anticipo. La comprensione della crescita del volume prevista e della diversità dei modelli di dati supporta decisioni architetturali migliori.
Progettare per l'adattabilità fin dal primo giorno. La logica di estrazione flessibile impedisce di rielaborare man mano che vengono visualizzati nuovi modelli.
Aspettatevi il nondeterminismo e pianificatelo. Chiare regole di formattazione, le linee guida e le procedure di convalida garantiscono la coerenza.
La visibilità centralizzata rafforza la governance. Il rilevamento in tempo reale e una singola interfaccia di revisione riducono gli errori e migliorano la controllabilità.
Guardare al futuro
Concentrix sta esplorando un'integrazione cloud più approfondita, incluso il routing di tutte le fatture tramite Archiviazione BLOB di Azure e la migrazione di database SQL locali ad Azure SQL. Questi passaggi semplificano ulteriormente le operazioni e semplificano l'accesso.
Il team prevede inoltre di supportare fatture multilingue, a partire da francese, spagnolo e arabo. Un'attività cardine importante consiste nell'automatizzare completamente tutte le 800.000 fatture mensili, caricando altre 50.000 fatture alla volta per garantire stabilità e prestazioni.
Questi progressi consentiranno a Concentrix di operare su larga scala, con maggiore accuratezza e con un'architettura più semplificata basata sul cloud.