¿Hacer pedidos? ¡La IA lo tiene cubierto!
08/02/2024
En un mundo que viaja a velocidades impensables, donde la optimización de procesos es la base para mejorar el rendimiento empresarial, el error es cada vez menos comprendido y la intervención manual se vuelve cada vez más complicada, hay una categoría de trabajadores que aún esperan ayuda. Hablo de todos aquellos usuarios que trabajan en condiciones de movilidad o, en todo caso, en condiciones tales que no siempre es posible disponer de un ordenador y un puesto de trabajo para realizar pedidos.
Pensemos, por ejemplo, en los que gestionan cocinas o en los que trabajan en los mercados de productos muy frescos, como frutas y verduras y pescado: en estos contextos los productos cambian a diario y no hay tiempo para sentarse frente a un ordenador, iniciar sesión y rellenar un pedido. Esta, de hecho, es una categoría de usuarios que no encuentra espacio en las máscaras de entrada estructuradas y no tiene tiempo para comprender qué variante del producto está disponible. Además, estos usuarios tienen una relación «íntima» con su proveedor y esperan ser siempre reconocidos, fortalecidos por el historial de sus compras y sus hábitos.
Un pedido, realizado en las condiciones descritas anteriormente, a menudo:
El escenario en el que operan estas categorías de trabajadores ha hecho que el proceso de introducción del pedido sea manual y el dominio del operario que tiene que tramitarlo. Dada su particularidad, todas las lógicas que lo rigen, desde el reconocimiento del cliente hasta la coincidencia del «mejor» artículo, no podrían transportarse a una aplicación.
Ahora, sin embargo, podemos dar una ayuda concreta a estos operadores, y a sus respectivas empresas, porque somos capaces de automatizar el proceso de reconocimiento del pedido, dejando solo su validación al operador.
Las ventajas para las empresas son enormes, ya que da forma a un proceso que tenía muy poco estructurado, pero ¿cómo se hace?
En Aton siempre hemos estado atentos a la innovación y son los clientes los primeros que nos empujan a hacer investigación y desarrollo: a partir de experiencias concretas del mercado, desarrollamos soluciones que satisfacen las necesidades ya presentes en los usuarios. Y así, con la ayuda de los LLM (Large Language Models) y con la introducción de las bases de datos vectoriales, hemos podido gestionar también esta necesidad: a partir de un pedido «no estructurado» podemos reconocer automáticamente al cliente, los artículos y las notas de pedido, devolviendo al operador una propuesta de pedido solo para ser validada.
Este proceso también tiene una implicación adicional, a saber, la necesidad de crear nuevas máscaras de iteración con los datos: de hecho, las actuales están diseñadas para la entrada de datos que forman parte del usuario. Sin embargo, esta rigidez no coincide con los nuevos procesos en los que la combinación de automatización y validación requiere una experiencia de usuario (UX) diferente.
Tomemos un pedido como ejemplo: ¿cómo lo gestionamos y ayudamos al usuario de la empresa que lo recibe?
Mientras tanto, echemos un vistazo a los problemas críticos de este orden:
El pedido de ejemplo, como hemos visto, contiene varios elementos naturales que solo un ser humano es capaz de entender y, además, que solo un operador que ya conoce al cliente es capaz de procesar, sin dejar de correr el riesgo de cometer errores de interpretación o mecanografía.
En cambio, gracias al uso de la IA, podemos reconocer los diversos elementos que componen un orden y representarlos en una estructura organizada.
De esta manera, la hilera de 7 kg de patatas nuvas se convierte en:
Pues bien, hemos estructurado la línea original y ahora viene la parte divertida: ¿cómo reconocemos el artículo del cliente que suele comprar?
Algunos podrían decir que existen técnicas tradicionales de búsqueda en bases de datos que podrían lograr la tarea: cierto, pero ¿con qué porcentaje de precisión?
Con la búsqueda semántica en una base de datos vectorial, todo cambia: podemos identificar estadísticamente el artículo más parecido al solicitado y, por qué no, asociar alternativas.
Así es como cambia nuestra línea:
Hemos hecho un poco de magia y ahora podemos someter el resultado a un procedimiento más clásico, que puede refinarlo (por ejemplo, el artículo identificado puede no estar disponible, la cantidad puede no coincidir con el embalaje) y un operador tiene la tarea de validar este resultado y enviar el pedido para su procesamiento.
¿Cuánto podemos escalar este proceso ahora? A partir de un correo electrónico o un mensaje de voz -sí, empecemos a hablar de la interpretación de los mensajes de voz- podemos obtener un resultado increíble en pocos segundos. Sí, utilizamos la IA para realizar pedidos.
Leímos e interpretamos el lenguaje natural y transferimos parte de los conocimientos, y hábitos del cliente, a un procedimiento: no está mal, ¿verdad?
Poner las nuevas tecnologías en contexto y usarlas de la manera correcta es esencial: es bueno no mencionar la Inteligencia Artificial solo para subirse a una tendencia y ser noticia porque se corre el riesgo de trivializar su potencial de uso.
La tecnología de fácil acceso no es, por definición, fácil de adoptar, por lo que Aton cree en la formación de personas que puedan, de esta manera, experimentar y llevar las soluciones a otro nivel.
¿Quieres saber más sobre las nuevas tecnologías que Aton está implementando? ¡Estén atentos!
