Integrazione dell'intelligenza artificiale
Per i team che leggono documenti a mano, selezionano le richieste nelle e-mail o pianificano usando il foglio dell'anno scorso, colleghiamo l'IA all'ERP e all'archivio documentale. Il modello prepara la bozza; decisioni e dati restano tuoi.
A chi è rivolto
Integrare l'IA nei processi aziendali significa collegare un modello al tuo ERP, e-mail e all'archivio documentale affinché supporti un passaggio specifico. Nelle soluzioni aziendali di IA si progettano insieme utenti autorizzati, dati consentiti e approvazione umana. Il modello legge, classifica o propone; le operazioni che richiedono una decisione autorizzata non vengono completate automaticamente.
Quando è utile?
- Supporto vendite: e-mail e PDF vengono inseriti manualmente nell'ERP.
- Amministrazione e magazzino: documenti di trasporto e fatture vengono confrontati uno a uno con gli ordini.
- Team tecnici: le informazioni cercate nei capitolati si perdono tra le cartelle.
- Pianificazione e finanza: le previsioni di domanda e liquidità si basano sul foglio dell'anno scorso.
Quando non serve?
- Se è possibile definire una regola, come soglia di importo o sequenza di approvazione, la regola è più economica e verificabile.
- e-Fatura ed e-İrsaliye sono già XML: non serve un modello per leggerli.
- Se i dati sono dispersi, il primo passo è riunire il processo in un unico sistema: sviluppo software su misura.
Perimetro
Definiamo insieme il perimetro nella fase di scoperta. L'esempio seguente è una tipica prima versione che porta in produzione un solo scenario dall'inizio alla fine, come la lettura dei documenti in ingresso.
Connessioni ai dati
E-mail, cartelle documentali, ERP e CRM in lettura.
Livello del modello
Lettura o previsione, indipendente dal fornitore.
Regole di verifica
L'output viene confrontato con i dati ERP.
Schermata di approvazione
Bozza, fonte e campi incerti affiancati.
Set di valutazione
Esempi con risposte corrette; ogni modifica viene misurata su questi.
Monitoraggio e registrazione
Tasso di correzione, costo, audit trail.
Fuori perimetro in questo esempio
- Addestramento di un modello linguistico da zero
- Decisioni automatizzate sulle persone, come assunzioni o credito
- Costi dei modelli e del cloud, a tuo carico
- Formazione generale sull'IA per i dipendenti
Ipotesi
- L'input è digitale: e-mail, PDF, API ERP.
- Esistono esempi storici con risposta corretta.
- Il responsabile del processo definisce le regole di approvazione.
- La prima versione copre un solo scenario.
Idoneità dello scenario e dei dati vengono chiarite durante la scoperta: Che cos'è uno sprint di discovery?
Scenari esemplificativi
Esplora i casi d'uso
In ogni scenario il modello gestisce un passaggio, mentre la decisione resta a una persona.
-
Casella documenti in ingresso
- Ruolo
- Specialista acquisti e contabilità
- Input
- E-mail con PDF allegati o documenti di trasporto e fatture scansionati
- Operazione
- Si distingue il tipo di documento, si leggono i campi e si confrontano con l'ordine.
- Approvazione
- Lo specialista corregge i campi incerti.
- Output
- Record ERP abbinato ed elenco delle differenze inviato al team interessato
-
Assistente informativo interno
- Ruolo
- Ingegnere delle offerte
- Input
- Documenti, capitolati, procedure e domanda
- Operazione
- La ricerca riguarda soltanto i documenti autorizzati; la risposta viene formulata a partire da questi.
- Approvazione
- A scopo informativo; la decisione sull'offerta resta all'ingegnere.
- Output
- Risposta con fonti oppure "non trovato"
-
Previsione della domanda e della liquidità
- Ruolo
- Specialista di pianificazione o finanza
- Input
- Storico di vendite, consumi o incassi
- Operazione
- Previsioni per prodotto, stabilimento o conto, confrontate con il metodo attuale.
- Approvazione
- Lo specialista usa la previsione oppure la modifica motivando la scelta.
- Output
- Previsione con intervallo di confidenza e avviso di scostamento
Schermate esemplificative
Concept di prodotto: analisi di una soluzione attraverso interfacce progettate, non una demo interattiva né un progetto per un cliente. X Enerji e X Ödeme sono fittizie; i dati nelle schermate sono esemplificativi. Tutti i concept di prodotto
Integrazioni
Dettagli dell'integrazione
Il modello lavora nei sistemi usati dai tuoi team, senza un'applicazione separata. Tutto ciò che scrive nell'ERP resta una bozza fino all'approvazione.
| Sistema | Esempi | Dati trasferiti | Direzione e frequenza |
|---|---|---|---|
| ERP | Logo, Netsis, Mikro, SAP | Storico di ordini, conti clienti e prodotti | Letture periodiche; scritture come bozze |
| E-mail e documenti | Microsoft 365, Google Workspace | Messaggi, allegati, documenti scansionati | All'arrivo dei documenti, dalle caselle definite |
| CRM e assistenza | Salesforce, HubSpot, Dynamics 365 | Richieste, storico del cliente | Categoria e bozza di risposta vengono riscritte nel sistema |
| Misurazione e finanza | Contatori, sensori, banche, data warehouse | Consumi, vendite, incassi | Ogni ora o ogni giorno; previsione nel pannello |
| Fornitore del modello | API cloud, modello aperto sul tuo server | Campi necessari, mascherati | Ogni chiamata viene registrata; il fornitore può essere sostituito |
Dove vengono elaborati i dati?
Al modello arrivano soltanto i campi necessari all'attività; i dati personali non necessari vengono mascherati prima. La regione di elaborazione o l'uso del tuo server vengono scelti con il tuo consulente legale in relazione alla KVKK. Identificativo dell'operazione, versione del modello e stato di approvazione vengono registrati in modo verificabile; documenti grezzi e dati personali vengono conservati solo se necessario, con periodi di conservazione e permessi di accesso definiti.
Domande da porre al fornitore: domande su dati e KVKK
I nomi dei prodotti sono esempi e non implicano partnership.
Processo
Fasi del processo di lavoro
-
01
Discovery
Scegliamo lo scenario, verifichiamo l'adeguatezza dei dati di esempio e definiamo il criterio di successo.
1–2 settimane -
02
Definizione e prototipo
Prepariamo il set di valutazione; la schermata di approvazione viene testata con utenti reali nella terza settimana.
2–3 settimane -
03
Realizzazione
Demo settimanale del software funzionante; ogni modifica viene nuovamente misurata sul set.
Sprint di 2 settimane,
prima versione prevista tra la 6ª e la 12ª settimana -
04
Evoluzione e gestione
Monitoriamo tasso di correzione e costo, poi aggiungiamo nuovi scenari.
Continuativa
Questo calendario è un piano esemplificativo da valutare quando accessi e perimetro del pilota sono chiari; i tempi definitivi si stabiliscono nella scoperta. Dettagli delle fasi: come lavoriamo
Budget e tempi
Non pubblichiamo un listino; costi e tempi dipendono dal perimetro. Il costo d'uso del modello è una voce separata: varia con il volume ed è addebitato sul tuo account.
- Preparazione dei dati
- Dispersione, risposte esemplificative, mascheramento.
- Integrazioni
- Numero di sistemi e disponibilità delle API.
- Flusso di approvazione
- Chi approva e a quale soglia.
- Valutazione
- Dimensione del set, criteri e soglia di accettazione.
- Uso del modello
- Volume mensile, lunghezza dei documenti, modello scelto.
- Sicurezza e conformità
- KVKK, posizione dei dati, server proprio.
- Sprint di scoperta
- 2 settimane Perimetro fisso, prezzo fisso
- Prima versione
- 6–12 settimane Prima versione dal perimetro definito insieme: un solo scenario dall'inizio alla fine
- Nuovi scenari
- Per fasi Aggiunti dopo una valutazione separata per ciascuno
Condizioni di consegna
Dettagli su consegna e manutenzione
Puoi cambiare fornitore e non resti dipendente da noi: codice, prompt e registrazioni sono tuoi.
Codice e prompt
Il contratto distingue il trasferimento del codice e dei prompt specifici del progetto dalle licenze dei modelli di terzi.
Set di valutazione
Esempi, risposte corrette e script di misurazione nel tuo repository.
Modelli
I modelli addestrati per te sono nel tuo account.
Conti
Account cloud, dei modelli e dei repository intestati a te; nell'applicazione sono definiti limiti di chiamate e costi.
Documentazione
Flusso dei dati, mascheramento e punti di approvazione sono documentati.
Passaggio di consegne e assistenza
Passaggio attraverso sessioni condivise; monitoraggio del modello, perimetro della manutenzione, orari di assistenza e nuovi scenari vengono definiti separatamente.
Quali risultati permettono di decidere al termine del pilota?
Una demo funzionante non basta a decidere l'uso in produzione. In un pilota con un solo scenario, definiamo insieme al perimetro come preparare i seguenti risultati:
- Confronto: il metodo attuale e il flusso candidato vengono valutati sugli stessi esempi di test tenuti separati; si includono errori, record rifiutati e correzioni umane.
- Accesso e approvazione: si documentano le fonti leggibili dal modello, le operazioni consentite e i passaggi che richiedono approvazione umana; si testano anche gli scenari di accesso vietato.
- Gestione operativa: si registrano costo totale per operazione, limiti di chiamate e tentativi, procedura di arresto e responsabilità di chi proseguirà manualmente.
- Passaggio di consegne: versioni del modello e del prompt, script di valutazione e rischi aperti entrano nel perimetro di consegna. Ogni cambio di modello passa dagli stessi controlli.
Scenario di esempio: se un modello prepara velocemente una bozza documentale ma legge male gli importi critici, il pilota non viene esteso; si valutano prima carico di correzione e causa degli errori. Al posto di una promessa di risparmio o percentuale di successo, definiamo insieme i criteri di accettazione e arresto del pilota.
Domande frequenti
Cosa preparare per discutere un pilota di IA?
Descrivi una sola attività da migliorare, come viene svolta oggi e quale risultato ti aspetti. Condividi la frequenza nota, gli errori inaccettabili, il ruolo che controllerà il risultato e i vincoli sul luogo di elaborazione dei dati; non serve stimare tempi o tassi di successo mai misurati.
Per il primo contatto non inviare archivi documentali reali o chiavi di accesso. Definiremo dati di esempio e condizioni di condivisione durante l'incontro. La guida alla valutazione del pilota mostra come distinguere misurazione iniziale, dati di test, controllo umano e decisione di arresto.
Qual è la differenza tra un agente IA e l'automazione basata su regole?
Nell'automazione basata su regole, i passaggi sono definiti in anticipo: arriva il documento, si estraggono i campi, le regole verificano e una persona approva. In un agente IA, il modello sceglie quali strumenti usare e in quale ordine per raggiungere un obiettivo. Valutiamo prima un flusso fisso; un agente entra nel perimetro soltanto se la variabilità dei passaggi lo richiede. Limitiamo dati e strumenti accessibili; messaggi esterni, pagamenti o modifiche ai record richiedono approvazione umana.
Come si limitano i costi d'uso e le operazioni ripetute?
Definiamo limiti di chiamate, durata e output per operazione, un limite alle attività simultanee e una quota giornaliera. I nuovi tentativi sono limitati e distanziati con intervalli crescenti; le attività che falliscono ripetutamente passano alla verifica umana. Se ricompare lo stesso identificativo di attività, non viene prodotto un secondo effetto collaterale. Un avviso di budget del fornitore potrebbe non fermare la spesa; testiamo anche la regola di arresto nell'app e la procedura di disattivazione dell'accesso al modello.
Si usa un modello linguistico di grandi dimensioni (LLM) per ogni attività?
No. I modelli linguistici sono utili per testo libero e documenti. Per previsioni di domanda, consumi e liquidità o rilevamento delle anomalie, serie temporali e machine learning tradizionale sono spesso più accurati, economici e facili da spiegare. Un passaggio risolvibile con una regola non viene inviato al modello.
Come si misura l'accuratezza e si rilevano gli errori?
Non promettiamo in anticipo un tasso di accuratezza. Misuriamo tempi attuali, tasso di errore e tempo di controllo umano su attività dello stesso tipo, confrontando il pilota su un set di test separato. La fiducia del modello nella propria risposta non è una verifica: i campi critici vengono valutati tramite regole e controllo umano. Record errati, rifiutati e rielaborati non vengono esclusi dalla misurazione. I criteri di successo del pilota considerano insieme costo totale per operazione e decisione di estendere, correggere o interrompere.
I nostri dati vengono usati per addestrare il modello?
Non dovrebbero esserlo; verifichiamo insieme il contratto del fornitore: gli input sono conservati, per quanto tempo e vengono usati nell'addestramento? Se i dati non devono mai uscire dall'azienda, un modello aperto può funzionare sul tuo server o nel tuo account cloud.
Resteremo dipendenti da un fornitore di modelli?
Le chiamate ai modelli passano da un unico livello; prompt, set di valutazione e registrazioni restano tuoi. Fissiamo la versione del modello per evitare che un aggiornamento del fornitore cambi il comportamento senza preavviso. Quando il fornitore ritira una versione o si prova un nuovo modello, il candidato viene misurato sullo stesso set e attivato soltanto se il risultato è adeguato.
L'assistente interno rende ogni documento accessibile a tutti?
No. Un assistente o chatbot interno rispetta i permessi attuali dell'utente su file e sistemi; non cerca documenti a cui non può accedere né li usa nelle risposte. Le risposte con fonti indicano il documento pertinente; se non c'è una fonte, il sistema lo segnala. Perimetro dei log, mascheramento e conservazione vengono definiti separatamente.
Possiamo vedere i vostri progetti di referenza?
Mostriamo concept di prodotto al posto di un elenco di referenze: progetti di interfaccia per aziende fittizie che illustrano come risolvere un problema. Per limitare il rischio, proponiamo un pilota con un solo scenario: prima della produzione il modello viene misurato su un set di valutazione preparato dai tuoi dati.
Il prossimo passo
Descrivi l'attività da migliorare e i dati disponibili. Valutiamo la richiesta e definiamo il passo successivo adatto: incontro, analisi dei dati o pilota limitato.
Un punto di partenza misurato per il pilota documentale
Abbiamo confrontato due modelli OCR locali su 24 documenti sintetici con le stesse regole. Accuratezza, tipi di errore e tempi di elaborazione, con dati e codice scaricabili.
Leggi il metodo e i risultati del test di estrazione da documenti in turcoPer valutare il beneficio economico del pilota, calcola usando il carico di lavoro attuale e le ipotesi di automazione. Includi il tempo residuo di controllo umano nel tasso di riduzione e i costi di modello e manutenzione nei costi operativi mensili; non tutto il tempo liberato si traduce in risparmio di cassa.