Stampli, જે B2B accounts-payable પ્લેટફોર્મ છે, તેણે તેના વર્કફ્લોમાં ChatGPT Work ને સામેલ કર્યા પછી ઓનબોર્ડિંગ સમયમાં 68% નો ઘટાડો કર્યો છે.

આંતરિક દ્રષ્ટિકોણ શા માટે મહત્વનો છે

મોટાભાગના હેડલાઇન્સ ચેટબોટ્સ, કોડ જનરેટર્સ અથવા ઇમેજ ડિઝાઇનર્સ માટે generative AI ના વખાણ કરે છે. Stampli દર્શાવે છે કે આ જ ટેકનોલોજી સર્વિસ ઓપરેશનને પણ ઝડપી બનાવી શકે છે. ક્લાયન્ટને ઝડપથી લોન્ચ કરવાથી ઇમ્પ્લીમેન્ટેશન ટીમો મુક્ત થાય છે, રેવન્યુ-રેકગ્નિશન સાયકલ ટૂંકી થાય છે, અને પ્રોડક્ટ શરૂ થાય તે પહેલાં જ સંતોષ વધે છે.

આ આંકડાઓ પાછળનો સંદર્ભ

સામાન્ય AP રોલઆઉટ માટે ડેટા ઇમ્પોર્ટ, નિયમો સેટઅપ, યુઝર-રોલ અસાઇનમેન્ટ અને ક્લાયન્ટ-વિશિષ્ટ દસ્તાવેજોના સમૂહની જરૂર પડે છે. ઘણા SaaS વ્યવસાયોમાં આ પગલાં અઠવાડિયા સુધી ચાલે છે, જેના કારણે સિનિયર સ્ટાફનો ઘણો સમય વપરાય છે જેનો ઉપયોગ ઉચ્ચ-મૂલ્યના કામ માટે થઈ શકતો હતો. Stampli એ પુનરાવર્તિત ચેકલિસ્ટ આઇટમ્સને ઓળખી અને તેને ChatGPT Work માં ફીડ કરી, આંતરિક પ્રોમ્પ્ટ્સને વર્કફ્લો ઓટોમેશન સાથે જોડ્યા.

કંપનીએ માત્ર એક સ્વિચ ફ્લિપ કરી દીધી નથી. તેણે પ્રોમ્પ્ટ્સ અને ઓટોમેશનની એક લાઈબ્રેરી બનાવી છે જે મોડેલને ઓનબોર્ડિંગના દરેક તબક્કામાંથી માર્ગદર્શન આપે છે. તેનું પરિણામ એક પુનરાવર્તિત પ્રક્રિયા છે જેને દરેક નવા ક્લાયન્ટ માટે લોન્ચ કરી શકાય છે, તે માત્ર એક વખતનો પ્રયોગ નથી.

જોખમો અને મર્યાદાઓ

ઓટોમેશન માટે હજુ પણ માનવીય દેખરેખની જરૂર છે. જટિલ કરારો, અજીબ ટેક્સ અધિકારક્ષેત્રો અથવા લેગસી ERP લિંક્સ માટે નિષ્ણાતના નિર્ણયની જરૂર પડે છે. રિવ્યુ વગર AI ને ડોક્યુમેન્ટેશન ડ્રાફ્ટ કરવા દેવાથી કમ્પ્લાયન્સની ભૂલો થઈ શકે છે. સિસ્ટમની સફળતા સારી રીતે તૈયાર કરેલા પ્રોમ્પ્ટ્સ પર પણ નિર્ભર છે; ખરાબ સૂચનાઓથી ખોટા આઉટપુટ મળે છે અને ટીમોને ભૂલો સુધારવામાં સમય બગાડવા માટે મજબૂર કરવામાં આવે છે.

અન્ય ટીમો લઈ શકતા પગલાં

જો તમે કસ્ટમર-સક્સેસ અથવા ઇમ્પ્લીમેન્ટેશન ગ્રુપનું નેતૃત્વ કરો છો, તો AI ના લાભને માપવા માટે આ પગલાં અજમાવો:

  • કોન્ટ્રાક્ટ સાઇનિંગથી લઈને ગો-લાઇવ સુધીના દરેક કાર્યને મેપ કરો.
  • દરેક પગલામાં કેટલો સમય લાગે છે તેનો લોગ રાખો.
  • એવા કાર્યોને હાઇલાઇટ કરો જે દરેક ક્લાયન્ટ માટે બદલાયા વિના પુનરાવર્તિત થાય છે.
  • જ્યાં ડોક્યુમેન્ટેશન અથવા કોન્ફિગરેશન મેન્યુઅલી ફરીથી લખવામાં આવે છે તે શોધો.

પુનરાવર્તિત અને ઓછી જટિલતા ધરાવતા કામને લક્ષ્ય બનાવવામાં AI શ્રેષ્ઠ કામ કરે છે. નાના પાયલોટથી શરૂઆત કરો, ફીડબેક દ્વારા પ્રોમ્પ્ટ્સને સુધારો, અને મોડેલ વિશ્વસનીય સાબિત થાય તે પછી જ તેનો વિસ્તાર કરો.

આગળ શું જોવું

Stampli નું રોલઆઉટ હજુ શરૂઆતના તબક્કામાં છે, અને churn, upsell velocity અને cost structure પર તેની અસર હજુ અસ્પષ્ટ છે. નિરીક્ષકો જોશે કે આ ઝડપ માપી શકાય તેવા રેવન્યુ લાભમાં ફેરવાય છે કે ફક્ત આંતરિક કાર્યભારને નવો આકાર આપે છે. જેમ જેમ વધુ વેન્ડર્સ સર્વિસ પાઇપલાઇનમાં AI નું પરીક્ષણ કરશે, તેમ તેમ પ્રોડક્ટ ઇનોવેશન અને ઓપરેશનલ એફિશિયન્સી વચ્ચેની રેખા વધુ ધૂંધળી થતી રહેશે.