B2B accounts-payable ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಆದ Stampli, ತನ್ನ ಕಾರ್ಯವಿಧಾನದಲ್ಲಿ (workflow) ChatGPT Work ಅನ್ನು ಅಳವಡಿಸಿಕೊಂಡ ನಂತರ, ಆನ್‌ಬೋರ್ಡಿಂಗ್ ಸಮಯವನ್ನು 68% ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಿದೆ.

ಆಂತರಿಕ ದೃಷ್ಟಿಕೋನ ಏಕೆ ಮುಖ್ಯ

ಹೆಚ್ಚಿನ ಸುದ್ದಿಗಳು generative AI ಅನ್ನು ಚಾಟ್‌ಬಾಟ್‌ಗಳು, ಕೋಡ್ ಜನರೇಟರ್‌ಗಳು ಅಥವಾ ಇಮೇಜ್ ಡಿಸೈನರ್‌ಗಳಿಗಾಗಿ ಪ್ರಚಾರ ಮಾಡುತ್ತವೆ. ಆದರೆ, ಅದೇ ತಂತ್ರಜ್ಞಾನವು ಸೇವಾ ಕಾರ್ಯಾಚರಣೆಯನ್ನು (service operation) ವೇಗಗೊಳಿಸಬಲ್ಲದು ಎಂದು Stampli ತೋರಿಸಿಕೊಟ್ಟಿದೆ. ಗ್ರಾಹಕರನ್ನು ವೇಗವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸುವುದರಿಂದ (launching a client), ಇಂಪ್ಲಿಮೆಂಟೇಶನ್ ತಂಡಗಳಿಗೆ ಮುಕ್ತತೆ ಸಿಗುತ್ತದೆ, ಆದಾಯದ ಗುರುತಿಸುವಿಕೆಯ ಚಕ್ರವು (revenue-recognition cycle) ಸಂಕ್ಷಿಪ್ತವಾಗುತ್ತದೆ ಮತ್ತು ಉತ್ಪನ್ನವು ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಪ್ರಾರಂಭಿಸುವ ಮೊದಲೇ ಗ್ರಾಹಕರ ತೃಪ್ತಿಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ.

ಅಂಕಿಅಂಶಗಳ ಹಿಂದಿನ ಸಂದರ್ಭ

ಸಾಮಾನ್ಯ AP ರೋಲ್‌ಔಟ್‌ಗಳಿಗೆ ಡೇಟಾ ಇಂಪೋರ್ಟ್ ಮಾಡುವುದು, ನಿಯಮಗಳ ಸೆಟಪ್, ಬಳಕೆದಾರರ ಪಾತ್ರಗಳ ಹಂಚಿಕೆ ಮತ್ತು ಗ್ರಾಹಕರಿಗೆ ಸಂಬಂಧಿಸಿದ ಹಲವಾರು ದಾಖಲೆಗಳ ಅಗತ್ಯವಿರುತ್ತದೆ. ಅನೇಕ SaaS ಸಂಸ್ಥೆಗಳಲ್ಲಿ ಈ ಹಂತಗಳು ವಾರಗಟ್ಟಲೆ ನಡೆಯುತ್ತವೆ, ಇದು ಹಿರಿಯ ಸಿಬ್ಬಂದಿಯ ಅಮೂಲ್ಯ ಸಮಯವನ್ನು ವ್ಯರ್ಥ ಮಾಡುತ್ತದೆ; ಆ ಸಮಯವನ್ನು ಹೆಚ್ಚಿನ ಮೌಲ್ಯದ ಕೆಲಸಗಳಿಗೆ ಬಳಸಿಕೊಳ್ಳಬಹುದು. Stampli ಪುನರಾವರ್ತಿತ ಚೆಕ್‌ಲಿಸ್ಟ್ ಅಂಶಗಳನ್ನು ಗುರುತಿಸಿ, ಅವುಗಳನ್ನು ChatGPT Work ಗೆ ನೀಡಿತು ಮತ್ತು ಆಂತರಿಕ ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು (prompts) ವರ್ಕ್‌ಫ್ಲೋ ಆಟೊಮೇಷನ್‌ಗಳೊಂದಿಗೆ ಜೋಡಿಸಿತು.

ಕಂಪನಿಯು ಕೇವಲ ಒಂದು ಸ್ವಿಚ್ ಒತ್ತಿದಂತೆ ಕೆಲಸ ಮಾಡಲಿಲ್ಲ. ಬದಲಾಗಿ, ಪ್ರತಿಯೊಂದು ಆನ್‌ಬೋರ್ಡಿಂಗ್ ಹಂತದಲ್ಲೂ ಮಾಡೆಲ್ ಅನ್ನು ಸರಿಯಾದ ಹಾದಿಯಲ್ಲಿ ನಡೆಸಲು ಪ್ರಾಂಪ್ಟ್‌ಗಳು ಮತ್ತು ಆಟೊಮೇಷನ್‌ಗಳ ಒಂದು ಲೈಬ್ರರಿಯನ್ನು ನಿರ್ಮಿಸಿತು. ಇದರ ಫಲಿತಾಂಶವೆಂದರೆ, ಇದು ಕೇವಲ ಒಂದು ಬಾರಿಯ ಪ್ರಯೋಗವಲ್ಲ, ಬದಲಾಗಿ ಪ್ರತಿಯೊಬ್ಬ ಹೊಸ ಗ್ರಾಹಕನಿಗೂ ಬಳಸಬಹುದಾದ ಪುನರಾವರ್ತಿತ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ.

ಅಪಾಯಗಳು ಮತ್ತು ಮಿತಿಗಳು

ಆಟೊಮೇಷನ್‌ಗೆ ಇಂದಿಗೂ ಮಾನವ ಮೇಲ್ವಿಚಾರಣೆಯ ಅಗತ್ಯವಿದೆ. ಸಂಕೀರ್ಣ ಕರಾರುಗಳು (contracts), ವಿಚಿತ್ರ ತೆರಿಗೆ ವ್ಯಾಪ್ತಿಗಳು ಅಥವಾ ಹಳೆಯ ERP ಲಿಂಕ್‌ಗಳಿಗೆ ತಜ್ಞರ ನಿರ್ಧಾರದ ಅಗತ್ಯವಿರುತ್ತದೆ. ಪರಿಶೀಲನೆ ನಡೆಸದೆ AI ಮೂಲಕ ದಾಖಲೆಗಳನ್ನು ಸಿದ್ಧಪಡಿಸುವುದರಿಂದ ಅನುಸರಣಾ ದೋಷಗಳು (compliance errors) ಉಂಟಾಗಬಹುದು. ವ್ಯವಸ್ಥೆಯ ಯಶಸ್ಸು ಉತ್ತಮವಾಗಿ ರೂಪಿಸಲಾದ ಪ್ರಾಂಪ್ಟ್‌ಗಳ ಮೇಲೂ ಅವಲಂಬಿತವಾಗಿದೆ; ಸರಿಯಲ್ಲದ ಸೂಚನೆಗಳು ತಪ್ಪು ಮಾಹಿತಿಯನ್ನು ನೀಡುತ್ತವೆ ಮತ್ತು ತಪ್ಪುಗಳನ್ನು ಸರಿಪಡಿಸಲು ತಂಡಗಳು ಸಮಯ ವ್ಯರ್ಥ ಮಾಡುವಂತೆ ಮಾಡುತ್ತದೆ.

ಇತರ ತಂಡಗಳು ಕೈಗೊಳ್ಳಬಹುದಾದ ಕ್ರಮಗಳು

ನೀವು ಕಸ್ಟಮರ್-ಸಕ್ಸಸ್ ಅಥವಾ ಇಂಪ್ಲಿಮೆಂಟೇಶನ್ ತಂಡವನ್ನು ಮುನ್ನಡೆಸುತ್ತಿದ್ದರೆ, AI ಮೂಲಕ ಆಗುವ ಪ್ರಯೋಜನವನ್ನು ಅಳೆಯಲು ಈ ಹಂತಗಳನ್ನು ಪ್ರಯತ್ನಿಸಿ:

  • ಕರಾರು ಸಹಿ ಮಾಡುವುದರಿಂದ ಹಿಡಿದು ಕಾರ್ಯಗತಗೊಳಿಸುವವರೆಗೆ (go-live) ಪ್ರತಿಯೊಂದು ಕ್ರಮವನ್ನು ಗುರುತಿಸಿ (Map).
  • ಪ್ರತಿ ಹಂತಕ್ಕೆ ಎಷ್ಟು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಎಂಬುದನ್ನು ದಾಖಲಿಸಿ.
  • ಪ್ರತಿಯೊಬ್ಬ ಗ್ರಾಹಕನಿಗೂ ಬದಲಾಗದೆ ಪುನರಾವರ್ತನೆಯಾಗುವ ಕಾರ್ಯಗಳನ್ನು ಗುರುತಿಸಿ.
  • ದಾಖಲೆಗಳು ಅಥವಾ ಕಾನ್ಫಿಗರೇಶನ್‌ಗಳನ್ನು ಎಲ್ಲಿ ಮ್ಯಾನುಯಲ್ ಆಗಿ ಮರುಬರೆಯಲಾಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ಪತ್ತೆಹಚ್ಚಿ.

ಪುನರಾವರ್ತಿತ ಮತ್ತು ಕಡಿಮೆ ಸಂಕೀರ್ಣತೆಯ ಕೆಲಸಗಳನ್ನು ಗುರಿಯಾಗಿಸುವುದು AI ಅತ್ಯುತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಕ್ಷೇತ್ರವಾಗಿದೆ. ಸಣ್ಣ ಪೈಲಟ್ ಯೋಜನೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸಿ, ಪ್ರತಿಕ್ರಿಯೆಗಳ (feedback) ಆಧಾರದ ಮೇಲೆ ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ಸುಧಾರಿಸಿ ಮತ್ತು ಮಾಡೆಲ್ ವಿಶ್ವಾಸಾರ್ಹವೆಂದು ಸಾಬೀತಾದ ನಂತರವಷ್ಟೇ ವಿಸ್ತರಿಸಿ.

ಮುಂದೆ ಏನನ್ನು ಗಮನಿಸಬೇಕು

Stampli ನ ಈ ಪ್ರಕ್ರಿಯೆಯು ಇನ್ನೂ ಆರಂಭಿಕ ಹಂತದಲ್ಲಿದೆ ಮತ್ತು ಗ್ರಾಹಕರನ್ನು ಕಳೆದುಕೊಳ್ಳುವಿಕೆ (churn), ಅಪ್‌ಸೆಲ್ ವೇಗ (upsell velocity) ಮತ್ತು ವೆಚ್ಚದ ರಚನೆಯ ಮೇಲೆ ಇದರ ಪರಿಣಾಮ ಇನ್ನೂ ಅಸ್ಪಷ್ಟವಾಗಿದೆ. ಈ ವೇಗವರ್ಧನೆಯು ಅಳೆಯಬಹುದಾದ ಆದಾಯದ ಲಾಭವಾಗಿ ಬದಲಾಗುತ್ತದೆಯೇ ಅಥವಾ ಕೇವಲ ಆಂತರಿಕ ಕೆಲಸದ ಹೊರೆಯನ್ನು ಮರುರೂಪಿಸುತ್ತದೆಯೇ ಎಂಬುದನ್ನು ವೀಕ್ಷಕರು ಗಮನಿಸುತ್ತಾರೆ. ಹೆಚ್ಚಿನ ಮಾರಾಟಗಾರರು (vendors) ಸೇವಾ ಪೈಪ್‌ಲೈನ್‌ಗಳಲ್ಲಿ AI ಅನ್ನು ಪರೀಕ್ಷಿಸುತ್ತಿದ್ದಂತೆ, ಉತ್ಪನ್ನದ ನಾವೀನ್ಯತೆ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಯ ದಕ್ಷತೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ಮಸುಕಾಗುತ್ತಾ ಹೋಗುತ್ತದೆ.