Stampli, ਜੋ ਕਿ ਇੱਕ B2B accounts-payable ਪਲੇਟਫਾਰਮ ਹੈ, ਨੇ ਆਪਣੇ ਵਰਕਫਲੋ ਵਿੱਚ ChatGPT Work ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਤੋਂ ਬਾਅਦ ਆਨਬੋਰਡਿੰਗ ਦੇ ਸਮੇਂ ਵਿੱਚ 68% ਦੀ ਕਟੌਤੀ ਕੀਤੀ ਹੈ।

ਅੰਦਰੂਨੀ ਪੱਖ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਜ਼ਿਆਦਾਤਰ ਹੈੱਡਲਾਈਨਾਂ ਚੈਟਬੋਟਸ, ਕੋਡ ਜਨਰੇਟਰਾਂ, ਜਾਂ ਇਮੇਜ ਡਿਜ਼ਾਈਨਰਾਂ ਲਈ generative AI ਦੀ ਵਡਿਆਈ ਕਰਦੀਆਂ ਹਨ। Stampli ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਇਹੀ ਤਕਨਾਲੋਜੀ ਇੱਕ ਸਰਵਿਸ ਆਪਰੇਸ਼ਨ ਦੀ ਰਫ਼ਤਾਰ ਵੀ ਵਧਾ ਸਕਦੀ ਹੈ। ਕਿਸੇ ਕਲਾਇੰਟ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਲਾਂਚ ਕਰਨ ਨਾਲ ਇੰਪਲੀਮੈਂਟੇਸ਼ਨ ਟੀਮਾਂ ਨੂੰ ਮੁਕਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਰੈਵੇਨਿਊ-ਰਿਕਾਰਨੀਸ਼ਨ ਚੱਕਰ (revenue-recognition cycle) ਛੋਟਾ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਉਤਪਾਦ ਦੇ ਚੱਲਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਸੰਤੁਸ਼ਟੀ ਵਧਦੀ ਹੈ।

ਅੰਕੜਿਆਂ ਦੇ ਪਿੱਛੇ ਦਾ ਸੰਦਰਭ

ਆਮ ਤੌਰ 'ਤੇ AP rollouts ਲਈ ਡਾਟਾ ਇੰਪੋਰਟ, ਰੂਲ ਸੈੱਟਅੱਪ, ਯੂਜ਼ਰ-ਰੋਲ ਅਸਾਈਨਮੈਂਟ ਅਤੇ ਕਲਾਇੰਟ-ਵਿਸ਼ੇਸ਼ ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਇੱਕ ਬੰਡਲ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਕਈ SaaS ਕੰਪਨੀਆਂ ਵਿੱਚ ਇਹ ਕਦਮ ਹਫ਼ਤਿਆਂ ਤੱਕ ਚੱਲਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਸੀਨੀਅਰ ਸਟਾਫ ਦਾ ਉਹ ਕੀਮਤੀ ਸਮਾਂ ਖਰਾਬ ਹੁੰਦਾ ਹੈ ਜੋ ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਕੰਮਾਂ 'ਤੇ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਸੀ। Stampli ਨੇ ਵਾਰ-ਵਾਰ ਆਉਣ ਵਾਲੇ ਚੈੱਕਲਿਸਟ ਆਈਟਮਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ChatGPT Work ਨੂੰ ਭੇਜ ਦਿੱਤਾ, ਜਿਸ ਵਿੱਚ ਅੰਦਰੂਨੀ ਪ੍ਰੋਂਪਟਸ (prompts) ਨੂੰ ਵਰਕਫਲੋ ਆਟੋਮੇਸ਼ਨਾਂ ਨਾਲ ਜੋੜਿਆ ਗਿਆ।

ਕੰਪਨੀ ਨੇ ਸਿਰਫ਼ ਇੱਕ ਸਵਿੱਚ ਨਹੀਂ ਦਬਾਇਆ। ਇਸਨੇ ਪ੍ਰੋਂਪਟਸ ਅਤੇ ਆਟੋਮੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਬਣਾਈ ਜੋ ਹਰੇਕ ਆਨਬੋਰਡਿੰਗ ਪੜਾਅ ਦੌਰਾਨ ਮਾਡਲ ਦੀ ਅਗਵਾਈ ਕਰਦੀ ਹੈ। ਇਸਦਾ ਨਤੀਜਾ ਇੱਕ ਅਜਿਹੀ ਦੁਹਰਾਉਣਯੋਗ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜਿਸ ਨੂੰ ਹਰ ਨਵੇਂ ਕਲਾਇੰਟ ਲਈ ਲਾਂਚ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਨਾ ਕਿ ਇਹ ਸਿਰਫ਼ ਇੱਕ ਵਾਰ ਦਾ ਪ੍ਰਯੋਗ ਹੈ।

ਜੋਖਮ ਅਤੇ ਸੀਮਾਵਾਂ

ਆਟੋਮੇਸ਼ਨ ਲਈ ਅਜੇ ਵੀ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ ਹੈ। ਗੁੰਝਲਦਾਰ ਇਕਰਾਰਨਾਮੇ, ਅਜੀਬ ਟੈਕਸ ਅਧਿਕਾਰ ਖੇਤਰ (tax jurisdictions), ਜਾਂ ਪੁਰਾਣੇ ERP ਲਿੰਕਾਂ ਲਈ ਮਾਹਰ ਫੈਸਲੇ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਬਿਨਾਂ ਸਮੀਖਿਆ ਦੇ AI ਨੂੰ ਦਸਤਾਵੇਜ਼ ਤਿਆਰ ਕਰਨ ਦੇਣ ਨਾਲ ਕੰਪਲਾਇੰਸ (compliance) ਵਿੱਚ ਗਲਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਸਿਸਟਮ ਦੀ ਸਫਲਤਾ ਚੰਗੀ ਤਰ੍ਹਾਂ ਤਿਆਰ ਕੀਤੇ ਗਏ ਪ੍ਰੋਂਪਟਸ 'ਤੇ ਵੀ ਨਿਰਭਰ ਕਰਦੀ ਹੈ; ਗਲਤ ਨਿਰਦੇਸ਼ਾਂ ਨਾਲ ਗਲਤ ਨਤੀਜੇ ਮਿਲਦੇ ਹਨ ਅਤੇ ਟੀਮਾਂ ਨੂੰ ਗਲਤੀਆਂ ਸੁਧਾਰਨ ਵਿੱਚ ਸਮਾਂ ਬਰਬਾਦ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।

ਹੋਰ ਟੀਮਾਂ ਵੱਲੋਂ ਚੁੱਕੇ ਜਾਣ ਵਾਲੇ ਕਦਮ

ਜੇਕਰ ਤੁਸੀਂ ਕਸਟਮਰ-ਸਕਸੈਸ ਜਾਂ ਇੰਪਲੀਮੈਂਟੇਸ਼ਨ ਗਰੁੱਪ ਦੀ ਅਗਵਾਈ ਕਰਦੇ ਹੋ, ਤਾਂ AI ਦੇ ਫਾਇਦੇ ਨੂੰ ਮਾਪਣ ਲਈ ਇਹ ਕਦਮ ਚੁੱਕ ਕੇ ਦੇਖੋ:

  • ਇਕਰਾਰਨਾਮੇ 'ਤੇ ਦਸਤਖਤ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਗੋ-ਲਾਈਵ (go-live) ਤੱਕ ਹਰ ਕਾਰਵਾਈ ਦਾ ਨਕਸ਼ਾ ਤਿਆਰ ਕਰੋ।
  • ਰਿਕਾਰਡ ਕਰੋ ਕਿ ਹਰੇਕ ਕਦਮ ਵਿੱਚ ਕਿੰਨਾ ਸਮਾਂ ਲੱਗਦਾ ਹੈ।
  • ਉਹਨਾਂ ਕੰਮਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰੋ ਜੋ ਹਰੇਕ ਕਲਾਇੰਟ ਲਈ ਬਿਨਾਂ ਕਿਸੇ ਬਦਲਾਅ ਦੇ ਦੁਹਰਾਏ ਜਾਂਦੇ ਹਨ।
  • ਪਛਾਣ ਕਰੋ ਕਿ ਕਿੱਥੇ ਦਸਤਾਵੇਜ਼ ਜਾਂ ਕੌਂਫਿਗਰੇਸ਼ਨ ਨੂੰ ਮੈਨੂਅਲੀ ਦੁਬਾਰਾ ਲਿਖਿਆ ਜਾਂਦਾ ਹੈ।

ਦੁਹਰਾਉਣਯੋਗ ਅਤੇ ਘੱਟ-ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣਾ ਉਹ ਜਗ੍ਹਾ ਹੈ ਜਿੱਥੇ AI ਸਭ ਤੋਂ ਵਧੀਆ ਕੰਮ ਕਰਦਾ ਹੈ। ਇੱਕ ਛੋਟੇ ਪਾਇਲਟ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ, ਫੀਡਬੈਕ ਤੋਂ ਪ੍ਰੋਂਪਟਸ ਨੂੰ ਸੁਧਾਰੋ, ਅਤੇ ਮਾਡਲ ਦੇ ਭਰੋਸੇਯੋਗ ਸਾਬਤ ਹੋਣ ਤੋਂ ਬਾਅਦ ਹੀ ਇਸਦਾ ਵਿਸਥਾਰ ਕਰੋ।

ਅੱਗੇ ਕੀ ਦੇਖਣਾ ਹੈ

Stampli ਦਾ ਰੋਲਆਊਟ ਅਜੇ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ ਵਿੱਚ ਹੈ, ਅਤੇ ਚਰਨ (churn), ਅੱਪਸੈੱਲ ਵੇਲੋਸਿਟੀ (upsell velocity), ਅਤੇ ਲਾਗਤ ਢਾਂਚੇ 'ਤੇ ਇਸਦਾ ਪ੍ਰਭਾਵ ਅਜੇ ਅਸਪਸ਼ਟ ਹੈ। ਨਿਰੀਖਕ ਇਹ ਦੇਖਣਗੇ ਕਿ ਕੀ ਇਹ ਤੇਜ਼ੀ ਮਾਪਣਯੋਗ ਰੈਵੇਨਿਊ ਲਾਭਾਂ ਵਿੱਚ ਬਦਲਦੀ ਹੈ ਜਾਂ ਸਿਰਫ਼ ਅੰਦਰੂਨੀ ਕੰਮ ਦੇ ਬੋਝ ਨੂੰ ਮੁੜ ਵਿਵਸਥਿਤ ਕਰਦੀ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਵਧੇਰੇ ਵੈਂਡਰ ਸਰਵਿਸ ਪਾਈਪਲਾਈਨਾਂ ਵਿੱਚ AI ਦਾ ਪ੍ਰਯੋਗ ਕਰ ਰਹੇ ਹਨ, ਉਤਪਾਦ ਨਵੀਨੀਕਰਨ (product innovation) ਅਤੇ ਕਾਰਜਸ਼ੀਲ ਕੁਸ਼ਲਤਾ (operational efficiency) ਵਿਚਕਾਰ ਦੀ ਰੇਖਾ ਹੋਰ ਵੀ ਧੁੰਦਲੀ ਹੁੰਦੀ ਜਾਵੇਗੀ।