B2B accounts-payable ప్లాట్‌ఫారమ్ అయిన Stampli, తన workflowలోకి ChatGPT Workను అనుసంధానించిన తర్వాత onboarding సమయాన్ని 68% తగ్గించింది.

అంతర్గత కోణం ఎందుకు ముఖ్యమో

చాలా వార్తా శీర్షికలు chatbots, code generators లేదా image designers కోసం generative AIని ప్రచారం చేస్తాయి. Stampli అదే సాంకేతికతను ఒక service operationను వేగవంతం చేయడానికి కూడా ఉపయోగించవచ్చని చూపుతోంది. క్లయింట్‌ను వేగంగా ప్రారంభించడం వల్ల implementation teamsలకు వెసులుబాటు కలుగుతుంది, revenue-recognition cycle తగ్గుతుంది మరియు ఉత్పత్తిని ఉపయోగించడం ప్రారంభించకముందే సంతృప్తి పెరుగుతుంది.

ఈ గణాంకాల వెనుక ఉన్న సందర్భం

సాధారణ AP rollouts కోసం data imports, rule setups, user-role assignments మరియు క్లయింట్‌కు సంబంధించిన అనేక పత్రాలు అవసరమవుతాయి. అనేక SaaS సంస్థలలో ఈ దశలు వారాల తరబడి సాగుతూ, senior staff సమయాన్ని వృధా చేస్తాయి; ఆ సమయాన్ని మరింత విలువైన పనుల కోసం ఉపయోగించవచ్చు. Stampli పునరావృతమయ్యే checklist అంశాలను గుర్తించి, వాటిని ChatGPT Workకి అందించింది మరియు అంతర్గత promptsలను workflow automationsతో అనుసంధానించింది.

ఈ కంపెనీ కేవలం ఒక స్విచ్ నొక్కినంత సులభంగా చేయలేదు. ప్రతి onboarding దశలో మోడల్‌ను నడిపించేలా prompts మరియు automations యొక్క ఒక libraryని ఇది రూపొందించింది. దీని ఫలితంగా, ఇది కేవలం ఒకసారి చేసిన ప్రయోగంలా కాకుండా, ప్రతి కొత్త క్లయింట్ కోసం ఉపయోగించగల పునరావృత ప్రక్రియగా మారింది.

రిస్క్‌లు మరియు పరిమితులు

Automationకు ఇప్పటికీ మానవ పర్యవేక్షణ అవసరం. సంక్లిష్టమైన ఒప్పందాలు, విభిన్న tax jurisdictions లేదా పాత ERP లింక్‌లకు నిపుణుల నిర్ణయం అవసరం. సమీక్ష లేకుండా AIని documentationను draft చేయనిస్తే, అది compliance లోపాలకు దారితీయవచ్చు. సిస్టమ్ యొక్క విజయం చక్కగా రూపొందించిన promptsపై కూడా ఆధారపడి ఉంటుంది; తప్పుడు సూచనలు తప్పుదారి పట్టించే outputను ఇస్తాయి మరియు తప్పులను సరిదిద్దడానికి టీమ్‌లు సమయాన్ని వృధా చేయాల్సి వస్తుంది.

ఇతర టీమ్‌లు తీసుకోవలసిన చర్యలు

మీరు customer-success లేదా implementation గ్రూప్‌కు నాయకత్వం వహిస్తుంటే, AI ద్వారా కలిగే ప్రయోజనాన్ని అంచనా వేయడానికి ఈ దశలను ప్రయత్నించండి:

  • కాంట్రాక్ట్ సంతకం నుండి go-live వరకు ప్రతి చర్యను మ్యాప్ చేయండి.
  • ప్రతి దశకు ఎంత సమయం పడుతుందో నమోదు చేయండి.
  • ప్రతి క్లయింట్‌కు మార్పు లేకుండా పునరావృతమయ్యే పనులను గుర్తించండి.
  • documentation లేదా configurationను ఎక్కడ మాన్యువల్‌గా మళ్ళీ రాస్తున్నారో గమనించండి.

పునరావృతమయ్యే, తక్కువ సంక్లిష్టత కలిగిన పనులను లక్ష్యంగా చేసుకోవడంలో AI అద్భుతంగా పనిచేస్తుంది. ఒక చిన్న pilotతో ప్రారంభించి, feedback ఆధారంగా promptsలను మెరుగుపరచండి మరియు మోడల్ నమ్మదగినదిగా నిరూపితమైన తర్వాతే విస్తరించండి.

తదుపరి ఏం గమనించాలి

Stampli యొక్క rollout ఇంకా ప్రారంభ దశలోనే ఉంది, మరియు churn, upsell velocity మరియు cost structureపై దీని ప్రభావం ఇంకా స్పష్టంగా లేదు. ఈ వేగవంతం వల్ల కొలవదగిన revenue gains వస్తాయా లేదా కేవలం అంతర్గత workloadsను మారుస్తుందా అనేది పరిశీలకులు గమనిస్తారు. మరిన్ని వెండర్లు service pipelinesలో AIని పరీక్షించే కొద్దీ, product innovation మరియు operational efficiency మధ్య ఉన్న వ్యత్యాసం క్రమంగా తగ్గుతూ వస్తుంది.