Stampli แพลตฟอร์มการจัดการบัญชีเจ้าหนี้ (accounts-payable) แบบ B2B สามารถลดเวลาในการเริ่มใช้งาน (onboarding) ลงได้ถึง 68% หลังจากนำ ChatGPT Work เข้ามาปรับใช้ในเวิร์กโฟลว์ของตนเอง

ทำไมมุมมองภายในถึงมีความสำคัญ

พาดหัวข่าวส่วนใหญ่มักจะเชิดชู Generative AI ในด้านแชตบอต ตัวสร้างโค้ด หรือผู้ออกแบบรูปภาพ แต่ Stampli แสดงให้เห็นว่าเทคโนโลยีเดียวกันนี้สามารถเร่งความเร็วในการดำเนินงานด้านบริการได้ การเริ่มใช้งานลูกค้าได้เร็วขึ้นช่วยลดภาระของทีมติดตั้ง (implementation teams) ช่วยย่นระยะเวลาการรับรู้รายได้ (revenue-recognition cycle) และเพิ่มความพึงพอใจได้ตั้งแต่ก่อนที่ผลิตภัณฑ์จะเริ่มทำงานจริงเสียอีก

บริบทเบื้องหลังตัวเลขเหล่านี้

การเริ่มใช้งานระบบ AP โดยทั่วไปต้องมีการนำเข้าข้อมูล การตั้งค่ากฎเกณฑ์ การกำหนดบทบาทผู้ใช้งาน และเอกสารเฉพาะของลูกค้าแต่ละราย ในบริษัท SaaS หลายแห่ง ขั้นตอนเหล่านี้อาจลากยาวไปหลายสัปดาห์ ซึ่งเป็นการสิ้นเปลืองเวลาของพนักงานระดับอาวุโสที่ควรจะนำไปใช้กับงานที่มีมูลค่าสูงกว่า Stampli มองเห็นรายการตรวจสอบที่ต้องทำซ้ำๆ เหล่านี้ และนำไปป้อนให้กับ ChatGPT Work โดยจับคู่การใช้ prompt ภายในเข้ากับการทำงานแบบอัตโนมัติ (workflow automations)

บริษัทไม่ได้เพียงแค่เปิดสวิตช์ใช้งานเท่านั้น แต่ยังได้สร้างคลังของ prompt และระบบอัตโนมัติที่ช่วยนำทางโมเดลผ่านขั้นตอนการ onboarding ในแต่ละระยะ ผลลัพธ์ที่ได้คือกระบวนการที่สามารถทำซ้ำได้และนำไปใช้กับลูกค้าใหม่ทุกคน ไม่ใช่แค่การทดลองเพียงครั้งเดียว

ความเสี่ยงและข้อจำกัด

ระบบอัตโนมัติยังคงต้องการการกำกับดูแลจากมนุษย์ สัญญาที่ซับซ้อน เขตอำนาจศาลด้านภาษีที่แปลกประหลาด หรือการเชื่อมต่อกับระบบ ERP แบบเก่า ล้วนต้องใช้การตัดสินใจจากผู้เชี่ยวชาญ การปล่อยให้ AI ร่างเอกสารโดยไม่มีการตรวจสอบอาจนำไปสู่ข้อผิดพลาดด้านการปฏิบัติตามกฎระเบียบ (compliance) นอกจากนี้ ความสำเร็จของระบบยังขึ้นอยู่กับการเขียน prompt ที่ดี หากคำสั่งไม่ชัดเจนจะทำให้ได้ผลลัพธ์ที่บิดเบือน และทำให้ทีมต้องเสียเวลาไปกับการแก้ไขข้อผิดพลาด

ขั้นตอนที่ทีมอื่นๆ สามารถนำไปปรับใช้ได้

หากคุณเป็นผู้นำทีมดูแลลูกค้า (customer-success) หรือทีมติดตั้ง (implementation) ลองทำตามขั้นตอนเหล่านี้เพื่อประเมินการเพิ่มประสิทธิภาพด้วย AI:

  • วางแผนทุกการกระทำตั้งแต่การเซ็นสัญญาไปจนถึงการเริ่มใช้งานจริง (go-live)
  • บันทึกระยะเวลาที่ใช้ในแต่ละขั้นตอน
  • ระบุงานที่ต้องทำซ้ำเหมือนเดิมสำหรับลูกค้าแต่ละราย
  • มองหาจุดที่มีการเขียนเอกสารหรือการตั้งค่า (configuration) ใหม่ด้วยตนเอง

การมุ่งเป้าไปที่งานที่ทำซ้ำได้และมีความซับซ้อนต่ำคือจุดที่ AI แสดงศักยภาพได้ดีที่สุด ควรเริ่มจากการทดลองนำร่องขนาดเล็ก ปรับปรุง prompt จากผลตอบรับ และขยายผลก็ต่อเมื่อโมเดลพิสูจน์แล้วว่ามีความน่าเชื่อถือเท่านั้น

สิ่งที่ต้องจับตามองต่อไป

การเริ่มใช้งานของ Stampli ยังอยู่ในช่วงเริ่มต้น และผลกระทบต่ออัตราการเลิกใช้งาน (churn) ความเร็วในการขายเพิ่ม (upsell velocity) และโครงสร้างต้นทุนยังไม่ชัดเจน ผู้สังเกตการณ์จะจับตามองว่าการเพิ่มความเร็วนี้จะเปลี่ยนเป็นรายได้ที่วัดผลได้ หรือเป็นเพียงการปรับเปลี่ยนรูปแบบภาระงานภายในเท่านั้น ในขณะที่ผู้ให้บริการรายอื่นๆ เริ่มทดสอบ AI ในกระบวนการบริการมากขึ้น เส้นแบ่งระหว่างนวัตกรรมผลิตภัณฑ์และประสิทธิภาพในการดำเนินงานก็จะยิ่งเลือนลางลงเรื่อยๆ