رفتن به محتوای اصلی
خودکارسازی و ایجنت‌ها

خودکارسازی فرایندها با هوش مصنوعی: راهنمای عملی

۱۰ دقیقه مطالعه

در این مقاله

فرض کنید یک کارگاه کفش در تبریز دارید. سفارش‌ها از واتس‌اپ، تلگرام و تماس تلفنی می‌رسند. یک نفر آن‌ها را در اکسل می‌نویسد، نفر دیگر از روی اکسل برگه تولید را چاپ می‌کند، حسابدار همان اطلاعات را دوباره در نرم‌افزار حسابداری وارد می‌کند و کسی که بسته‌ها را می‌فرستد باز از اول می‌پرسد «این مشتری آدرسش کجا بود؟». هیچ‌کدام از این آدم‌ها تنبل نیستند. فقط خودشان شده‌اند چسبی که سیستم‌ها را به هم وصل می‌کند.

این چسب گران است، اما در هیچ صورتحسابی دیده نمی‌شود. هزینه‌اش را به شکل ساعت‌های پراکنده، یک رقم اشتباه که هفته‌ها بعد خودش را نشان می‌دهد و مشتری‌ای که پیگیری‌اش یک روز دیر شد می‌پردازید. اتوماسیون فرایندها با هوش مصنوعی یعنی این چسب را تا جایی که می‌شود به یک جریان کار تبدیل کنید و آدم‌ها را برای کاری نگه دارید که واقعاً آدم می‌خواهد: قضاوت، استثنا و رابطه با مشتری.

این راهنما برای مدیری است که می‌خواهد بداند از کجا شروع کند، چه چیزی را بسپارد، چه چیزی را نه، و بعد از ساخت چطور بفهمد کار کرده یا نه.

اتوماسیون فرایندها با هوش مصنوعی دقیقاً چه فرقی با اتوماسیون قدیمی دارد؟

اتوماسیون قدیمی فقط قاعده‌های ثابت را اجرا می‌کند و با ورودی منظم کار می‌کند؛ هوش مصنوعی به آن اضافه می‌کند که ورودی نامنظم را هم بفهمد. فاکتور PDF، عکس یک رسید، ایمیل بلند مشتری و پیام صوتی واتس‌اپ همه ورودی‌های نامنظم‌اند.

قاعده‌محور (قدیمی)با هوش مصنوعی
ورودیفرم و فایل با قالب ثابتایمیل، PDF، عکس، پیام آزاد
کار اصلی«اگر الف بود، ب را انجام بده»خواندن، دسته‌بندی، استخراج و نوشتن پیش‌نویس
وقتی چیزی عجیب باشدیا خطا می‌دهد یا بی‌صدا رد می‌شودمی‌ایستد و با یادداشت کوتاه به آدم می‌دهد
نگهداریهر قالب تازه یعنی قاعده تازهتغییر قالب را تا حدی تحمل می‌کند

هوش مصنوعی جایگزین قاعده نیست. در یک جریان درست، بخش‌های قطعی (ثبت در سیستم، ارسال یادآوری، قفل‌کردن یک تأیید) همچنان با قاعده انجام می‌شوند و هوش مصنوعی فقط در مرحله‌هایی می‌نشیند که ورودی مبهم است. هرچه هوش مصنوعی را در جای کمتری و دقیق‌تر بگذارید، سیستم قابل‌پیش‌بینی‌تر می‌ماند.

کدام فرایندها را اول خودکار کنیم؟

اول فرایندی را انتخاب کنید که تکراری است، ورودی و خروجی‌اش روشن است، چند نفر را درگیر می‌کند و اشتباهش قابل برگشت است. فرایند مهم اما پرخطر (مثل پرداخت‌های بزرگ) را برای مرحله بعد بگذارید.

چهار سؤال ساده فرایندها را رتبه می‌دهد:

  1. هفته‌ای چند بار تکرار می‌شود؟ کاری که ماهی یک بار پیش می‌آید معمولاً دلیل کافی نیست.
  2. ورودی‌اش از کجا می‌آید و خروجی‌اش به کجا می‌رود؟ اگر هر دو سر مشخص‌اند، وصل‌کردنشان شدنی است.
  3. اگر یک نمونه اشتباه شود چه می‌شود؟ اشتباه در برچسب‌گذاری یک تیکت با اشتباه در یک پرداخت فرق دارد.
  4. کسی هست که قاعده‌های واقعی را بداند؟ اگر قاعده فقط در ذهن یک نفر است، اول باید روی کاغذ بیاید.

برای دیدن فهرست کارهای هر واحد، در کارهای قابل اتوماسیون هر بخش شرکت نمونه‌های مشخص آمده است. اگر هنوز مطمئن نیستید که کجا از همه جا بیشتر وقت می‌رود، با هزینه پنهان ورود دستی داده شروع کنید: یک هفته ثبت کنید چه کسی چه چیزی را از کجا به کجا بازنویسی می‌کند. معمولاً فهرست کوتاه خودش پیدا می‌شود.

یک سفارش از اول تا آخر: جریان خودکار چه شکلی است؟

برای دیدن جزئیات، همان کارگاه کفش تبریز را ادامه می‌دهیم. این مثال فرضی است و عددی در آن نیامده؛ فقط ترتیب مرحله‌ها مهم است.

  1. ورود پیام. مشتری در واتس‌اپ می‌نویسد «سی جفت از مدل ۲۰۴، سایز مخلوط، تا آخر ماه». جریان کار پیام را می‌گیرد.
  2. خواندن و استخراج. هوش مصنوعی مدل، تعداد، سایز و زمان خواسته‌شده را از متن بیرون می‌کشد و در یک فرم ساختارمند می‌گذارد.
  3. بررسی با قاعده. سیستم موجودی چرم و زیره را با فهرست محصولات تطبیق می‌دهد. اگر مدل وجود ندارد یا موجودی کم است، جریان همین‌جا برای مسئول فروش علامت می‌زند.
  4. تأیید انسانی. مسئول فروش خلاصه سفارش و تشخیص سیستم را می‌بیند و یک کلیک می‌کند: تأیید، اصلاح یا تماس با مشتری.
  5. ثبت در همه سیستم‌ها. بعد از تأیید، سفارش خودش در برگه تولید و نرم‌افزار حسابداری ثبت می‌شود. دیگر کسی چیزی را دوباره تایپ نمی‌کند.
  6. پیگیری. زمان‌هایی که سفارش جلو نمی‌رود (مثلاً پیش‌فاکتور باز مانده) یادآور می‌فرستند و همه‌چیز در یک گزارش دیده می‌شود.
  7. ثبت ردپا. هر مرحله در یک سابقه نوشته می‌شود تا بتوان بعداً دید چرا سفارشی آن‌طور ثبت شد.

دقت کنید که آدم از جریان حذف نشده؛ جای او عوض شده است. به جای تایپ‌کردن، تصمیم می‌گیرد.

جای آدم کجاست؟

هر جا اشتباه گران یا برگشت‌ناپذیر است، یا قضاوت یا رابطه می‌خواهد، تأیید باید با آدم بماند. در جریان بالا، مرحله ۴ همین است.

قاعده عملی ساده‌ای وجود دارد: کارهایی که هوش مصنوعی فقط پیشنهاد می‌دهد و بعد خودش انجام نمی‌شود (پیش‌نویس پاسخ، دسته‌بندی، تطبیق) را می‌شود با نظارت سبک رها کرد. کارهایی که اثر بیرونی دارند (پرداخت، قیمت ویژه، تغییر سابقه مشتری، ارسال قرارداد) باید از دست یک آدم رد شوند. جزئیات طراحی این تأییدها و اینکه کدام تصمیم‌ها باید با آدم بماند را در انسان در حلقه آورده‌ایم. اگر می‌خواهید بدانید چرا نباید یک مدل را بدون نظارت به سیستم‌ها وصل کرد، توهم هوش مصنوعی توضیح می‌دهد که مدل چطور با اطمینان اشتباه می‌گوید.

سند و فاکتور فارسی چه مشکلی دارند؟

اسناد فارسی از اولین قدم‌ها هستند، اما پرچالش‌اند: خط دست‌نویس، اسکن ضعیف، ترکیب ارقام فارسی و لاتین، مهر و امضا روی متن، و جدول‌هایی که ستون‌هایشان جابه‌جا می‌شود. هوش مصنوعی امروز در خواندن این‌ها بسیار بهتر از ابزارهای قدیمی شده، اما بی‌خطا نیست.

برای همین باید جریان کار برای سند دو چیز داشته باشد: یک بررسی خودکار (جمع ردیف‌ها با جمع کل برابر است؟ شماره فاکتور تکراری نیست؟) و صف استثنا برای آدم. جزئیات روش و محدودیت‌ها در خواندن فاکتور و سند فارسی با هوش مصنوعی آمده است. برای حسابداری به‌طور خاص، هوش مصنوعی در حسابداری نشان می‌دهد چه کارهایی را می‌شود سپرد و چه کارهایی را نه.

گردش کار ساده، ایجنت یا چت‌بات؟

اگر مراحل از قبل معلوم است، یک گردش کار ساده کافی است. اگر مسیر کار به نتیجه مرحله قبل بستگی دارد و باید در میانه تصمیم گرفت، ایجنت لازم می‌شود. اگر فقط پاسخ‌دادن به سؤال مطرح است، چت‌بات.

گردش کار مثل ریل است: همیشه همان مسیر. ایجنت مثل یک همکار تازه‌کار است که هدف و ابزار دارد و خودش مرحله‌ها را انتخاب می‌کند. این انعطاف خوب است، اما نظارت بیشتری می‌خواهد. برای فرق دقیق این دو، ایجنت هوش مصنوعی چیست را ببینید و برای حالت مشخص سایت، چت‌بات سایت را. قاعده‌ای که ما دنبال می‌کنیم: تا جایی که ریل کافی است، ایجنت نگذارید. اگر نمونه‌های عملی می‌خواهید، ده گردش کار اتوماسیون کسب‌وکار و هشت نمونه ایجنت در شرکت را ببینید؛ برای پیام‌رسان‌های ایرانی هم ربات پیام‌رسان با هوش مصنوعی را.

سیستم‌ها را چطور به هم وصل کنیم و از چه ابزاری استفاده کنیم؟

اول باید سیستم‌ها بتوانند اطلاعات رد و بدل کنند، بعد هوش مصنوعی روی آن اضافه می‌شود. بدون اتصال، هوش مصنوعی فقط یک پیشنهاددهنده است که کسی باید خروجی‌اش را جای دیگر تایپ کند.

بیشتر شرکت‌ها حسابداری، انبار، سایت و CRM جدا دارند. مسیر یکپارچه‌سازی نرم‌افزارها معمولاً از رابط‌های (API) خود همان نرم‌افزارها می‌گذرد، نه جایگزین‌کردن آن‌ها. برای ابزار، دو راه هست. ابزارهای آماده مثل n8n و Make برای جریان‌های ساده و داخلی عالی‌اند؛ سیستم اختصاصی وقتی لازم می‌شود که قاعده‌ها پیچیده‌اند، داده حساس است یا باید دست آدم‌های بیشتری برای تأیید بچرخد. مقایسه صادقانه‌اش در n8n، Make یا سیستم اختصاصی و ایجنت اختصاصی یا ابزار آماده آمده است.

اثر اتوماسیون را چطور بسنجیم؟

با سه عدد که قبل از ساخت اندازه گرفته شوند: ساعت کار دستی در هفته، نرخ خطا و زمان پاسخ. بدون اندازه‌گیری قبل، هیچ‌وقت نمی‌دانید چه چیزی بهتر شده است.

  • ساعت در هفته. چند نفر چند دقیقه برای هر نمونه کار می‌کنند؟ یک هفته معمولی را یادداشت کنید و در ماه بعد از راه‌اندازی دوباره.
  • نرخ خطا. چند مورد در ماه بازبینی یا اصلاح شد؟ از سوابق خودتان بشمارید، نه از حدس.
  • زمان پاسخ. از رسیدن سفارش یا پیام تا اولین اقدام چقدر می‌گذرد؟
  • هزینه هر مورد. این عدد را بعد از سه‌چهار ماه حساب کنید و هزینه خود مدل (مصرف) را هم در نظر بگیرید.

این اعداد را باید یک جا ببینید. گزارش‌هایی که خودشان نوشته می‌شوند نشان می‌دهد چطور می‌شود همین اندازه‌گیری را هم خودکار کرد و برای ارزیابی کلی‌تر، بازگشت سرمایه هوش مصنوعی روش بدون عدد خیالی را شرح می‌دهد.

چه چیزهایی معمولاً خراب می‌شود؟

سه اشتباه رایج‌تر از بقیه است: شروع از فرایندی که قاعده‌اش روشن نیست، حذف کامل آدم از جریان، و نساختن راهی برای دیدن اینکه سیستم چه کرده است.

  • قاعده‌ها فقط در ذهن یک نفر بودند؛ جریان کار آن‌ها را درست نمی‌ساخت و همه به خودکارسازی بی‌اعتماد شدند.
  • مرحله تأیید حذف شد تا «سریع‌تر شود» و یک اشتباه بزرگ باعث شد کل پروژه متوقف شود.
  • هیچ سابقه‌ای ثبت نمی‌شد؛ وقتی چیزی غلط رفت، کسی نمی‌دانست چرا.
  • پروژه آزمایشی هیچ‌وقت به کار روزمره تبدیل نشد. این مشکل جداگانه در چرا پروژه‌های هوش مصنوعی در مرحله آزمایشی می‌مانند بررسی شده است.

علاج هر چهار مورد ساده است: فرایند را اول روی کاغذ بیاورید، تأیید را نگه دارید، ردپا بسازید و از اول مشخص کنید چه کسی صاحب جریان است.

یک مهندس پیاده‌سازی (FDE) این کار را در شرکت شما چطور انجام می‌دهد؟

مهندس پیاده‌سازی (FDE) کنار تیم شما می‌نشیند و جریان واقعی کار را می‌بیند، نه جریان روی کاغذ. بعد همان‌جا سیستم را می‌سازد و به دست خودتان می‌سپارد. در بلنک پیکسل این کار پنج قدم دارد.

  1. شناخت. با کسانی که کار را انجام می‌دهند حرف می‌زنیم و یک هفته نمونه واقعی را دنبال می‌کنیم: ورودی‌ها، خروجی‌ها، استثناها.
  2. نقشه. فرایندها را با معیارهای بالا رتبه می‌دهیم و اولی را انتخاب می‌کنیم. این همان گزارش امکان‌سنجی است.
  3. ساخت. جریان را با نقطه‌های تأیید و ثبت ردپا می‌سازیم، با داده‌های واقعی خود شما آزمایش می‌کنیم و ابتدا در کنار کار دستی اجرا می‌کنیم.
  4. اتصال. جریان را به حسابداری، انبار، CRM و پیام‌رسان‌هایی که دارید وصل می‌کنیم؛ چیزی را جایگزین نمی‌کنیم.
  5. اجرا و بهبود. عددهای ساعت، خطا و زمان پاسخ را با هم می‌خوانیم و استثناهایی را که تکرار می‌شوند به قاعده تبدیل می‌کنیم.

برای دیدن هر قدم با جزئیات، مهندس پیاده‌سازی در کسب‌وکار شما دقیقاً چه می‌کند را بخوانید. خدمت مربوطه را هم می‌توانید در خودکارسازی فرایندها ببینید.

هر واحد چه چیزی را می‌سپارد و چه چیزی را نگه می‌دارد؟

در هر واحد یک کار تکراری هست که اول سپرده می‌شود و یک تصمیم که با آدم می‌ماند. جدول زیر فقط نمونه است و فهرست کامل شما در مرحله شناخت درمی‌آید.

واحدکاری که اول سپرده می‌شودتصمیمی که با آدم می‌ماند
فروشثبت سفارش از پیام و پیگیری پیش‌فاکتورقیمت ویژه و شرایط پرداخت
حسابداریخواندن فاکتور و ثبت پیش‌نویس سندتأیید نهایی و موارد مغایر
انبارهشدار کمبود و ثبت ورود و خروجتصمیم خرید و جابه‌جایی بین انبارها
منابع انسانیپاسخ سؤال‌های تکراری کارکنان و مرتب‌کردن رزومهاستخدام و ارزیابی
پشتیبانیدسته‌بندی پیام و پیش‌نویس پاسخبازپرداخت و شکایت‌های حساس

واحدهایی که خودکارسازی را زودتر نشان می‌دهند

پشتیبانی مشتری، حسابداری، خرید و فروش بیشترین ورودی‌های تکراری را دارند. پشتیبانی مشتری با هوش مصنوعی پاسخ سؤال‌های تکراری را با لحن انسانی دنبال می‌کند، خرید و تأمین مقایسه پیش‌فاکتورها را، و پیگیری سرنخ را وقتی مشتری ساعت یازده شب پیام می‌دهد. شما لازم نیست همه را با هم شروع کنید. یکی را انتخاب کنید و تا وقتی عددهایش را نخوانده‌اید سراغ بعدی نروید.

پرسش‌های رایج

اتوماسیون فرایندها با هوش مصنوعی از کجا شروع می‌شود؟

از یک فرایند تکراری با ورودی و خروجی روشن، مثل ثبت فاکتور یا دسته‌بندی پیام‌های مشتری. ابتدا یک هفته نمونه‌ها را ثبت کنید، بعد فقط همان یک فرایند را بسازید و بسنجید.

آیا هوش مصنوعی همه تصمیم‌ها را خودش می‌گیرد؟

نه، و نباید بگیرد. کارهای کم‌خطر و برگشت‌پذیر را می‌شود با نظارت سبک سپرد، اما پرداخت، قیمت ویژه و تغییر سابقه مشتری باید از تأیید یک آدم بگذرد.

آیا برای شروع باید نرم‌افزارهای فعلی را عوض کنیم؟

معمولاً نه. اگر نرم‌افزارهای شما رابط (API) یا راه خروجی داده دارند، جریان کار به آن‌ها وصل می‌شود و چیزی جایگزین نمی‌شود. اگر ندارند، باید راه دیگری پیدا کرد و این در مرحله شناخت روشن می‌شود.

چطور بفهمیم اتوماسیون واقعاً کار کرده است؟

قبل از ساخت ساعت کار دستی، تعداد اشتباه‌ها و زمان پاسخ را ثبت کنید و بعد از چند ماه همان را دوباره اندازه بگیرید. اگر قبل از شروع عددی ندارید، مقایسه‌ای هم ندارید.

نوشته تیم بلنک پیکسلمنتشرشده در ۱۹ آبان ۱۴۰۵

راهکار مرتبط

خودکارسازی فرایندها

تأییدها، گردش سند و تحویل کار که خودکار پیش می‌روند؛ هوش مصنوعی سندها را می‌خواند و آدم‌ها فقط به استثناها می‌رسند.

ببینید هوش مصنوعی کجا بیشترین صرفه‌جویی را برایتان دارد.

یک گفت‌وگوی رایگان درباره کسب‌وکارتان، و بعد گزارش امکان‌سنجی مکتوب از فرایندهایتان: زمان و پول کجا هدر می‌رود، هوش مصنوعی چه کارهایی را می‌تواند برعهده بگیرد و از کجا باید شروع کرد.