Ved en levering eller en retur skal der oprettes labels, følgesedler og nogle gange tulddokumenter. Det sker på baggrund af data, der allerede findes et sted i systemet: adresse, vægt, indhold, destination. Spørgsmålet er, om AI kan overtage denne proces, og hvilken del af timerne for en ordrebehandler eller logistikmedarbejder det frigør.
Svaret er ja, med en bemærkning. Dette er en af de opgaver, hvor man ikke engang har brug for de nyeste AI-modeller: robotic process automation (RPA) er tilstrækkeligt, og mange virksomheder kører det allerede sådan.
Tre akser er afgørende: struktureringsgrad, volumen og vurderingsrum.
Struktureringsgraden scorer en 5. Et forsendelseslabel følger et fast format, en følgeseddel følger et fast format, et tulddokument følger et fast format, som er foreskrevet af tuldmyndighederne selv. Der skal ikke fortolkes noget om, hvad der skal stå på dokumentet — det ligger fast i skabelonen og inputdataene.
Volumen scorer også en 5. Dette er ikke en opgave, der forekommer et par gange om ugen; hos en virksomhed af en vis størrelse handler det om titusinder til tusinder af forsendelser om dagen. Jo højere volumen, jo større tidsbesparelse pr. automatiseret trin, og jo hurtigere betaler investeringen i integrationer sig selv.
Vurderingsrummet scorer en 5, hvilket her er gunstigt: der er ikke meget at afveje. Systemet kender vægten, destinationen og typen af forsendelse, og derfra følger det mekanisk, hvilket dokument med hvilket indhold der genereres. Der er ingen situation, hvor medarbejderen skal vurdere, hvilket dokument er bedst — det spørgsmål findes ikke.
Kreativitet scorer en 5, hvilket i dette tilfælde betyder, at der ikke er brug for kreativitet — her er det en fordel, ikke en ulempe. Kundekontakt scorer en 4: der er som regel ikke direkte kontakt ved oprettelsen af disse dokumenter, selvom en adresseændring kan komme ind via en kundeforespørgsel, hvilket knytter opgaven til det, der også sker ved kontrol og kommunikation af ordrestatus.
Fysisk scorer en 3, og det er grunden til, at dette ikke fuldt ud er en kontoropgave: et label skal i sidste ende sættes på en kasse, og det forbliver menneskeligt arbejde, eller arbejde for en anden slags automat end AI. Selve dokumentgenereringen er digital; påsætningen er det ikke.
Fejlomkostninger og compliance scorer begge en 3, og det kræver opmærksomhed. En forkert adresse på en følgeseddel medfører en returforsendelse. Et forkert tulddokument kan få en forsendelse til at sidde fast ved grænsen, med bøder eller forsinkelse som følge. Det er ikke en katastrofal risiko som ved finansiel rapportering — deraf midterscoren — men det er heller ikke uden betydning. Det er derfor, forudsætningen for denne opgave ikke er valgfri: dokumentgenereringen er kun så god som de data, den bygger på.
En webshop, der kun sender indenlandsk med én fast forsendelsespartner-integration, kan i dag lade dette generere stort set fuldstændigt: adresse fra ordresystemet, vægt fra WMS'et, label automatisk oprettet så snart ordren er pakket. Medarbejderen kontrollerer stikprøvevis, ikke linje for linje.
En virksomhed, der sender internationalt, med varierende tuldregler pr. land og produkter, der falder under forskellige HS-koder, har et vanskeligere scenarie. Grunddokumenterne kan stadig genereres automatisk, men klassificeringen af produkter til tuldformål kræver nogle gange en kontrol, der ikke uden videre kan overlades til et script. Der forskydes opgaven fra "AI kan overtage det" til "delvist, med menneskeligt tilsyn, der godkender eller afviser med begrundelse" — netop den mellemkategori, der forekommer oftere ved mere komplekse forsendelsesstrømme end ved simple.
To forudsætninger er ikke valgfrie. Den første er en integration med forsendelsespartneren: uden API-forbindelse mellem det eget system og transportørens system fortsætter nogen med at genindtaste data, og så er der ikke vundet meget. Den anden er korrekte adressedata i forvejen. Hvis en ordre allerede kommer ind i systemet med en forkert adresse — noget der hænger sammen med, hvordan den ordre er indtastet, som det ses ved indtastning af ordrer i systemet — så producerer dokumentgenereringen fejlfrit et forkert dokument. Kvaliteten af dette trin afhænger altså delvist af trin, der går forud for det, ligesom kvaliteten af kundekommunikation afhænger af, hvor ajourførte kundedataene i CRM'et er.
For en ordrebehandler eller logistikmedarbejder, hos hvem dokumentgenerering udgør en væsentlig del af opgaverne, er dette en af de opgaver, hvor en stor del af timerne allerede i dag kan frigøres — ikke i samme grad hos alle virksomheder, og ikke uden at have de nævnte integrationer i orden. Hos virksomheder med internationale forsendelser er andelen lavere, fordi compliance-kontrollen af dokumenter forbliver menneskeligt arbejde.
Hvad det betyder for en funktion eller bemanding, er ikke et spørgsmål, denne side besvarer: hvilke lovkrav der gælder ved personalebeslutninger, er op til arbejdsgiveren at undersøge.
For at se, hvordan dette udspiller sig for Deres eget ordreproces, er der en gratis quickscan til rådighed: tolv spørgsmål, uden konto, med en indikation af, hvor stor en del af timerne i denne profil AI kan overtage i dag. Den fulde arbejdsscan, der gennemgår en hel virksomheds arbejde opgave for opgave, er stadig under opbygning.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.