Vid en leverans eller en retur måste etiketter, följesedlar och ibland tulldokument skapas. Det sker på basis av uppgifter som redan finns någonstans i systemet: adress, vikt, innehåll, destination. Frågan är om AI kan ta över den processen, och vilken del av timmarna för en orderhandläggare eller logistikmedarbetare som därmed frigörs.
Svaret är ja, med en anmärkning. Detta är en av de uppgifter där man inte ens behöver de senaste AI-modellerna: robotic process automation (RPA) räcker, och många företag driver detta redan så.
Tre axlar är avgörande: strukturgrad, volym och bedömningsutrymme.
Strukturgraden får en 5. En fraktetikett följer ett fast format, en följesedel följer ett fast format, ett tulldokument följer ett fast format som föreskrivits av tullen själv. Det behövs ingen tolkning av vad som ska stå på dokumentet — det ligger fastställt i mallen och indatan.
Volymen får också en 5. Detta är inte en uppgift som förekommer några gånger i veckan; hos ett företag av viss storlek handlar det om tiotals till tusentals sändningar per dag. Ju högre volym, desto större tidsvinst per automatiserat steg, och desto snabbare betalar investeringen i kopplingar sig tillbaka.
Bedömningsutrymmet får en 5, vilket här är gynnsamt: det finns knappt något att väga. Systemet vet vikten, destinationen och typen av sändning, och därifrån följer mekaniskt vilket dokument med vilket innehåll som genereras. Det finns ingen situation där medarbetaren måste bedöma vilket dokument som är bäst — den frågan existerar inte.
Kreativitet får en 5, vilket i detta fall innebär att ingen kreativitet behövs — här är det en fördel, inte en nackdel. Kundkontakt får en 4: det finns oftast ingen direkt kontakt vid skapandet av dessa dokument, även om en adressändring kan komma in via en kundfråga, vilket gör att uppgiften gränsar till det som också sker vid kontroll och kommunikation av orderstatus.
Fysiskt får en 3, och det är anledningen till att detta inte helt är en kontorsuppgift: en etikett måste till slut klistras på en låda, och det förblir manuellt arbete, eller arbete för en annan typ av automat än AI. Själva dokumentgenereringen är digital; applicerandet är det inte.
Felkostnader och regelefterlevnad får båda en 3, och det förtjänar uppmärksamhet. En felaktig adress på en följesedel kostar en returleverans. Ett felaktigt tulldokument kan göra att en sändning fastnar vid gränsen, med böter eller förseningar som följd. Det är ingen katastrofal risk som vid finansiell rapportering — därav mellanpoängen — men det är heller inte utan betydelse. Det är därför förutsättningen för denna uppgift inte är valfri: dokumentgenereringen är bara så bra som de uppgifter den bygger på.
En webbutik som endast fraktar inrikes med en fast kopplad fraktpartner kan praktiskt taget låta detta genereras helt idag: adress från ordersystemet, vikt från WMS, etikett skapas automatiskt så snart ordern är packad. Medarbetaren kontrollerar stickprov, inte rad för rad.
Ett företag som fraktar internationellt, med varierande tullregler per land och produkter som faller under olika HS-koder, har ett svårare scenario. Grunddokumenten kan fortfarande genereras automatiskt, men klassificeringen av produkter för tulländamål kräver ibland en kontrollrunda som inte enkelt kan lämnas åt ett skript. Där förskjuts uppgiften från "AI kan ta över det" till "delvis, med mänsklig tillsyn som godkänner eller avslår med motivering" — precis den mellankategori som förekommer oftare vid mer komplexa fraktflöden än vid enkla.
Två förutsättningar är inte valfria. Den första är en koppling till fraktpartnern: utan API-anslutning mellan det egna systemet och transportörens system fortsätter någon att skriva om uppgifter manuellt, och då vinns det lite. Den andra är korrekta adressuppgifter i förväg. Om en order redan kommer in i systemet med fel adress — något som hänger samman med hur ordern registrerats, som synes vid registrering av ordrar i systemet — då producerar dokumentgenereringen ofelbart ett felaktigt dokument. Kvaliteten på detta steg beror alltså delvis på steg som föregår det, precis som kvaliteten på kundkommunikation beror på hur aktuella kunduppgifterna i CRM är.
För en orderhandläggare eller logistikmedarbetare hos vilken dokumentgenerering utgör en väsentlig del av arbetsuppgifterna är detta en av de uppgifter där en stor del av timmarna redan idag kan frigöras — inte i samma grad hos varje företag, och inte utan att ha de nämnda kopplingarna i ordning. Hos företag med internationella sändningar ligger andelen lägre, eftersom regelefterlevnadskontrollen av dokument förblir manuellt arbete.
Vad detta betyder för en funktion eller bemanning är inte en fråga som denna sida besvarar: vilka lagkrav som gäller vid personalbeslut är upp till arbetsgivaren att undersöka.
För att se hur detta slår ut för er egen orderprocess finns en kostnadsfri snabbskanning tillgänglig: tolv frågor, utan konto, med en indikation på vilken del av timmarna i denna profil som idag kan tas över av AI. Den fullständiga arbetsskanningen, som bryter ner arbetet för ett helt företag uppgift för uppgift, är fortfarande under uppbyggnad.
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.