Skip to content

Jak oszczędziliśmy 960 tys. euro rocznie, redukując dział obsługi zamówień z 15 do 5 osób dzięki AI i LLM

Woman in blue reviewing paperwork with a laptop and colorful sticky notes on a desk.
Kategoria:
Sztuczna inteligencja
Branża:
Biotechnologia

Klient

Jedna z globalnych firm produkcyjnych, dostarczająca specjalistyczne urządzenia do laboratoriów, obsługuje ponad 5 000 klientów w 110 krajach. Każdego dnia przetwarza setki zamówień napływających w różnych formatach — PDF, Excel, e-mailach i formularzach online.

Wyzwanie

Dział przetwarzania zamówień liczył 15 pracowników, których głównym zadaniem było ręczne wprowadzanie danych z dokumentów do systemu SAP.

Problemy, z jakimi mierzył się klient:

  • wysoki koszt operacyjny: 15 etatów × 8 000 euro miesięcznie,
  • niska skalowalność: każdy wzrost liczby zamówień wymagał zatrudnienia kolejnych osób,
  • różnorodność źródeł danych: zamówienia przychodziły w rozmaitych formatach, w wielu językach,
  • ryzyko błędów i opóźnień przy ręcznym wprowadzaniu danych.
Statistics on manual SAP order entry: 15 staff, 5,000+ customers, and high monthly costs.

Rozwiązanie

Jak wyglądałoby to kiedyś – a jak wygląda dziś

2010 – Formularz zamówień online

Gdybyśmy mierzyli się z tym problemem w 2010 roku, zaproponowalibyśmy stworzenie formularza online, w którym klienci firmy biotechnologicznej sami wprowadzaliby dane zamówienia. Byłby to sposób na podstawową digitalizację procesu, eliminującą konieczność ręcznego przepisywania danych z e-maili, PDF-ów i skanów.

2015 – Integracje API

W 2015 roku prawdopodobnie wdrożylibyśmy integracje API, które pozwoliłyby na bezpośrednie połączenie systemów sprzedażowych klientów z ERP firmy biotechnologicznej.

2025 – Automatyzacja dzięki AI i LLM

W 2025 roku zamówienia – niezależnie od formatu i języka – są automatycznie przetwarzane przez system oparty na dużych modelach językowych (LLM). Sztuczna inteligencja (AI) rozumie kontekst, rozpoznaje produkty, ilości i ceny, dopasowuje dane do struktury SAP i przekazuje je dalej bez udziału człowieka. Zespół 5 osób zajmuje się jedynie wyjątkowymi przypadkami.

 Timeline from 2010 manual forms to 2015 API integrations to 2025 LLM-driven automation.

Jak to osiągnęliśmy

Naszym celem było całkowite wyeliminowanie ręcznego wprowadzania danych z dokumentów do systemu SAP – bez konieczności zmiany przyzwyczajeń klientów, którzy nadal wysyłają zamówienia w różnych formatach i językach.

Etap 1: Analiza i identyfikacja kluczowych punktów procesu

Na początku skoncentrowaliśmy się na zrozumieniu, jak wygląda rzeczywisty przepływ zamówień w firmie – jakie kanały i formaty są wykorzystywane oraz jaką rolę pełni zespół obsługi. Zamówienia trafiały w formie e-maili, PDF-ów, Exceli, skanów i formularzy, często w różnych językach i układach, co wynikało z obecności klientów w ponad 110 krajach. Kluczowym wyzwaniem była więc nie tylko różnorodność źródeł, ale też brak standaryzacji i wysoka zmienność danych wejściowych.

Etap 2: Projekt architektury rozwiązania

Stworzyliśmy hybrydowy system integrujący:

  • Moduł AI oparty na LLM – do odczytywania i rozumienia danych kontekstowych z dokumentów.
  • Silnik ekstrakcji danych – przetwarzający różne formaty (OCR, parsing tabel, detekcja pól).
  • Walidator danych – sprawdzający kompletność, poprawność i zgodność danych z wymaganiami SAP.
  • API integracyjne z SAP – umożliwiające bezpośrednie wprowadzenie danych do systemu ERP bez udziału człowieka.

Etap 3: Uczenie modelu na danych klienta

Model został przetrenowany na rzeczywistych dokumentach klienta (przy zachowaniu zgodności z przepisami o ochronie danych), co umożliwiło:

  • rozpoznawanie nazw produktów i kodów materiałowych,
  • dopasowywanie jednostek, cen i danych kontraktowych,
  • rozumienie kontekstu zamówień wielojęzycznych.

Etap 4: Wdrożenie i iteracyjne doskonalenie
Po zaimplementowaniu rozwiązania w środowisko produkcyjne, system był monitorowany i dopracowywany na podstawie rzeczywistych przypadków. W ciągu 6 miesięcy osiągnęliśmy poziom automatyzacji przekraczający 90% skuteczności wprowadzania zamówień bez interwencji operatora.

Kluczowe przewagi rozwiązania:

  • działa z dowolnym formatem wejściowym – nie wymaga standaryzacji po stronie klienta końcowego,
  • uczy się z czasem – każdy dokument wzbogaca model o nowe wzorce,
  • skraca czas reakcji i eliminuje błędy ludzkie,
  • zintegrowany z SAP bez potrzeby zmian po stronie ERP.
Four-step diagram: AI model, data extraction, validation layer, and SAP integration API.

Rezultaty

Wdrożenie rozwiązania opartego na AI i LLM całkowicie zmieniło sposób obsługi zamówień w organizacji klienta.

Zamiast 15-osobowego zespołu ręcznie przepisującego dane do SAP wystarczy dziś 5 osób nadzorujących i obsługujących wyjątki. Klient nie tylko znacząco obniżył koszty operacyjne, ale także przygotował firmę na dalszy wzrost – bez konieczności zwiększania zatrudnienia.

Najważniejsze efekty:

  • oszczędność 960 000 euro rocznie,
  • redukcja czasu przetwarzania zamówienia z kilku godzin do kilku minut,
  • ponad 90% zamówień trafia do SAP całkowicie automatycznie,
  • skalowalność bez dodatkowych kosztów – system radzi sobie z rosnącą liczbą zamówień i nowych formatów,
  • mniej błędów i reklamacji – dane trafiają do systemu dokładnie tak, jak powinny,
  • większe zadowolenie klientów – szybsza realizacja zamówień, mniej pomyłek, przewidywalna obsługa.
Results showing €960,000 savings, 90% automation, and reduced staff and processing time.
Banner illustrating digital transformation with connected devices, cloud technologies, and business applications. The image represents enterprise software, cloud computing, IoT connectivity, and digital business solutions across multiple platforms.

Opracowanie modułu czatu zgodnego z RODO dla firmy SynComNet

Zobacz kolejny

Design, Development, DevOps czy Cloud – jakiego zespołu potrzebujesz, aby przyspieszyć pracę nad swoimi projektami? Porozmawiaj o swoich potrzebach z naszymi specjalistami.

Jakub Orczyk

Członek zarządu / Dyrektor sprzedaży

Zamów bezpłatną konsultację
Jakub Orczyk