Vi lot en språkmodell lese innkjøpsordrene våre. Her er hva vi lærte.
Jeg har mistet tellingen på hvor mange ganger jeg har sittet i et møte der noen sier «vi må se på hva AI kan gjøre for oss». Setningen er riktig. Problemet er at den sjelden fører noe sted, fordi ingen i rommet har et konkret sted å begynne.
Så la meg fortelle om ett sted vi begynte.
Innkjøpsordrer på PDF
En del av kundene våre er produksjonsbedrifter som selger til store industrikonsern. De store kundene sender bestillinger som PDF på e-post. Alle sammen. Noen fra SAP, noen fra egne innkjøpsportaler, noen skrevet i Word av en innkjøper som har gjort det sånn i tjue år.
Ingen av disse dokumentene ligner på hverandre, og ingen av dem passer inn i Business Central uten at et menneske sitter imellom. Det mennesket åpner PDF-en, finner kunden, slår opp artikkelnumrene (som selvfølgelig er kundens egne, ikke våre), taster antall og pris, setter leveringsdato og lagrer. Går det bra, tar det fem minutter. Går det ikke bra, fordi kunden har byttet artikkelnummer eller skrevet leveringsadressen i et merknadsfelt, tar det tjue.
Det er ikke krevende arbeid. Det er kjedelig arbeid, og kjedelig arbeid er der feilene skjer. En ordre med feil artikkelnummer oppdages gjerne først når varen står på rampen.
Vi tenkte at dette måtte gå an å gjøre bedre, og bygde en ordreagent for å finne ut.
Hva den gjør, og hva den ikke gjør
Agenten leser PDF-en når den lander i innboksen og sender innholdet til en språkmodell med et enkelt oppdrag: finn kunden, varelinjene, antall, priser, referanser og leveringsinformasjon. Ikke ved å matche en mal, men ved å lese dokumentet omtrent som en saksbehandler ville gjort. Modellen skjønner at «Qty», «Antall» og «Stk» er samme kolonne, og at tallet ved siden av «Your ref» sannsynligvis er kundens ordrenummer.
Resultatet legges i en egen tabell i Business Central, der standard forretningslogikk tar over. Kunden kobles mot kundekortet, kundens artikkelnummer oversettes til våre via kryssreferansene som allerede ligger i vareregisteret, og ordren settes opp som et forslag.
Så stopper den. Med vilje.
Et menneske får opp forslaget i en egen skjerm, ser hva agenten har tolket og hvor den er usikker, og trykker godkjenn. Det tar tretti sekunder i stedet for fem minutter, og det er fortsatt en person som har sett ordren før den blir til plukk og faktura. Vi kunne latt den opprette ordren direkte. Vi valgte å ikke gjøre det, i hvert fall ikke før kundene har brukt den en stund og vet hva den treffer på og hva den bommer på. Det er lettere å fjerne et godkjenningssteg senere enn å rydde i tusen ordre.
En ting som overrasket oss litt: kostnaden. Hver tolkning logges med faktisk forbruk mot modellen, og for en vanlig ordre snakker vi om øre. Det er så lite at diskusjonen om «hva koster AI-en» stort sett blir irrelevant. Det som koster, er dataene den skal jobbe mot.
Det handler egentlig ikke om ordreregistrering
For meg er det interessante ikke at vi sparer fem minutter per ordre, selv om det heller ikke er å forakte. Det interessante er at ingen logger inn i ERP-systemet for å registrere ordren lenger. Innboksen er blitt grensesnittet.
ERP har i tretti år betydd skjermbilder, felter og faner. Det er i ferd med å forandre seg, og Business Central er faktisk godt rustet for det. Det har åpne API-er, snakker med Power Platform, og kan kobles til språkmodeller på en kontrollert måte. Vi ser samme mønster andre steder: spørsmål som «hvor mange åpne ordre har vi på Kongsberg?» stilles i Teams og besvares fra Business Central, uten at noen åpner det. Systemet blir en motor i bakgrunnen, og arbeidet skjer der folk allerede er.
Hvis jeg skulle gi ett råd til noen som lurer på hvor de skal starte, er det dette: ikke start med AI. Start med den prosessen der folk taster inn ting som allerede står i et dokument. Der ligger den første gevinsten, og den er stor nok til å bære resten.
Ordreagenten er bygget av oss i Triangel, og vi viser den gjerne.
