Zamówienia z maila i PDF wpisywane ręcznie - jak zautomatyzować ich przyjmowanie

Jak wygląda ręczne przyjmowanie zamówień z maila?

Klient wysyła zamówienie w treści maila, w załączniku PDF albo w arkuszu, a pracownik czyta je i wpisuje pozycja po pozycji do systemu. Przy kilku zamówieniach dziennie to drobiazg, przy kilkudziesięciu to stały etat i stałe ryzyko pomyłki. Do tego zamówienie wysłane w piątek po południu łatwo zauważyć dopiero w poniedziałek.

• ten sam produkt jeden klient nazywa po swojemu, drugi podaje Twój kod, a trzeci kod producenta,
• zamówienia czekają w skrzynce, gdy osoba, która je wpisuje, jest zajęta albo na urlopie,
• pomyłki w ilościach i wariantach wychodzą dopiero przy kompletacji albo przy reklamacji,
• klient nie dostaje potwierdzenia, więc dopytuje mailem, co jeszcze bardziej zapycha skrzynkę.

Dlaczego zamówień z maila nie da się po prostu zaimportować?

Bo mail to nie uporządkowany plik, tylko wiadomość pisana przez człowieka. Każdy klient ma własny wzór, a ważne informacje bywają jednocześnie w treści, w załączniku i w podpisie.

Każdy klient ma inny format

Jeden wysyła PDF wygenerowany ze swojego systemu, drugi tabelę w treści maila, trzeci zdjęcie odręcznej listy. Reguły oparte na położeniu pól działają tylko dla jednego wzoru i psują się przy każdej jego zmianie.

Nazwy produktów nie zgadzają się z Twoją listą

Klient pisze „rura 32 szara x10”, a w systemie produkt ma kod, pełną nazwę i jednostkę. Dopasowanie wymaga wiedzy o asortymencie i o tym, jak dany klient zwykle zamawia.

Wyjątki w treści wiadomości

„Proszę dostarczyć na budowę, nie na adres siedziby”, „jak nie ma szarej, może być czarna”, „cena jak w ofercie z marca”. Takie dopiski zmieniają zamówienie, a łatwo je przeoczyć przy przepisywaniu.

Jak działa automatyczne przyjmowanie zamówień z maila?

Automat odbiera wiadomość, odczytuje z niej dane do ustalonej struktury, dopasowuje pozycje do Twojej listy produktów, sprawdza je regułami i przygotowuje zamówienie do zatwierdzenia. Człowiek zatwierdza wynik zamiast przepisywać.

1. Odbiór. Zamówienia trafiają na osobny adres (np. zamowienia@), a automat pobiera nowe wiadomości i załączniki, np. przez IMAP albo API skrzynki pocztowej.
2. Rozpoznanie. AI sprawdza, czy wiadomość to zamówienie, zapytanie, korekta czy reklamacja, i kieruje ją dalej.
3. Odczyt. Model językowy zwraca dane w stałej strukturze: klient, numer zamówienia klienta, pozycje z ilościami, adres dostawy, termin i uwagi.
4. Dopasowanie. Każda pozycja jest porównywana z listą produktów i historią zamówień danego klienta, a wynik ma poziom pewności.
5. Walidacja. Reguły sprawdzają między innymi, czy klient istnieje, czy produkty są dostępne, czy ilości mieszczą się w rozsądnych granicach i czy ceny zgadzają się z cennikiem klienta.
6. Zatwierdzenie i zapis. Pracownik widzi oryginał obok odczytanych danych, poprawia wątpliwe pozycje i zatwierdza, a zamówienie trafia do ERP, sklepu lub CRM przez API.

Ten sam schemat działa dla treści maila, PDF i arkuszy. Zmienia się tylko sposób odczytu, a reguły walidacji i zapis w systemie zostają te same. Taki przepływ można zbudować w n8n lub Make albo jako własną usługę, jeśli zamówień jest dużo albo system docelowy wymaga nietypowej integracji.

Gdzie człowiek musi sprawdzić zamówienie?

Przy każdej pozycji, której automat nie dopasował z wysoką pewnością, przy nowych klientach, nietypowych ilościach i dopiskach zmieniających warunki. Na start najlepiej, żeby człowiek zatwierdzał wszystkie zamówienia.

Gdy po kilku tygodniach widać, że dla stałych klientów i powtarzalnych pozycji poprawki się nie zdarzają, można pozwolić automatowi zapisywać takie zamówienia samodzielnie, a człowiekowi zostawić wyjątki. Zatwierdzanie powinno odbywać się w jednym widoku: oryginał wiadomości po jednej stronie, odczytane pozycje po drugiej, wątpliwe pola wyróżnione kolorem.

Od początku mierz dwie liczby: odsetek pozycji poprawianych przez pracownika i czas od wpłynięcia maila do zatwierdzenia zamówienia. Pierwsza pokazuje, czy odczyt i dopasowanie są wystarczająco dobre, druga, czy kolejka zatwierdzeń nie stała się nowym wąskim gardłem.

Na co uważać przy automatyzacji zamówień?

Najwięcej kłopotów sprawiają nie same odczyty, tylko to, co dzieje się wokół nich: duplikaty, korekty zamówień i słabo przygotowana lista produktów.

Ryzyko zmyślania danych przez model opisaliśmy szerzej we wpisie o halucynacjach AI. W zamówieniach zasada jest prosta: model ma odczytać to, co jest w wiadomości, a nie uzupełniać braków własnymi domysłami.

Jak przygotować dane, zanim zaczniesz?

Uporządkuj listę produktów i klientów, bo automat dopasowuje zamówienia do tego, co jest w systemie. Bez kodów, jednostek i aktualnych cenników nawet najlepszy odczyt nie wystarczy.

Zbierz próbkę prawdziwych zamówień od głównych klientów z ostatnich miesięcy, razem z tym, jak ostatecznie zostały wpisane do systemu. Ta próbka posłuży do testów: automat musi dać taki sam wynik jak pracownik. Dodaj do niej trudne przypadki, czyli korekty, zamówienia z dopiskami i zdjęcia zamiast PDF.

Lista kontrolna przed uruchomieniem

• osobny adres na zamówienia i jasna informacja dla klientów,
• lista produktów z kodami, jednostkami i nazwami używanymi przez klientów,
• ustalona struktura danych, którą zwraca odczyt,
• reguły walidacji i progi pewności dla pozycji,
• widok zatwierdzania z oryginałem obok wyniku,
• ochrona przed duplikatami i obsługa korekt,
• potwierdzenie dla klienta i powiadomienia o błędach.

Przyjmowanie zamówień z maila to jeden z procesów, które wdrażamy w ramach automatyzacji procesów z AI: od skrzynki, przez odczyt i walidację, po zapis w Twoim systemie. Jeśli zamówienia to tylko część problemu, a dane przepisuje się też między innymi programami, zobacz wpis o ręcznym przepisywaniu danych między systemami. Ten problem jest jednym z naszej listy 100 problemów z wdrożeniem AI i automatyzacją.