అసంఘటిత ఆర్డర్లను నిర్మిత లావాదేవీలుగా మార్చడం
ఆహార మరియు పానీయ పంపిణీదారులకు సేవలు అందించే Choco, ఇంకా మాన్యువల్ పనితో భారమైన ఒక రంగంలోని ఆర్డర్ పైప్లైన్లో AI ఏజెంట్లను లోతుగా ఏకీకృతం చేసిందని చెబుతోంది. ఏప్రిల్ 27న ప్రచురించిన ఒక కస్టమర్ కేస్ స్టడీలో, OpenAI APIs ఇప్పుడు సంస్థకు సంవత్సరానికి 88 లక్షలకుపైగా ఆర్డర్లను ప్రాసెస్ చేయడంలో సహాయపడుతున్నాయని, అలాగే మాన్యువల్ ఆర్డర్ ఎంట్రీని 50% తగ్గించి, ఉద్యోగుల సంఖ్య పెంచకుండా సేల్స్ టీమ్ ఉత్పాదకతను రెట్టింపు చేశాయని తెలిపింది.
Choco పరిష్కరించడానికి ప్రయత్నించిన సమస్య పంపిణీ రంగమంతటా పరిచితమైనదే, కానీ అరుదుగా ఆకర్షణీయంగా కనిపిస్తుంది. ఆర్డర్లు ఎప్పుడూ శుభ్రమైన డిజిటల్ రూపాల్లో రావు. అవి ఈమెయిల్స్, టెక్స్ట్ సందేశాలు, వాయిస్మెయిల్స్, చిత్రాలు, డాక్యుమెంట్లు, మరియు చేతిరాత నోట్లు ద్వారా కూడా వస్తాయి. తరువాత మానవ సిబ్బంది ఆ భాగాలను నిర్మిత ఎంటర్ప్రైజ్ రిసోర్స్ ప్లానింగ్ ఎంట్రీలుగా మారుస్తారు. ఈ పని శ్రమాపేక్షితమైనది, పునరావృతమైనది, మరియు అనుభవజ్ఞులైన ఆర్డర్ డెస్క్ ఉద్యోగుల మనసుల్లో ఉండే సందర్భ జ్ఞానంపై ఆధారపడుతుంది.
ఆధునిక భాషా మోడళ్లు ఇప్పుడు సహాయానికి మించి అమలుకు కూడా తగినంత మెరుగయ్యాయని Choco వాదిస్తోంది. కేవలం ఇన్పుట్లను చదవడం, సారాంశం చేయడంలో సహాయం చేయడం కాకుండా, కస్టమర్-నిర్దిష్ట సందర్భాన్ని ఉపయోగించి బహుళమాధ్యమ కమ్యూనికేషన్లను ERP-సిద్ధమైన ఆర్డర్లుగా మార్చగలవని సంస్థ చెబుతోంది.
కఠినమైన భాగం నిజంగా ఎక్కడ ఉంది
ఈ కేస్ స్టడీ ముఖ్యమైనది, ఎందుకంటే ఇది సవాలును సులభమైన టెక్స్ట్ ఎక్స్ట్రాక్షన్గా వివరించదు. Choco ఇంజినీరింగ్ నాయకత్వం చెబుతున్నదేమిటంటే, కఠినమైన సమస్య అంతర్గత సందర్భం: కస్టమర్-నిర్దిష్ట SKUలు, యూనిట్ ప్రాధాన్యతలు, డెలివరీ నమూనాలు, మరియు చారిత్రిక ఆర్డరింగ్ ప్రవర్తనను మ్యాప్ చేయడం. మరో మాటలో చెప్పాలంటే, అడ్డంకి కేవలం సందేశాన్ని చదవడం కాదు. అనుభవజ్ఞుడైన మానవ ఆపరేటర్లా సందిగ్ధతను పరిష్కరించడం.
ఎంటర్ప్రైజ్ AIలో ఈ తేడా చాలా ముఖ్యమైనది. ఎడ్జ్ కేసులు కనిపించేవరకు అనేక వర్క్ఫ్లోలు ఆటోమేట్ చేయదగినవిగా అనిపిస్తాయి. ఒక పంపిణీదారు అసంపూర్ణ టెక్స్ట్ సందేశం లేదా మసక చిత్రం పొందవచ్చు, అది గత కస్టమర్ ప్రవర్తన మరియు క్యాటలాగ్ సంప్రదాయాల ఆధారంగా మాత్రమే అర్థమవుతుంది. కస్టమర్ చరిత్ర మరియు ఉత్పత్తి డేటాపై ఇన్పుట్లను స్పష్టీకరించేందుకు వ్యవస్థ ఉపయోగించగల డైనమిక్ ఇన్-కాంటెక్స్ట్ లెర్నింగ్ మౌలిక సదుపాయాన్ని నిర్మించినట్లు Choco చెబుతోంది.
ఇది పెద్ద స్థాయిలో నిజమైతే, అది సాధారణ డాక్యుమెంట్ పార్సింగ్ కంటే అర్థవంతమైన సామర్థ్యం. ఇది AI ఏజెంట్లు ఉపయోగకరంగా ఉండటానికి ఒక మోడల్ను సూచిస్తుంది, ఎందుకంటే అవి ఆపరేషనల్ సందర్భంలో అంతర్నిర్మితంగా ఉంటాయి; కేవలం అసంఘటిత టెక్స్ట్ను చదవగలవు కాబట్టే కాదు.
OrderAgent నుంచి VoiceAgent వరకు
బహుళమాధ్యమ ఇన్పుట్లను ప్రాసెస్ చేయడానికి OrderAgentను ప్రవేశపెట్టినట్లు, తరువాత OpenAI యొక్క Realtime API ఆధారిత VoiceAgent అనే వ్యవస్థతో వాయిస్లోకి విస్తరించినట్లు Choco చెబుతోంది. ఇది వ్యాపార సమయాల బయట కూడా, ఉప-సెకన్ల లేటెన్సీతో, వినియోగదారులు ఫోన్లో సహజంగా ఆర్డర్లు ఇవ్వడానికి వీలు కల్పిస్తుంది.
వ్యాపార పరమైన కారణం సూటిదే. ఆహార పంపిణీ నిరంతర, సమయ-సున్నితమైన ఆర్డరింగ్పై ఆధారపడి ఉంటుంది, మరియు అనేక సరఫరాదారులు ఇప్పటికీ విభజితమైన, అనౌపచారిక కమ్యూనికేషన్ ఛానళ్ల ద్వారా పని చేస్తారు. 24/7 అందుబాటులో ఉండి, వాయిస్ ఆర్డర్లను స్వీకరించి, వాటిని నిర్మిత రికార్డులుగా మార్చగల వ్యవస్థ, షెడ్యూల్ ఆధారిత సిబ్బంది అవసరాన్ని మరియు మాన్యువల్ ట్రాన్స్క్రిప్షన్పై ఆధారపడటాన్ని తగ్గిస్తుంది.
ఇది ఎంటర్ప్రైజ్ AI ఎలా అమలు అవుతోందో అనే విస్తృత మార్పును కూడా సూచిస్తుంది. వినియోగదారులను కొత్త ఇంటర్ఫేస్లలోకి బలవంతం చేయడానికి బదులుగా, కంపెనీలు ప్రజలు ఇప్పటికే ఉపయోగించే ఛానళ్లకు మోడళ్లను వర్తింపజేస్తున్నాయి. ఈమెయిల్, SMS, ఫోన్ కాల్స్, చిత్రాలు కస్టమర్ వైపు పూర్తి వర్క్ఫ్లో పునర్నిర్మాణం అవసరం లేకుండా యంత్రం చదవగల ఇన్పుట్లుగా మారుతున్నాయి.
ఇది ఒక్క కంపెనీకి మించి ఎందుకు ప్రాముఖ్యం కలిగి ఉంది
AI స్వీకరణ కథనాలు తరచూ పెద్ద కార్యాలయ వాతావరణాల్లోని కోడింగ్, మార్కెటింగ్, లేదా జ్ఞాన పనిపై దృష్టి పెడతాయి. Choco కేసు మరింత ఆపరేషనల్. ఇది భౌతిక ఆర్థిక వ్యవస్థలో ఉంది, అక్కడ రెస్టారెంట్లు, పంపిణీదారులు, సరఫరాదారులు, మరియు కస్టమర్ మేనేజర్లు అందరూ సమయానుసార ఆర్డర్ క్యాప్చర్పై ఆధారపడతారు. ఇది కొన్ని వినియోగదారు-సంబంధిత AI దృశ్యాల కంటే ముందే ఏజెంటిక్ వ్యవస్థలు విలువ సృష్టించగల చోటును చూపించే ఉపయోగకర ఉదాహరణగా మారుస్తుంది.
అమెరికా సంయుక్త రాష్ట్రాలు, యునైటెడ్ కింగ్డమ్, యూరప్, మరియు గల్ఫ్ ప్రాంతమంతటా 21,000కుపైగా పంపిణీదారులు, 1,00,000 కొనుగోలుదారులకు సేవలందిస్తున్నామని సంస్థ చెబుతోంది. ఆ స్థాయిలో, మాన్యువల్ ఆర్డర్ ఎంట్రీ తగ్గడం కేవలం శ్రమ-సేవింగ్ గణాంకం మాత్రమే కాదు. అది థ్రూపుట్, దోష రేట్లు, సేవా కవరేజ్, మరియు అనుపాతంగా బ్యాక్-ఆఫీస్ సిబ్బందిని పెంచకుండా వ్యాపారం ఎంత వేగంగా ఎదగగలదనే విషయాన్ని ప్రభావితం చేయగలదు.
OpenAI కేస్ స్టడీ Choco తన APIs ఎందుకు ఎంచుకుందో కూడా హైలైట్ చేస్తోంది: మోడల్ పనితీరు, బహుళమాధ్యమ సామర్థ్యం, నిర్మిత అవుట్పుట్లు, మరియు పెద్ద స్థాయిలో ప్రొడక్షన్ విశ్వసనీయత. మోడల్ ఒక డెమో వాతావరణం కాకుండా లావాదేవీ పైప్లైన్లో భాగమైనప్పుడు ఇవే ముఖ్యమైన లక్షణాలు. ఎంటర్ప్రైజ్లకు సరళంగా వినిపించే మోడల్ మాత్రమే కావాలి కాదు. నిరంతరంగా ఉపయోగపడే అవుట్పుట్లను ఇవ్వగల మోడల్ కావాలి.
వర్క్ఫ్లో సాఫ్ట్వేర్ నుంచి పనిని అమలు చేయడం వరకు
కేస్ స్టడీలో అత్యంత ఆసక్తికరమైన వాదన భావనాత్మకం. Choco ఈ మార్పును వర్క్ఫ్లో సాఫ్ట్వేర్ నుంచి పనిని నేరుగా అమలు చేయగల AI వ్యవస్థల వైపు మార్పుగా వివరిస్తోంది. ఇది సంప్రదాయ అర్థంలో ఆటోమేషన్ కంటే బలమైన ప్రకటన. అంటే, సాఫ్ట్వేర్ ఒక ఫారమ్ను డిజిటలైజ్ చేయడమే కాకుండా, మునుపు మానవ నిర్ణయం మరియు సందర్భ స్మరణ ద్వారా నిర్వహించబడిన పనులను కూడా స్వీకరిస్తోంది.
ఒక కంపెనీ ప్రచురించిన విజయకథ నుంచి ఏమి ఊహించవచ్చో దానికి ఇంకా పరిమితులున్నాయి. మూల పాఠ్యం స్వతంత్ర బెంచ్మార్కింగ్, దోష రేట్లు, లేదా వైఫల్య సందర్భాలను అందించదు. కానీ నిజమైన రంగంలో AI ఏజెంట్లు ఎలా స్థాపించబడుతున్నారనే దానికి ఇది స్పష్టమైన దృశ్యాన్ని ఇస్తుంది: సారాంశ కో-పైలట్లుగా కాదు, ఆపరేషనల్ వ్యవస్థలుగా, అవి గజిబిజి మానవ సంభాషణను గ్రహించి వ్యాపారానికి సిద్ధమైన లావాదేవీలను ఉత్పత్తి చేస్తాయి.
ఆ నమూనా విస్తరిస్తే, మొదటి మరియు స్థిరమైన AI లాభాలలో కొన్ని చాలా కాలంగా డిజిటల్గా విభజితమైన రంగాల నుంచి రావచ్చు. ఆ రంగాల్లో ఆహార పంపిణీ ఒకటి, మరియు Choco ఆ రంగం ఇప్పుడు ప్రొడక్షన్ స్థాయిలో ఏజెంటిక్ AIని స్వీకరించగలదని ఆధారంగా తనను తాను ప్రస్తావిస్తోంది.
ఈ వ్యాసం OpenAI రిపోర్టింగ్పై ఆధారపడింది. మూల వ్యాసాన్ని చదవండి.
