หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Concentrix สนับสนุนแบรนด์ที่ใหญ่ที่สุดของโลกจํานวนมากโดยการดําเนินธุรกิจที่มีความซับซ้อนและมีความเสถียรสูงอยู่เบื้องหลัง หนึ่งในความรับผิดชอบเหล่านี้คือการประมวลผลใบแจ้งหนี้ยูทิลิตี้มากกว่า 100,000 รายการทุกเดือนมาถึงจากผู้ให้บริการกว่า 100 รายในเค้าโครงมากกว่า 300 แบบและในหลายภาษา สิ่งที่เริ่มต้นเป็นเวิร์กโฟลว์ตามปกติจะกลายเป็นการผสมรูปแบบและข้อยกเว้นที่ซับซ้อนได้อย่างรวดเร็ว ทําให้การประมวลผลด้วยตนเองช้าและไม่สอดคล้องกัน
เพื่อทําให้เวิร์กโฟลว์นี้ทันสมัย Concentrix ได้สร้างโซลูชันระบบอัตโนมัติขนาดใหญ่โดยใช้ Microsoft Power Platform และ AI โซลูชันจะย่อยและตีความใบแจ้งหนี้โดยอัตโนมัติ ปรับให้เข้ากับหลายร้อยรูปแบบ และให้ความแม่นยําสูงด้วยการมีส่วนร่วมของมนุษย์น้อยที่สุด
กรณีศึกษานี้เน้นว่า Concentrix แปลงกระบวนการที่ใช้เวลานานด้วยตนเองเป็นการทํางานที่ปรับขนาดได้ชาญฉลาดและมีประสิทธิภาพอย่างไรตอนนี้บรรลุความแม่นยําในการสกัดโดยเฉลี่ย 96 เปอร์เซ็นต์
อ่านเรื่องราวทั้งหมด: Concentrix สร้างสรรค์สิ่งใหม่ด้วยการประมวลผลเอกสารอัจฉริยะตามมาตราส่วนโดยใช้ Power Platform และ AI Hub
ความท้าทายทางธุรกิจ
การประมวลผลใบแจ้งหนี้ต้องใช้ความพยายามอย่างครอบคลุมด้วยตนเอง แต่ละรัฐทํางานกับผู้จัดจําหน่ายชุดของตนเอง ส่งผลให้มีเค้าโครงใบแจ้งหนี้หลายร้อยรายการ ซึ่งนําไปสู่ข้อยกเว้นคงที่และเวลาที่สําคัญที่ใช้ในการกําหนดวิธีการประมวลผลแต่ละรัฐ
เวิร์กโฟลว์ยังขาดความสามารถในการมองเห็นจากส่วนกลาง ทีมไม่สามารถติดตามสถานะใบแจ้งหนี้ ระบุความล่าช้า หรือวัดตัวบ่งชี้ประสิทธิภาพหลักเช่นเวลาประมวลผล ความถูกต้อง หรืออัตราข้อยกเว้นได้อย่างง่ายดาย แม้แต่การปรับเปลี่ยนเล็กน้อยก็ยากโดยไม่มีแหล่งความจริงเพียงแหล่งเดียว
เมื่อปริมาณใบแจ้งหนี้เพิ่มขึ้นจากประมาณ 500 ใบแจ้งหนี้ต่อเดือนเป็นหลายร้อยพัน โดยมียอดถึง 6,000 ถึง 8,000 รายการต่อวัน ทําให้วิธีการแบบแมนวลไม่สามารถทําได้ กระบวนการเป็นไปอย่างช้า เกิดข้อผิดพลาดง่าย และยากขึ้นในการปรับขนาดเมื่อปริมาณและการเปลี่ยนแปลงของผู้จัดจําหน่ายเพิ่มขึ้นอย่างต่อเนื่อง
ในระดับนั้น การจัดการใบแจ้งหนี้ด้วยตนเองจะกลายเป็นฝันร้าย การดึงข้อมูลและการโหลดข้อมูลเป็นเรื่องง่าย ความท้าทายที่แท้จริงคือการจัดการปริมาณ การเปลี่ยนแปลง และเร่งความเร็วของความต้องการทางธุรกิจ
— Syed Rasheed, สถาปนิกหลัก, Concentrix
โซลูชัน
Concentrix ได้แทนที่กระบวนการใบแจ้งหนี้ด้วยตนเองด้วยโซลูชันอัตโนมัติที่สร้างขึ้นบน Power Automate, Power Apps, AI Builder และการแยกตาม GPT แทนที่จะดาวน์โหลดใบแจ้งหนี้ การพิมพ์ข้อมูล และจัดการข้อยกเว้นด้วยตนเอง โซลูชันใหม่จะอ่านใบแจ้งหนี้โดยอัตโนมัติ แยกข้อมูลสําคัญ และใช้กฎทางธุรกิจที่เกี่ยวข้องกับมนุษย์น้อยที่สุด
ประโยชน์สําคัญได้แก่:
ความแม่นยําสูงในระดับ
- ประมวลผลใบแจ้งหนี้มากกว่า 100,000 รายการต่อเดือน
- มีความแม่นยําโดยรวม 96 เปอร์เซ็นต์ ซึ่งสูงถึง 99 เปอร์เซ็นต์ในเดือนมกราคม 2026
การพัฒนาที่รวดเร็วขึ้นและต้นทุนที่ต่ํากว่า
- ต้นทุนการประมวลผลต่อใบแจ้งหนี้ต่ํากว่า
- ทีมขนาดเล็กทดสอบรูปแบบใบแจ้งหนี้ใหม่ได้อย่างรวดเร็ว
ปรับปรุงการดําเนินงานและความพึงพอใจของลูกค้า
- ความแม่นยําสูงช่วยเสริมสร้างความเชื่อมั่นในการปฏิบัติงาน
- ลูกค้าได้รับข้อมูลสะอาดและสอดคล้องกันตรงเวลา
เราทํางานในทุกแนวตั้ง เช่น การธนาคาร การค้าปลีก โทรคมนาคม การศึกษา การดูแลสุขภาพ และระบบอัตโนมัติ เป็นส่วนสําคัญของวิธีที่เราช่วยให้ลูกค้าของเราทํางานได้ดีขึ้นและรวดเร็วขึ้น
— Syed Rasheed, สถาปนิกหลัก, Concentrix
สถาปัตยกรรม
วิธีการแก้ปัญหาถูกสร้างขึ้นรอบสี่ส่วนหลัก: แหล่งข้อมูล การประมวลผล AI การเสริมสร้างข้อมูล และประสบการณ์ของผู้ใช้ พวกเขาสร้างไปป์ไลน์อัตโนมัติเต็มรูปแบบที่สามารถจัดการปริมาณใบแจ้งหนี้ขนาดใหญ่ที่มีความแม่นยําสูง
แหล่ง ใบแจ้งหนี้มาถึงผ่านทางอีเมล ไดรฟ์ที่แชร์ SharePoint และแชนเนลที่นําเข้าของ Teams (ซึ่งทีมปฏิบัติงานจะวางไฟล์ PDF ลงในการสนทนา) เกตเวย์ให้การเข้าถึงไดรฟ์ที่แชร์กับลูกค้าที่จัดการอย่างปลอดภัย เพื่อให้มั่นใจว่าไฟล์ทั้งหมด ไม่ว่าจะเป็นระบบคลาวด์หรือภายในองค์กร ให้ป้อนเวิร์กโฟลว์แบบอัตโนมัติเดียวกัน
การประมวลผล AI โฟลว์ระบบคลาวด์ของ Power Automate ที่กําหนดเวลาไว้จะทํางานทุก 15 นาที รวบรวมใบแจ้งหนี้ใหม่ และประมวลผลเป็นชุดเพื่อหลีกเลี่ยงการการควบคุม วิธีการแก้ปัญหานี้ใช้ AI หลายเลเยอร์:
- การรู้จําอักขระด้วยแสง (OCR) สําหรับรูปแบบที่จําเป็นต้องมีการประมวลผลข้อความล่วงหน้า
- แบบจําลองแบบกําหนดเองของ AI Builder สําหรับรูปแบบที่ยังทํางานได้ดี
- AI ส่งพร้อมท์ทั่วไปและรูปแบบเฉพาะเจาะจงที่ขับเคลื่อนโดยโมเดล GPT
พร้อมท์ AI และโมเดลที่กำหนดเองของ AI Builder จะดึงข้อมูลจากไฟล์ PDF ที่ผ่านการประมวลผลล่วงหน้าหรือแบบดิบโดยใช้ OCR วิธีการแบบไฮบริดนี้ช่วยให้โซลูชันสามารถจัดการรูปแบบใบแจ้งหนี้ที่หลากหลายด้วยความแม่นยําสูงอย่างสม่ําเสมอ
การเสริมสร้างข้อมูล การมาตรฐานข้อมูลที่แยกออกมาใช้การแปลงกระบวนการโฟลว์บนคลาวด์ของ Power Automate และตารางอ้างอิงของ Dataverse วิธีการนี้รวมถึงการทำแผนที่เมืองและรหัสไปรษณีย์ รวมถึงการเพิ่มข้อมูลเฉพาะของผู้จำหน่าย ก่อนโหลดชุดข้อมูลสุดท้ายลงใน SQL Server
ประสบการณ์ของผู้ใช้ แอป Power Apps สําหรับอุปกรณ์เคลื่อนที่ช่วยให้ทีมปฏิบัติงานมีวิธีง่าย ๆ ในการตรวจสอบข้อยกเว้น แอปจะแสดงทั้ง PDF ต้นฉบับและข้อมูลที่แยกซึ่งช่วยให้การตรวจสอบความถูกต้องอย่างรวดเร็วโดยไม่ทําให้ไปป์ไลน์อัตโนมัติช้าลง
แนวทางการดำเนินการ
การพัฒนาการใช้งานเกิดขึ้นตามปริมาณใบแจ้งหนี้ที่เพิ่มขึ้น และความสามารถ AI ใหม่ที่พร้อมใช้งาน ในตอนแรก แบบจําลองแบบกําหนดเองของ AI Builder ทํางานได้ดี แต่การรักษารูปแบบจํานวนมากนั้นใช้เวลานานเกินไป และ Power Automate เริ่มจํากัดปริมาณใบแจ้งหนี้ถึง 20,000 ใบแจ้งหนี้ต่อเดือน
GPT-4 เปลี่ยนวิธีการ แทนที่จะฝึกหลายแบบจําลอง ทีมสามารถส่งข้อความ PDF ที่แยกออกมาโดยตรงไปยังพรอมต์ AI ที่มีกฎการแยกที่กําหนดไว้ วิธีการนี้จะเปลี่ยนกระบวนการเป็นขั้นตอนเดียวในโฟลว์ ลดความซับซ้อน และกําจัดปัญหาการควบคุม เค้าโครงที่ซับซ้อนสองสามแบบยังคงต้องการแบบจําลองที่ได้รับการฝึก แต่เวอร์ชันที่ใหม่กว่า GPT-4.1 และ GPT-5 จัดการรูปแบบเหล่านั้นด้วยความแม่นยําที่สูงขึ้น ช่วยให้การแยกเกือบทั้งหมดย้ายไปยังตรรกะที่ยึดตามพร้อมท์ ความแม่นยําเพิ่มขึ้นจาก 65-70 เปอร์เซ็นต์ด้วยแบบจําลองที่กําหนดเองประมาณ 96 เปอร์เซ็นต์หลังจากย้ายไปยังการสกัดแบบพร้อมท์ของ AI
การออกแบบใหม่ยังปรับโครงสร้างทีม กลุ่มที่รับผิดชอบในการวิเคราะห์รูปแบบและการอัปเดตแบบจําลองจากประมาณ 40 คนถึง 11 คนที่ตรวจสอบรูปแบบใหม่ทดสอบด้วย GPT-5 และย้ายไปยังการผลิต ตอนนี้ระบบอัตโนมัติประมวลผลใบแจ้งหนี้ประมาณ 100,000 ใบต่อเดือน ลดทีมประมวลผลด้วยตนเองจากประมาณ 250 คนเหลือประมาณ 50-60 ราย และช่วยให้พวกเขามุ่งเน้นไปที่งานที่มีมูลค่าสูงกว่า
คำสั่ง AI สำหรับการแยกข้อมูล
AI Prompt ถือเป็นส่วนหลักของตรรกะการดึงข้อมูล โดยปัจจุบันประมาณ 90 เปอร์เซ็นต์ของใบแจ้งหนี้จะดำเนินการผ่านคำสั่ง Prompt แทนการใช้โมเดลกำหนดเองของ AI Builder พร้อมท์ทั่วไปจะจัดการเค้าโครงที่เรียบง่ายกว่าส่วนใหญ่ ในขณะที่พร้อมท์เฉพาะจะครอบคลุมรูปแบบเฉพาะหรือรูปแบบที่ซับซ้อนมากขึ้น พร้อมท์แต่ละรายการจะมีโครงสร้างเป็นดังนี้:
- คําแนะนําทั่วไป ที่กําหนดบทบาท งานโดยรวม และข้อมูลใบแจ้งหนี้เป็นข้อมูลป้อนเข้า
- กฎสากล ที่อธิบายวิธีการแยกข้อมูล
- กฎการจัดรูปแบบ ที่กําหนดวิธีการจัดการกับค่าที่ขาดหายไปและวิธีการสร้างโครงสร้างผลลัพธ์
-
กฎการแยกข้อมูล รวมถึงข้อกําหนดตาราง:
- ตารางส่วนหัว มิเตอร์ และตารางค่าธรรมเนียม
- คําอธิบายโดยละเอียดเกี่ยวกับวิธีการแยกข้อมูล
- กฎสําหรับการแปลแต่ละเขตข้อมูล
- การเปลี่ยนแปลงขึ้นอยู่กับผู้จัดจําหน่ายและลูกค้า
- ตัวอย่าง JSON แสดงรูปแบบผลลัพธ์ที่คาดไว้ที่แน่นอน
ภาพต่อไปนี้แสดงต้นของหนึ่งในพรอมต์เหล่านี้
ประเด็นสำคัญ
กรณีศึกษานี้แสดงศักยภาพของการใช้ Power Platform และ AI เพื่อแปลงกระบวนการที่มีความแปรปรวนสูงและปริมาณสูงให้เป็นการทํางานอัจฉริยะที่ปรับขนาดได้ บทเรียนหลักสําหรับผู้เชี่ยวชาญด้าน IT ได้แก่:
ถามคําถามที่ถูกต้องก่อนเวลา การทําความเข้าใจการเติบโตของปริมาณที่คาดไว้และความหลากหลายของรูปแบบข้อมูลสนับสนุนการตัดสินใจทางสถาปัตยกรรมที่ดีขึ้น
ออกแบบสำหรับการปรับเปลี่ยนตั้งแต่แรกเริ่ม ตรรกะการแยกแบบยืดหยุ่นช่วยป้องกันการทำงานซ้ำเมื่อมีรูปแบบใหม่ปรากฏขึ้น
คาดหวังความไม่กําหนดและวางแผนสําหรับมัน กฎการจัดรูปแบบที่ชัดเจน แนวทางกำหนดขอบเขต และขั้นตอนการตรวจสอบความถูกต้องช่วยให้มั่นใจถึงความสอดคล้อง
ความสามารถในการมองเห็นแบบรวมศูนย์เสริมสร้างการกํากับดูแล การติดตามแบบเรียลไทม์และอินเทอร์เฟซการตรวจสอบเดียวช่วยลดข้อผิดพลาดและปรับปรุงความสามารถในการตรวจสอบ
มองไปข้างหน้า
Concentrix คือการสํารวจการรวมระบบคลาวด์ที่ลึกกว่า รวมถึงการกําหนดเส้นทางปริมาณใบแจ้งหนี้ทั้งหมดผ่าน Azure Blob Storage และการโยกย้ายฐานข้อมูล SQL ภายในองค์กรไปยัง Azure SQL ขั้นตอนเหล่านี้จะช่วยเพิ่มประสิทธิภาพการดําเนินงานและลดความซับซ้อนของการเข้าถึง
นอกจากนี้ทีมยังมีแผนที่จะรองรับใบแจ้งหนี้หลายภาษา โดยเริ่มต้นด้วยภาษาฝรั่งเศส ภาษาสเปน และภาษาอาหรับ หลักเป้าหมายคือใบแจ้งหนี้รายเดือนทั้งหมด 800,000 รายการโดยอัตโนมัติ โดยเริ่มมีใบแจ้งหนี้อีก 50,000 รายการในแต่ละครั้งเพื่อให้มั่นใจถึงเสถียรภาพและประสิทธิภาพการทํางาน
ความก้าวหน้าเหล่านี้จะช่วยให้ Concentrix สามารถทํางานในระดับที่มากขึ้น ด้วยความแม่นยําที่สูงขึ้น และด้วยสถาปัตยกรรมที่ขับเคลื่อนด้วยคลาวด์ที่คล่องตัวมากขึ้น