Ügynökök · AWS Machine Learning ·
A Worldwide Express MI-ügynökökkel rövidítette le a számlázási viták rendezését
A logisztikai cég Amazon Bedrockra épülő, három specializált ügynökből álló rendszere hat hónap alatt 75 százalékkal csökkentette az aktív számlaeltéréseket.
A Worldwide Express mintegy 5 milliárd dolláros rendszerszintű bevétellel, 75 fuvarozóval és 130 ezer ügyféllel dolgozik, mégis havonta 15 millió dollár szabad pénzáram ragadt bent a rendezetlen számlaeltérések miatt. Ezeket korábban kézzel, fuvarozónként eltérő szabályok szerint, e-mailben és telefonon intézték, miközben a fuvarozói számlák mintegy 14 százaléka elbukott a háromirányú egyeztetésen.
A rendszer három ügynökből áll: az egyik a számlát a rekordokkal veti össze, a második a fuvarozói díjat a szerződéses tarifával hasonlítja össze, a harmadik pedig a pótdíjak, például a liftdíj vagy a lakossági felár jogosságát ellenőrzi a szállítási események alapján. Az ügynökök ugyanazon API-kon keresztül dolgoznak a SpeedShip rendszerben, mint az elemzők, ezért ugyanazt a képet látják, mint egy emberi bíráló.
A kezdeti időszakban emberi jóváhagyás kellett, és csak a pontosság 99 százalék fölé emelkedése után vált alapértelmezetté a tömeges jóváhagyás. A pénzbeérkezésig tartó idő négy héttel rövidült, a cég pedig évi 1 millió dolláros megtakarítást és egyszeri 10 millió dolláros pénzáram-többletet könyvelt el.
Miért fontos neked?
A szabályokhoz kötött, mégis ítélőképességet igénylő pénzügyi folyamatok is automatizálhatók, ha minden döntés indokolható és ellenőrizhető. A példa szerint a bevezetést segítette az emberi jóváhagyás fokozatos kivezetése.
Az eredeti megnyitása (AWS Machine Learning)
Eredeti cím: How Worldwide Express automated freight exceptions with Amazon Bedrock
Címkék: ügynök, pénzügy, logisztika