Automatyzacja w firmach motoryzacyjnych rzadko zaczyna się od efektownej sztucznej inteligencji — zaczyna się od dokumentów: zamówień na części, protokołów przekazania pojazdu, faktur serwisowych. Pokazujemy, gdzie AI w tej branży faktycznie ma sens, a gdzie świadomie zostaje przy czytaniu, nie przy liczeniu.

Motoryzacja to branża dokumentów, nie tylko blachy i silników

Firma motoryzacyjna — czy to dealer, warsztat, sieć serwisowa czy dystrybutor części — na co dzień przetwarza ogromną ilość papieru i jego cyfrowych odpowiedników: zamówienia od klientów i do dostawców, protokoły przyjęcia i wydania pojazdu, karty pracy mechaników, faktury serwisowe, zgłoszenia gwarancyjne, korespondencję z klientami o statusie naprawy. Żaden z tych dokumentów osobno nie jest skomplikowany. Problem pojawia się w skali i w tempie, z jakim trzeba je przetwarzać, żeby auto opuściło warsztat na czas, a część dotarła, zanim klient zacznie dzwonić z pytaniem, gdzie ona jest.

To dlatego automatyzacja w motoryzacji rzadko wygląda jak jeden duży projekt AI. Wygląda jak kilka konkretnych, dobrze ograniczonych usprawnień w miejscach, gdzie dokumenty i decyzje się piętrzą: obieg dokumentów serwisowych, zamawianie części i komunikacja z klientem. Poniżej pokazujemy, jak podchodzimy do każdego z nich — i dlaczego w żadnym z nich AI nie dostaje ostatniego słowa, kiedy w grę wchodzą pieniądze.

Dokumenty: zamówienia, protokoły, faktury serwisowe

Obieg dokumentów w warsztacie czy u dealera ma swoją specyfikę, ale sam schemat przetwarzania jest identyczny jak w automatyzacji obiegu dokumentów, którą opisujemy szerzej gdzie indziej: wejście, ekstrakcja, walidacja, eskalacja wyjątków, zapis do systemu.

W praktyce motoryzacyjnej oznacza to na przykład: zamówienie części przychodzi mailem albo przez portal dostawcy jako PDF — AI czyta numer katalogowy, ilość, cenę i termin dostawy, zamiast żeby ktoś przepisywał to ręcznie do systemu magazynowego. Protokół przekazania pojazdu, spisywany często odręcznie albo w prostym formularzu, trafia do systemu jako ustrukturyzowany zapis: stan licznika, zakres uszkodzeń, zakres zlecenia. Faktura serwisowa od podwykonawcy albo dostawcy części zostaje przeczytana, a jej pozycje porównane z zamówieniem — zanim ktokolwiek zaakceptuje ją do zapłaty.

W każdym z tych przypadków AI wykonuje tę samą pracę: czyta nieustrukturyzowany dokument i zamienia go na dane, które da się dalej przetwarzać maszynowo. To, co dzieje się z tymi danymi później — czy kwota się zgadza, czy zamówienie odpowiada dostawie, czy fakturę można zaksięgować — zostaje po stronie zwykłej, deterministycznej logiki.

Obieg zamówień części — gdzie kończy się AI, a zaczyna logika

Zamawianie części to jeden z tych procesów, w których dobrze widać granicę między tym, co AI robi dobrze, a tym, czego świadomie jej nie powierzamy. AI dobrze radzi sobie z rozpoznaniem, o jaką część chodzi, nawet jeśli zamówienie przychodzi w niestandardowym formacie albo z literówką w numerze katalogowym, i z dopasowaniem go do właściwej pozycji w systemie magazynowym czy cenniku dostawcy.

To, czego świadomie AI nie robi, to decydowanie, czy zamówienie zostaje automatycznie zatwierdzone. Sprawdzenie dostępności u kilku dostawców naraz, porównanie cen i terminów, zatwierdzenie zamówienia powyżej pewnej kwoty — to reguły biznesowe, a nie osąd modelu językowego. Kiedy zamówienie budzi wątpliwość — część nie pasuje do żadnej znanej pozycji, cena mocno odbiega od ostatniego zamówienia, termin dostawy koliduje z obiecanym klientowi terminem naprawy — trafia do eskalacji, dokładnie tak, jak opisujemy to w tekście o automatyzacji decyzji z eskalacją do człowieka. Nikt nie chce systemu, który automatycznie zamówi złą część tylko dlatego, że model językowy uznał dopasowanie za “wystarczająco prawdopodobne”.

Integracja z tym, co warsztat już ma

Żadna firma motoryzacyjna nie zaczyna od zera — jest system magazynowy, oprogramowanie dealerskie albo serwisowe, czasem kilka systemów naraz, które ze sobą słabo się komunikują. To jeden z częstszych powodów, dla których wdrożenia utykają, i piszemy o tym szerzej w tekście o integracji AI z istniejącymi systemami firmowymi. W motoryzacji ten problem bywa dodatkowo utrudniony przez to, że system dealerski bywa narzucony przez producenta pojazdów, z ograniczonymi możliwościami integracji od strony API. Dobre wdrożenie nie próbuje wymieniać tych systemów — dopina się do nich, tak jak w każdym innym obiegu dokumentów, który budujemy.

Komunikacja z klientem w serwisie

Trzeci obszar to komunikacja: pytania o status naprawy, umawianie terminów, informowanie o dodatkowych pracach wykrytych podczas serwisu. AI dobrze sprawdza się w klasyfikowaniu, czego dotyczy zgłoszenie klienta — pytanie o termin, reklamacja, prośba o wycenę dodatkowej naprawy — i w przygotowaniu odpowiedzi albo statusu na podstawie danych z systemu serwisowego.

Tam, gdzie odpowiedź dotyka pieniędzy — na przykład wyceny dodatkowej naprawy albo decyzji gwarancyjnej — AI przygotowuje propozycję, ale ostateczną kwotę i decyzję zatwierdza człowiek albo deterministyczny cennik, nie model. To ten sam podział ról, o którym piszemy przy okazji zasady „AI proponuje, kod liczy” — w komunikacji z klientem błąd kosztuje zaufanie, więc nie warto oddawać ostatniego słowa modelowi językowemu.

Nasze doświadczenie w IT dla motoryzacji

Budujemy i skalujemy oprogramowanie dla sektora motoryzacyjnego od lat — od pierwszego wdrożenia po wiele lat utrzymania na produkcji. Nie opisujemy tu konkretnych firm ani wdrożeń — to świadoma zasada, którą stosujemy we wszystkich materiałach na tym blogu — ale właśnie z tej pracy bierze się to, co opisaliśmy wyżej: wiemy, gdzie w motoryzacji dokumenty się piętrzą, gdzie warto zautomatyzować, a gdzie lepiej zostawić decyzję człowiekowi albo prostej regule.

Ten sam podział — AI czyta i proponuje, deterministyczny kod liczy i decyduje — stosujemy też we własnych produktach. W Qkwicie AI czyta dokumenty księgowe, a osobny silnik liczy podatki i składki ZUS na podstawie tych danych. Zasadę opisujemy szerzej na stronie oferty wdrożeń AI — w motoryzacji działa dokładnie tak samo, tylko dokumenty nazywają się inaczej.

Od czego zacząć w konkretnej firmie

Zanim zaczniemy pisać integrację, przechodzimy przez audyt procesu — mapujemy, które dokumenty i decyzje faktycznie zajmują czas zespołu, skąd biorą się dane wejściowe i gdzie leży koszt błędu. W motoryzacji pilotaż najczęściej zaczyna się od jednego, dobrze ograniczonego procesu — na przykład czytania faktur serwisowych albo klasyfikacji zgłoszeń klientów — a integracja z systemem dealerskim czy magazynowym przychodzi w kolejnym kroku, kiedy pilotaż potwierdzi, że proces się do tego nadaje.

Najczęstsze pytania

Czy AI może samodzielnie zamawiać części zamienne? Może przygotować i rozpoznać zamówienie, ale zatwierdzenie — szczególnie powyżej określonej kwoty albo przy niepewnym dopasowaniu części — zostaje po stronie reguł biznesowych albo człowieka.

Czy trzeba wymieniać system dealerski albo magazynowy, żeby to wdrożyć? Nie musi. Automatyzacja dokumentów i komunikacji zwykle integruje się z systemami, które warsztat czy dealer już mają, zamiast ich zastępować.

Od czego zacząć, jeśli mamy kilka procesów do automatyzacji naraz? Od audytu i jednego, dobrze ograniczonego pilotażu — zwykle tam, gdzie dokumentów jest najwięcej albo gdzie ręczne przepisywanie zajmuje najwięcej czasu zespołu.

Czy AI poradzi sobie z odręcznymi protokołami przekazania pojazdu? W wielu przypadkach tak, choć jakość odczytu zależy od czytelności pisma i jakości skanu. Niepewne przypadki trafiają do eskalacji zamiast zostać zapisane automatycznie.

Czy taka automatyzacja nadaje się tylko dla dużych sieci serwisowych? Nie — schemat jest ten sam niezależnie od wielkości firmy, zmienia się tylko skala i liczba systemów do integracji.

Chcemy zobaczyć, jak wygląda to u Was

Jeśli w Waszej firmie dokumenty serwisowe, zamówienia części albo komunikacja z klientami wciąż zajmują więcej czasu zespołu niż powinny, napiszcie do nas — zaczynamy od audytu konkretnego procesu, nie od gotowego rozwiązania.