Klient dzwoni do serwisu w sprawie samochodu kupionego trzy lata wcześniej w tym samym salonie, a konsultant nie widzi historii zakupu, tylko historię napraw. Nie dlatego, że dane zginęły — leżą osobno, w systemie, który nigdy nie musiał rozmawiać z systemem sprzedaży. Tego typu sytuacje są punktem wyjścia do prawie każdej integracji, którą prowadzimy w motoryzacji.

Dlaczego branża motoryzacyjna ma tyle systemów naraz

Typowa firma z sektora motoryzacyjnego — dealer, sieć serwisowa, importer, firma zajmująca się flotą — rzadko działa na jednym systemie. Zwykle jest system do zarządzania relacjami z klientem i sprzedażą pojazdów, osobny system serwisowy do zleceń warsztatowych i historii napraw, system magazynowy do części zamiennych, czasem osobne narzędzie księgowe.

Do tego dochodzą integracje z systemami producentów albo importerów, obsługiwane według ich własnych standardów. Każdy z tych systemów powstał w innym czasie, od innego dostawcy, z myślą o jednym zadaniu — i dobrze je wykonuje. Problem zaczyna się na styku, kiedy dane z jednego muszą trafić do drugiego.

Silosy: kiedy każdy dział ma rację osobno

Najczęstszy wzorzec, jaki widzimy, to sytuacja, w której każdy system jest wewnętrznie spójny, ale różni się od pozostałych. System serwisowy wie, jakie części zostały zużyte przy konkretnej naprawie. System magazynowy wie, ile ich zostało na stanie. Jeśli te dwa systemy nie wymieniają się danymi automatycznie, ktoś musi ręcznie przepisywać zużycie z jednego do drugiego.

To miejsce, w którym najłatwiej o pomyłkę, opóźnienie albo rozjazd stanów magazynowych. To samo dotyczy danych klienta: ten sam klient może istnieć jako osobny rekord w systemie sprzedażowym i serwisowym, bez wspólnego identyfikatora łączącego historię zakupu z historią serwisu.

Skutki takiego rozjazdu rzadko widać od razu — ujawniają się dopiero po pewnym czasie, jako drobne niezgodności, które trzeba ręcznie prostować: konsultant nie widzi historii zakupu; magazyn pokazuje część jako dostępną, choć w rzeczywistości została już zarezerwowana do innej naprawy.

Raport sprzedażowy i raport serwisowy za ten sam miesiąc nie dają się ze sobą łatwo zestawić, bo liczą inaczej to samo zdarzenie. Żaden z tych przypadków osobno nie jest dramatyczny, ale suma drobnych rozjazdów kosztuje czas zespołu, który mógłby iść w inne zadania.

Format, znaczenie pól i jakość danych

Kiedy mówimy o integracji, pierwsze skojarzenie to zwykle format pliku albo protokół — API, plik CSV, webhook. To rzeczywiście trzeba ustalić, ale w praktyce to najprostsza część zadania. Trudniejsze jest ustalenie, co dokładnie oznacza dane pole w każdym z systemów.

Czy „status zlecenia” w systemie serwisowym odpowiada temu samemu etapowi procesu co „status naprawy” w systemie dla klienta, czy numer części w magazynie jest tym samym identyfikatorem, którego używa system zamówień u dostawcy. Integracja, która przenosi dane bez ujednolicenia ich znaczenia, tylko przenosi bałagan z jednego miejsca do drugiego — szybciej, ale nie dokładniej.

Dopóki systemy działają osobno, niespójności w danych — literówki w nazwach części, zdublowane rekordy klientów, nieaktualne dane kontaktowe — zwykle nie rzucają się w oczy, bo każdy dział radzi sobie z nimi po swojemu. Integracja to zmienia: kiedy dane zaczynają płynąć automatycznie między systemami, każda niespójność u źródła powiela się we wszystkich miejscach, do których dane trafiają.

To jeden z powodów, dla których integrację warto traktować jako okazję do uporządkowania danych, a nie tylko jako techniczne połączenie dwóch systemów — sama wymiana plików czy wywołań API nie rozwiąże problemu jakości danych, jeśli nie zostanie zaadresowany osobno.

Gdzie w tym miejscu ma sens AI

W integracjach systemów motoryzacyjnych praca z dokumentami i danymi nieustrukturyzowanymi — zlecenia warsztatowe zapisane opisowo, protokoły odbioru pojazdu, korespondencja z dostawcami części — to obszar, w którym AI potrafi realnie odciążyć zespół: czytanie i klasyfikowanie tych dokumentów, dopasowywanie ich do właściwych rekordów w systemach docelowych.

Zgodnie z zasadą, którą stosujemy we wszystkich naszych wdrożeniach AI, model językowy odpowiada za czytanie i rozpoznawanie treści, natomiast właściwe zapisanie danych do systemu — z zachowaniem reguł integralności, kluczy obcych i walidacji — zostawiamy kodowi działającemu w sposób deterministyczny. Piszemy o tym mechanizmie szerzej w artykule o integracji AI z istniejącymi systemami firmowymi — te same przeszkody występują w praktyce integracji motoryzacyjnych.

Automatyzacja procesów, nie tylko wymiana danych

Sama integracja systemów to często pierwszy krok, po którym pojawia się pytanie o automatyzację procesów, które te systemy łączy — na przykład automatyczne generowanie zlecenia serwisowego na podstawie zgłoszenia klienta, albo automatyczne uzupełnianie stanów magazynowych na podstawie prognozy zużycia części.

Piszemy szerzej o tym, gdzie automatyzacja procesów ma sens w firmach motoryzacyjnych, w osobnym artykule o automatyzacji procesów w firmach motoryzacyjnych — integracja systemów opisana wyżej jest zwykle warunkiem wstępnym, zanim taka automatyzacja stanie się możliwa.

W skrócie

Częstym błędem w integracjach IT jest zaczynanie od strony technicznej — wybór narzędzia, protokół, pierwsze połączenia — zanim ktoś spisze, jakie dane w ogóle istnieją i które są ze sobą sprzeczne. Z naszego doświadczenia w budowie i utrzymaniu oprogramowania dla sektora motoryzacyjnego wynika jeden wniosek: integrację najlepiej zaczynać od mapowania danych, a nie od pierwszej linii kodu. Nasze doświadczenie w motoryzacji opisujemy na stronie rozwiązań dla firm.

Najczęstsze pytania

Dlaczego firmy motoryzacyjne mają tyle osobnych systemów IT?

Bo każdy system — dealerski, serwisowy, magazynowy — powstał z myślą o jednym konkretnym zadaniu i zwykle dobrze je wykonuje. Problem pojawia się dopiero na styku, kiedy dane muszą przepływać między nimi.

Czy integracja systemów to głównie kwestia formatu danych i API?

To najprostsza część zadania. Trudniejsze jest ustalenie wspólnego znaczenia pól między systemami i tego, który system jest źródłem prawdy dla danego typu danych.

Czy AI może samodzielnie zapisywać dane do systemu produkcyjnego?

W naszym podejściu AI czyta i klasyfikuje dane z dokumentów nieustrukturyzowanych, natomiast faktyczny zapis do systemów, z zachowaniem reguł integralności, wykonuje kod deterministyczny — nie model językowy.

Czy warto integrować systemy, zanim jeszcze planuje się automatyzację procesów?

Tak — integracja systemów jest zwykle warunkiem wstępnym dla automatyzacji procesów, które te systemy łączą. Bez spójnych, wymienianych automatycznie danych trudno zbudować niezawodną automatyzację na wyższym poziomie.

Co jest trudniejsze: połączenie systemów czy uporządkowanie jakości danych?

Z naszego doświadczenia — jakość danych. Samo techniczne połączenie dwóch systemów bywa szybkie; ujawnienie i naprawienie niespójności, które integracja wydobywa na wierzch, zajmuje zwykle więcej czasu.