تصور کنید به جای پر کردن دهها فیلد تکراری برای خرید یک دسته صندلی اداری، فقط یک جمله را در چت تایپ کنید و تمام. اگر هنوز از فرمهای سنتی خرید سازمانی استفاده میکنید، باید بدانید که دوران «پر کردن خانهها» جای خود را به گفتگو داده است. تا تاریخ ۴ اوت ۲۰۲۶، ادغام Oracle AI Agent Studio باعث شده است که فرآیند درخواست خرید از یک تمرین خشکِ پر کردن فرمها به یک دیالوگ محاورهای تبدیل شود و اکنون یک جمله ساده در پنجره چت، جایگزین دهها فیلد دستی در Oracle Fusion Cloud Procurement شده است.
ابزارهای تدارکات سازمانی همیشه قدرتمند بودهاند اما استفاده از آنها دشوار و پر از اصطکاک است. طبق گزارشهای فنی، فرآیند سنتی برای هر کسی که از ماژول تدارکات استفاده میکند، شامل پیمودن مسیرهای پیچیده برای رسیدن به صفحه درخواست، پر کردن دهها فیلد، جستوجوی دشوار برای یافتن کالای مناسب در کاتالوگ و کلنجار رفتن با حسابهای هزینه (Charge Accounts) است؛ آن هم به این امید که پیش از زدن دکمه ارسال، هیچ موردی فراموش نشده باشد. همانطور که در تحلیلهای پیشین ما دربارهی اتوماسیون اداری اشاره کردیم، هدف نهایی حذف اصطکاک در نقاط تماس کاربر و سیستم است.
برای خریدهایی با پیچیدگی کم و روتین — مثل کارتریج چاپگر، یک لپتاپ یا مجموعهای از صندلیهای اداری — این فرآیند صراحتاً بیش از حد سنگین (Overkill) است. این تغییر شبیه تفاوت بین نوشتن یک دستور پخت کامل از ابتدا و این است که به یک دستیار هوشمند صرفاً بگویید چه میخواهید بخورید؛ در اینجا عامل هوشمند تمام کارهای خستهکننده و عملیاتی را انجام میدهد و شما فقط حق تأیید نهایی را برای خود حفظ میکنید.
بررسی عامل راهنمای ایجاد درخواست خرید
عامل راهنمای ایجاد درخواست خرید (Purchase Requisition Creation Guide Agent) یک رابط چت مبتنی بر هوش مصنوعی است که در Oracle AI Agent Studio ساخته شده و مستقیماً در Oracle Fusion Cloud Procurement قرار گرفته است. این ابزار بهطور خاص برای کاربرانی (Preparers) طراحی شده است که نیاز دارند درخواستهای خرید استاندارد را با سرعت بالا ثبت کنند.
بر اساس مستندات اراکل، این عامل روی اقلام «غیرمستقیم» (Indirect Items) تمرکز دارد که پیشتر بودجهبندی شدهاند و به مذاکرات پیچیده نیاز ندارند. این سیستم در دو سناریو اصلی بیشترین بازدهی را دارد:
- درخواستهای کاتالوگی استاندارد: اقلامی که بهطور منظم با مشخصات شناختهشده سفارش داده میشوند.
- درخواستهای غیرکاتالوگی: موقعیتهایی که در آن یک کالای خاص مورد نیاز است اما هنوز در فهرست کاتالوگ سیستم ثبت نشده است.
گردش کار گفتگومحور
به نقل از گزارش dev.to، این عامل مستقیماً در رابط کاربری Redwood عمل میکند. کاربران فرآیند را با انتخاب گزینه «Ask AI» آغاز میکنند؛ این کار پنجرهای از چت را باز میکند که نیاز به استفاده از منوهای کشویی (Dropdowns) یا پیمایشهای دستی در منوها را بهطور کامل از بین میبرد. در شروع کار، هیچ فرمی برای پر کردن وجود ندارد و کاربر با یک رابط بسیار ساده و تازه روبروست.
وقتی کاربر درخواستی را به زبان ساده تایپ میکند (مثلاً «من میخواهم یک لپتاپ سفارش دهم»)، عامل با استفاده از مکانیسم «امتیازدهی مرتبط» (Relevance Scoring) ورودی را پردازش میکند. سیستم بلافاصله بهترین تطابق کاتالوگی را، شامل توصیف کالا و قیمت واحد، به همراه یک هایپرلینک برای مشاهده جزئیات کامل محصول بازمیگرداند. این قابلیت به کاربر اجازه میدهد بدون اینکه انگشتی فراتر از تایپ یک جمله تکان دهد، قطعه یا کالای صحیح را شناسایی کند.
اگر تطبیق کاتالوگی اشتباه باشد، کاربر دو گزینه برای اصلاح دارد: آنها میتوانند جزئیات بیشتری ارائه دهند تا عامل بتواند جستوجوی مجددی با معیارهای دقیقتر انجام دهد، یا اینکه مسیر خود را به سمت «درخواست غیرکاتالوگی» (NCR) تغییر دهند.
در مسیر NCR، بهجای تغییر صفحه یا خروج از محیط فعلی، کاربر خطِ درخواست سفارشی (Custom Requisition Line) را مستقیماً در جریان گفتگو تعریف میکند. عامل در اینجا ساختار درخواست غیرکاتالوگی را تولید کرده و بلافاصله برای تأیید درخواست میکند یا در صورت نیاز، موارد نیازمند تغییر را علامتگذاری میکند.
اعتبارسنجی هوشمند و مدیریت خطا
این عامل صرفاً دادهها را به بکاند ارسال نمیکند، بلکه یک لایه اعتبارسنجی پیشکنشی (Proactive Validation) را در میانه گفتگو اجرا میکند. بهجای اینکه در لحظه ارسال (Submission) یک خطای کلی و مبهم نمایش دهد، عامل شکافهای اطلاعاتی را بهصورت لحظهای شناسایی میکند. برای مثال، ممکن است بپرسد: «متوجه شدم قیمت و واحد اندازهگیری ذکر نشده است؛ میتوانید این موارد را ارائه دهید؟»
این دیالوگ رفتوبرگشتی تضمین میکند که فرآیند بدون متوقف شدن پیش برود و کاربر مجبور نباشد تمام مراحل را از ابتدا شروع کند. پس از جمعآوری تمامی جزئیات گمشده، عامل یک کارت خلاصه (Summary Card) را نمایش میدهد که شامل موارد زیر است:
- آدرس تحویل کالا
- اقلام سفارش و توصیفات آنها
- قیمت واحد و تعداد
- ارزش کل درخواست خرید
پس از تأیید نهایی توسط کاربر، عامل درخواست را ارسال میکند. در این مرحله، اعتبارسنجیهای بکاند اراکل بهطور خودکار اجرا میشوند. اگر سیستم خطای اعتبارسنجی را فعال کند — مثلاً در مورد حساب هزینه (Charge Account) یا حساب واریانس که قابل تولید نیست — عامل این خطا را مستقیماً در پنجره چت نمایش میدهد و اجازه نمیدهد کاربر در صفحات جداگانه گردش کار برای یافتن خطا سرگردان شود.
برای حل این مشکلات، عامل از ابزار لینک عمیق (Deep Link Tool) استفاده میکند. این مکانیزم یک لینک مستقیم ایجاد میکند که خروجی گفتگو را به دقیقترین خطِ درخواست در رابط Redwood متصل میکند. کاربر میتواند روی لینک کلیک کند، دقیقاً همان فیلدهایی که باعث ایجاد خطا شدهاند را اصلاح کند و بلافاصله به محیط چت بازگردد.
محدودیتهای استراتژیک و ارزش افزوده
این «لاین سریع» مبتنی بر هوش مصنوعی، بهطور خاص برای خریدهای استاندارد، بودجهبندی شده و غیرمستقیم بهینه شده است. این ابزار برای اقلام با سفارشیسازی بالا، مذاکرات پیچیده منبعیابی (Sourcing) یا درخواستهای چندخطی که نیاز به شخصیسازیهای گسترده در سطح هر خط دارند، در نظر گرفته نشده است. برای چنین موارد پیچیدهای، صفحه نویسندگی (Authoring Screen) سنتی همچنان ابزار مناسبتری است.
ارزش واقعی این سیستم در انتقال تلاش برای ۸۰٪ از درخواستهایی است که روتین هستند. تفاوت در تجربه کاربری بسیار شدید است:
- درخواست سنتی: پیمایش به صفحه $\rightarrow$ جستوجوی دستی در کاتالوگ $\rightarrow$ پر کردن تمام فیلدها $\rightarrow$ ارسال $\rightarrow$ مواجهه با خطاها $\rightarrow$ تفسیر پیامهای عمومی و مبهم.
- درخواست با عامل AI: باز کردن چت $\rightarrow$ توصیف نیاز $\rightarrow$ پیشپرکردن توسط عامل $\rightarrow$ اعتبارسنجی در حین گفتگو $\rightarrow$ نمایش خطاها و اصلاح از طریق لینک عمیق.
این تغییر، بار شناختی (Cognitive Load) را از روی دوش آمادهکنندگان درخواست خرید برمیدارد. با اتوماسیون ورود دادههای تکراری و اعتبارسنجیها، سازمانها میتوانند تمرکز نیروی انسانی خود را به سمت منبعیابی استراتژیک سوق دهند. البته موفقیت این ابزارها به هماهنگی دقیق در لایههای عملیاتی وابسته است؛ موضوعی که در تحلیل ما پیرامون رفع شکاف هماهنگی در ابزارهای فروش AI مورد بررسی قرار گرفت و نشان میدهد چرا برخی عاملهای هوشمند در دنیای واقعی با چالش مواجه میشوند.
اینکه آیا این روند منجر به رها کردن کامل فرمها میشود یا خیر، به میزان اعتماد کاربران به «امتیازدهی مرتبط» هوش مصنوعی در طول زمان بستگی دارد. با این حال، برای سازمانهایی که حجم بالایی از خریدهای غیرمستقیم روتین دارند، زمان ذخیره شده در هر درخواست بهسرعت انباشته شده و سودآوری میکند. اگر شما چنین حجمی از عملیات را مدیریت میکنید، اجرای یک پایلوت (Pilot) برای این عامل، منطقیترین گام بعدی برای اندازهگیری بهرهوری واقعی در تیم تدارکات شماست.
گام بعدی شما
- اگر حجم درخواستهای غیرمستقیم در سازمان شما بالاست، اجرای یک اجرای آزمایشی (Pilot) برای سنجش کاهش زمان ثبت درخواست را بررسی کنید.
- بررسی کنید که آیا دادههای کاتالوگ شما برای «امتیازدهی مرتبط» عامل AI به اندازه کافی تمیز و بهروز هستند یا خیر.
- تحلیل کنید کدام بخشهای فرمهای اداری شما هنوز «اصطکاک» ایجاد میکنند و قابلیت تبدیل به گفتگو دارند.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو