تصور کنید صاحب یک کسب‌وکار کوچک باشید که به‌جای تمرکز بر کیفیت محصول، ۶۰٪ وقتش را صرف جنگ با کاغذبازی‌ها و جدول‌های اکسل می‌کند. این دقیقا وضعیتی بود که یک پنیرفروشی سنتی در مادرید با آن دست‌وپنجه نرم می‌کرد تا اینکه تصمیم گرفت ادارهٔ فروش خود را به هوش مصنوعی بسپارد.
به گزارش Itelnet Consulting در ۲۶ ژوئیه ۲۰۲۶، این فروشگاه توانست ۴۰٪ از زمان اداری خود را بازپس بگیرد. این تغییر مسیر، تمرکز مدیریت را دوباره از بروکراسی خسته‌کننده به کیفیت تولید محصولات بازگرداند.
زمینه و بستر (Context)
برای بسیاری از کسب‌وکارهای کوچک، مشکل نبود اشتیاق نیست، بلکه کوهی از کاغذبازی‌هاست. در مورد «El Rincón del Queso Artesano»، یک فروشگاه پنیر Artisanal و سطح بالا، مالکان ۶۰٪ از زمان خود را صرف امور اداری، صدور صورت‌حساب‌ها و مدیریت سفارشات می‌کردند. این حجم از کار باعث شد فضای بسیار کمی برای تمرکز بر کیفیت پنیرها و گسترش کسب‌وکار باقی بماند.
این فشار معمولاً از تکیه بر صفحات استاتیک اکسل و سفارشات پراکنده از طریق ایمیل ناشی می‌شود. این پنیرفروشی به‌طور مشخص با چهار نقطه درد (Pain Point) اصلی روبرو بود: صورت‌حساب‌های دستی که مستعد خطا بودند، یک سیستم مدیریت موجودی ناکارآمد مبتنی بر اکسل، نبود یک پایگاه داده متمرکز برای ثبت سفارشات تلفنی و ایمیلی، و چالش پرهرج‌ومرج مربوط به رعایت قانون RD-Ley 8/2019 اسپانیا در زمینه ردیابی دقیق ساعات کاری کارکنان.
جزئیات فنی (Technical Details)
برای حل این بحران، مشاوران یک سیستم ماژولار بر پایه پایتون (Python) و اولاما (Ollama) پیاده کردند. استفاده از مدل زبانی بزرگ (LLM) به‌صورت محلی، باعث شد داده‌های حساس تجاری فروشگاه خصوصی بماند و هزینه‌های ماهانه اشتراک API حذف شود. بر اساس مستندات منتشر شده در dev.to، ساختار فنی این سیستم شامل موارد زیر است:
- صورت‌حساب خودکار (Facturación Automática): سیستمی پایتونی که از کتابخانه python-invoice استفاده می‌کند. در اینجا اولاما اطلاعات را اعتبارسنجی می‌کند تا اطمینان حاصل شود هر فاکتور با مقررات جاری مطابقت دارد.
- مدیریت موجودی (Stock Management): اسکریپت‌هایی که موجودی را با یک پایگاه‌داده SQLite همگام می‌کنند. اولاما توصیفات محصول را تفسیر می‌کند تا سطح بهینه موجودی را پیشنهاد دهد.
- پردازش سفارش (Order Processing): یک فرم وب با Flask که درخواست‌ها را ثبت می‌کند. اولاما جزئیات کلیدی سفارش را استخراج کرده و به‌طور خودکار ایمیل‌های تأییدیه مشتری را تولید می‌کند. در این مسیر، دقت در اجرای وظایف توسط عامل‌های هوشمند حیاتی است، چرا که برخی پژوهش‌ها نشان می‌دهند نبود قراردادهای مشاهده‌پذیر می‌تواند منجر به شکست عامل‌های LLM در مدیریت ایمیل‌ها شود.
- تطبیق قانونی (Compliance): ادغام با نرم‌افزارهای موجود، با استفاده از اولاما برای اعتبارسنجی داده‌ها جهت اطمینان از رعایت کامل قانون RD-Ley 8/2019.
مکانیزم عمل
قدرت این راهکار در توانایی اولاما برای درک زبان طبیعی به‌صورت محلی نهفته است. برای مثال، اگر مشتری توصیفی مانند «Queso Manchego de oveja, leche de oveja pura, curado en bodega» (پنیر مانچگو گوسفندی، شیر خالص گوسفند، رسیده در انبار) را وارد کند، اولاما اجزای کلیدی را شناسایی می‌کند: نوع پنیر، ماده اولیه و فرآیند رسیدن. سپس از این جزئیات دقیق برای به‌روزرسانی رکوردهای موجودی یا تولید گزارش‌های مفصل استفاده می‌کند.
این تغییر ثابت می‌کند که پذیرش هوش مصنوعی نیازی به بودجه‌های کلان ابری یا تیم‌های متخصص داده‌کاوی ندارد. برای خواننده، این بدان معناست که سد ورود به اتوماسیون «در سطح سازمانی»، حالا به قیمت یک واحد پردازش گرافیکی (GPU) مناسب و مقداری کد متن‌باز کاهش یافته است.
نتایج و پیاده‌سازی
پس از تنها یک ماه اجرا، این پنیرفروشی ۴۰٪ از ساعات اداری خود را کاهش داد. با خودکارسازی «کارهای سخت و تکراری»، مالکان اکنون زمان خود را به سه حوزه کلیدی اختصاص می‌دهند:
۱. کنترل کیفیت: بهبود کیفیت هنری و سنتی پنیرهایشان.
۲. بازاریابی: ترویج فعال محصولات به‌صورت آنلاین.
۳. گسترش: بررسی و ورود به بازارهای جدید.
برای تکریس این موفقیت، Itelnet پیشنهاد می‌کند که ابتدا با شناسایی تکراری‌ترین گلوگاه‌هایی که بیشترین تأثیر را دارند، شروع کنید. از آنجایی که داده‌ها محلی می‌مانند، حریم خصوصی تضمین شده است، هرچند داشتن یک برنامه برای نگهداری مستمر کدها ضروری است. اثر ثانویه این اقدام، افزایش قابل‌توجه سودآوری است؛ چرا که مالکان ساعات اداری و دفتری خود را با کنترل کیفیت جایگزین کرده‌اند.
گام بعدی شما
- شناسایی تکراری‌ترین گلوگاه‌های اداری که بیشترین زمان شما می‌گیرند.
- بررسی ابزارهای میزبانی شخصی برای اجرای مدل‌های کوچک روی سخت‌افزارهای موجود.
- تعریف دقیق ورودی‌ها و خروجی‌های مورد نیاز برای جایگزینی جداول اکسل با دیتابیس‌های ساده.
این تنها آغاز ماجراست؛ بررسی اینکه چگونه مدل‌های کوچک‌تر در حال بلعیدن سهم بازار مدل‌های غول‌پیکر ابری هستند را در گزارش بعدی بررسی خواهیم کرد.
گفتگو