How to automate document entry in Epicor Kinetic with AI

Esa es la condición normal, y es lo que distingue la extracción con IA del OCR tradicional basado en plantillas. Las herramientas basadas en plantillas requieren un diseño configurado por cliente y se rompen cuando un cliente cambia su formulario. La extracción basada en modelos de lenguaje busca el significado en lugar de la posición, por lo que un nuevo diseño no requiere configuración. La consecuencia práctica es que automatizar una larga cola de clientes pequeños se vuelve viable, donde los sistemas basados en plantillas solo rindieron frutos con los pocos clientes principales.

Cada canal necesita su propia vía de entrada, pero debería converger en una sola cola de procesamiento; de lo contrario, terminas con varias automatizaciones parciales y sin una vista única de lo que está pendiente. EDI ya está estructurado y debería omitir la extracción por completo. El error que vale la pena evitar es construir la automatización únicamente alrededor del correo electrónico, y luego descubrir que un tercio de los pedidos llegan a través de portales de clientes que alguien descarga manualmente.

El reconocimiento de escritura a mano es mucho menos confiable que el texto impreso, y una enmienda garabateada en una orden de compra a menudo contiene la instrucción más importante de la página. El diseño seguro considera cualquier escritura detectada como una razón para derivarla a revisión humana, en lugar de un campo del que extraer datos. Suprimir esa regla para aumentar la tasa de automatización es la forma en que un sistema comienza a ignorar con confianza las palabras 'no enviar antes'.

Esta suele ser la parte más difícil de la automatización de pedidos y es un problema de datos, no de lectura. El documento dice cómo llama el cliente al artículo; tu ERP necesita tu propio número de parte. Una tabla de referencia cruzada entre los números de parte del cliente y los SKUs internos debe existir y mantenerse; de lo contrario, cada pedido se detiene para que un humano lo traduzca. Construir esa tabla suele ser el verdadero proyecto.

La legibilidad, principalmente. Los escaneos tomados a baja resolución, faxes de faxes y fotografías tomadas en un ángulo reducen la precisión de maneras que ningún modelo puede corregir. Si un documento llega de forma deficiente, la mejora práctica suele ocurrir en etapas anteriores: pedir al cliente que envíe un PDF en lugar de un escaneo, o aceptar el pedido a través de un portal. Esa conversación es más barata que afinar la extracción contra entradas ilegibles.

No, y no debería. EDI es más confiable que cualquier extracción porque los datos están estructurados en la fuente. La automatización de documentos gana terreno entre los clientes que nunca usarán EDI, lo cual, en la mayoría de los fabricantes, es la mayoría por cantidad. El marco sensato es la cobertura: EDI maneja las cuentas grandes que acordaron hacerlo, la IA maneja todo lo demás, y ambos se vuelcan al mismo ERP.

La ingesta debe retener el documento y volver a intentarlo en lugar de fallar en silencio, y alguien debe poder ver qué está atascado. Esta es la parte menos glamorosa del diseño y la que más a menudo se omite. Pregunte específicamente qué sucede con un documento que fue extraído correctamente pero fue rechazado al ingresarlo, porque ahí es donde los registros desaparecen silenciosamente en integraciones mal construidas.

Comienza con el documento que llegue con mayor frecuencia en un formato no estructurado, que en la mayoría de los fabricantes es la orden de compra del cliente. Las órdenes de venta se amortizan más rápido gracias a la automatización, porque un error de tecleo allí se propaga a la producción, al envío y a la facturación. Las hojas de tiempo y los albaranes de empaque suelen tener un volumen mayor pero una consecuencia menor. Clasificar por consecuencia en lugar de por volumen tiende a producir un primer proyecto mejor, porque te ofrece una victoria visible en lugar de una victoria discreta.

No por el porcentaje de documentos procesados automáticamente, lo cual es fácil de inflar al reducir los umbrales de confianza. Las mejores medidas son el número de documentos que requirieron retrabajo tras su publicación, el tiempo desde la llegada del documento hasta que pueda ser accionable en el ERP, y el tamaño de la cola de excepciones al final de cada día. Un aumento de la tasa de automatización junto con un aumento de la tasa de retrabajo es un sistema que se está empujando más allá de lo que realmente puede leer.

Las reglas pertenecen al negocio y la infraestructura pertenece a TI. Las referencias cruzadas de números de parte, el enrutamiento de aprobaciones y qué clientes están dentro del alcance son decisiones que el mostrador de pedidos debería poseer, porque cambian constantemente y TI no tiene base para tomarlas. Si cada cambio de regla se convierte en un ticket de TI, la automatización envejece mal y la gente vuelve silenciosamente a teclear.