Case Studies / Wiodący producent samochodów
MOTORYZACJA · PLANOWANIE PRODUKCJI
Zastąpienie ręcznego wyszukiwania danych asystentem planowania AI
Planiści produktów u wiodącego producenta samochodów luksusowych spędzali godziny na ręcznym odpytywaniu systemu SAP BW i wielu hurtowni danych, aby uzyskać potrzebne liczby. Zbudowaliśmy konwersacyjnego asystenta AI, który pobiera dane planistyczne na żądanie – po niemiecku lub angielsku, tekstem lub głosem – połączonego bezpiecznie z lokalnymi systemami SAP klienta.
Klient: Wiodący globalny producent samochodów luksusowych (pod NDA) – jedna z największych na świecie firm z segmentu premium motoryzacji.
Kluczowe wyniki
Godz.→sek.
Czas pobierania danych na zapytanie
2 języki
Pełna obsługa głosowa i tekstowa w języku niemieckim i angielskim
On-premise
Bezpieczne połączenie hybrydowe – dane nigdy nie opuszczają infrastruktury klienta
Samoobsługa
Planiści odpytują złożone dane bez wsparcia działu IT
BRANŻA
Motoryzacja
PRZYPADEK UŻYCIA
Pobieranie i odpytywanie danych planistycznych
PODEJŚCIE AI
NLP / NLU, konwersacyjna AI
SYSTEMY
SAP BW, wewnętrzne hurtownie danych
INFRASTRUKTURA
Microsoft Azure + hybryda on-premise
WSPÓŁPRACA
Design thinking → Dostarczanie zwinne

Wyzwanie
Planowanie produktów samochodowych to jeden z najbardziej danych intensywnych procesów w przemyśle motoryzacyjnym. W tej firmie planiści musieli pobierać dane z systemu SAP BW i kilku innych wewnętrznych hurtowni danych, aby podejmować decyzje – wolumeny produkcji, opcje konfiguracji, warianty rynkowe, ograniczenia harmonogramowania.
Problem nie polegał na tym, że dane nie istniały. Problem tkwił w tym, że dostęp do nich wymagał specjalistycznej wiedzy na temat leżących u podstaw systemów. Planiści musieli wiedzieć, która hurtownia danych co przechowuje, jak nawigować po strukturach zapytań SAP BW i jak wzajemnie odwoływać się do informacji z wielu źródeł. W praktyce każde pytanie planistyczne zamieniało się w ręczne ćwiczenie badawcze – albo w prośbę do kogoś, kto zna systemy lepiej.
Kluczowy problem: dane planistyczne były rozproszone między systemem SAP BW a wieloma hurtowniami danych. Każde zapytanie wymagało specjalistycznej wiedzy systemowej, zamieniając rutynowe pobieranie danych w powolny, ręczny proces pochłaniający codziennie godziny pracy planistów.
Co zbudowaliśmy
Zaczęliśmy od warsztatów design thinking, aby zrozumieć, jak planiści rzeczywiście pracują – jakie pytania zadają, jakich danych potrzebują, gdzie są ręczne wąskie gardła. To bezpośrednio ukształtowało rozwiązanie.
Konwersacyjny interfejs AI. Zbudowaliśmy inteligentnego asystenta, którego planiści mogą odpytywać w języku naturalnym – pisanym lub mówionym, po niemiecku lub angielsku. Zamiast nawigować po transakcjach SAP BW lub pisać zapytania, planista może po prostu zadać pytanie w prostym języku i natychmiast otrzymać odpowiedź.
Pobieranie danych z wielu systemów. Za konwersacyjnym interfejsem asystent łączył się z systemem SAP BW i innymi hurtowniami danych planistycznych firmy. Rozumiał logikę leżących u podstaw struktur danych – który system przechowuje jakie informacje, jak łączyć dane z wielu źródeł – i radził sobie ze złożonością, którą wcześniej musieli sami zarządzać planiści.
Hybrydowa architektura chmurowa. Dane planistyczne firmy musiały pozostać on-premise – dla producenta samochodów tej skali to kwestia bezdyskusyjna. Zbudowaliśmy asystenta AI w Microsoft Azure, jednocześnie ustanawiając bezpieczne połączenie z lokalną infrastrukturą SAP. Ścisłe kontrole uprawnień zapewniały, że asystent uzyskiwał dostęp wyłącznie do danych, do których dany użytkownik był upoważniony.
Dwujęzyczna obsługa głosowa i tekstowa. Korzystając z możliwości NLP i NLU, asystent biegle radził sobie zarówno z językiem niemieckim, jak i angielskim – w formie pisanej i mówionej. Planiści w różnych lokalizacjach i zespołach mogli komunikować się w języku, który był dla nich naturalny.
Rozwiązanie zostało zbudowane z wykorzystaniem natywnych usług chmurowych Microsoft Azure – LUIS do rozumienia języka, Bot Service dla warstwy konwersacyjnej, CosmosDB do danych sesyjnych i AppService do wdrożenia – i dostarczone w zwinnych sprintach z ciągłym zaangażowaniem interesariuszy za pośrednictwem działu IT klienta.
Wyniki
PRZED
Planiści ręcznie odpytywali SAP BW i wiele hurtowni danych. Każde zapytanie o dane wymagało specjalistycznej wiedzy lub wsparcia IT. Odpowiedź na rutynowe pytania zajmowała godziny.
PO
Planiści zadają pytania w prostym języku i otrzymują odpowiedzi w ciągu sekund. Żadnej wiedzy systemowej nie jest wymagana. Pobieranie danych odbywa się automatycznie ze wszystkich połączonych źródeł.
Ręczna praca związana z nawigowaniem po systemach danych została wyeliminowana przy rutynowych zapytaniach planistycznych. Planiści, którzy wcześniej spędzali znaczną ilość czasu na pobieraniu i wzajemnym odwoływaniu się do danych, mogli teraz skupić się na rzeczywistym podejmowaniu decyzji planistycznych – pracy, do której zostali zatrudnieni.
Hybrydowa architektura dowiodła, że korporacyjna AI nie wymaga przenoszenia wrażliwych danych do chmury. Firma zachowała pełną kontrolę nad swoimi danymi planistycznymi, jednocześnie zapewniając swoim zespołom nowoczesny, intuicyjny sposób dostępu do nich.
Projekt pokazał również wzorzec, który często obserwujemy w środowiskach korporacyjnych: największe zyski efektywnościowe nie wynikają z zastępowania ludzi, lecz z usuwania ręcznego narzutu, który uniemożliwia wykwalifikowanym specjalistom wykonywanie ich właściwej pracy.
Użyte technologie
Więcej case studies
Zobacz, jak pomogliśmy innym firmom

URZĄD · POLSKA INSTYTUCJA PUBLICZNA (NDA)
Zbudowanie platformy AI automatyzującej monitoring polityczny – od PoC do pełnego rozwiązania
Analitycy public affairs ręcznie śledzili miliony dokumentów politycznych w różnych krajach i językach. Zbudowaliśmy warstwę AI automatyzującą monitoring, analizę i alerty – od pierwszego prototypu do premiery rynkowej.
11
Obszarów wiedzy
3
Dedykowane toole

MEDTECH · APOQLAR
Czas realizacji kwestionariuszy bezpieczeństwa skrócony z miesiąca do tygodnia
Każdy nowy klient szpitalny wymagał wypełnionego kwestionariusza, 8–10 osób, około miesiąca, zbierając odpowiedzi z polityk różnych działów. Teraz asystent AI automatycznie tworzy odpowiedzi, oszczędzając szacunkowo 90 000 $/rok.
-75%
Czas realizacji
$90K
Roczne oszczędności

MEDTECH · APOQLAR
Wirtualny asystent GenAI zastępujący ręczne wyszukiwanie dokumentów
Pracownicy wsparcia spędzali godziny na przeszukiwaniu setek dokumentów produktowych, aby odpowiedzieć na pytania klientów i compliance. Teraz zadają pytania w języku naturalnym i otrzymują odpowiedzi z odniesieniami do źródeł w ciągu sekund.
RAG
Zintegrowany
Zarządzanie kontekstem
Zoptymalizowane

