Case Studies / Fr. Meyer’s Sohn
LOGISTYKA · GLOBALNE OPERACJE
Automatyzacja ekstrakcji informacji z wielojęzycznych e-maili logistycznych
Globalna firma logistyczna Fr. Meyer’s Sohn potrzebowała wyodrębniać ustrukturyzowane dane operacyjne z tysięcy nieustrukturyzowanych e-maili po niemiecku i angielsku. Tradycyjne podejścia nie radziły sobie z tą różnorodnością. Zbudowaliśmy potok ekstrakcji oparty na GPT, wdrożony na własnych serwerach klienta.
Klient: Fr. Meyer’s Sohn – międzynarodowa firma logistyczno-spedycyjna z globalną działalnością.
Kluczowe wyniki
2 języki
Język niemiecki i angielski przetwarzane automatycznie
-80%
Redukcja nakładu pracy przy ręcznej ekstrakcji
PoC → Prod
Od proof of concept do wdrożenia produkcyjnego
On-premise
Wdrożone na własnych serwerach klienta za pomocą Dockera
BRANŻA
Logistyka i spedycja
PRZYPADEK UŻYCIA
Ekstrakcja danych z e-maili
PODEJŚCIE AI
GPT-3.5 / GPT-4 + inżynieria promptów
WDROŻENIE
Docker na serwerach klienta
JĘZYKI
Język niemiecki i angielski
WSPÓŁPRACA
Dopracowanie i hartowanie produkcyjne
ZAANGAŻOWANIE
PoC → Wdrożenie produkcyjne
Wyzwanie
Fr. Meyer’s Sohn to globalna firma logistyczna przetwarzająca codziennie duże wolumeny e-maili operacyjnych. E-maile te zawierają krytyczne dane logistyczne – szczegóły przesyłek, informacje o trasach, dane harmonogramów – ale docierają w zupełnie nieustrukturyzowanych formatach, napisane zarówno po niemiecku, jak i po angielsku.
Firma musiała wyodrębniać konkretne, z góry określone informacje z tych e-maili i zwracać je w ustrukturyzowanym formacie do dalszego przetwarzania. Wyzwanie było poważne: żadne dwa e-maile nie wyglądały tak samo. Formaty różniły się w zależności od nadawcy, kraju i języka. Nie wszystkie wymagane pola były zawsze obecne. Lokalne standardy dotyczące dat, adresów i numerów referencyjnych różniły się w zależności od rynku.
Kluczowy problem: Tradycyjne metody ekstrakcji oparte na regułach nie radziły sobie z tą różnorodnością. Nieustrukturyzowany, wielojęzyczny charakter treści oznaczał, że każde podejście oparte na stałych szablonach lub dopasowaniu słów kluczowych zawiodłoby przy skali działalności Fr. Meyer’s Sohn.
Co zbudowaliśmy
Zaczęliśmy od proof of concept, aby zademonstrować, że generatywna AI może niezawodnie obsłużyć zadanie ekstrakcji. Po tym, jak klient zwalidował wyniki, przeszliśmy do pełnego wdrożenia produkcyjnego.
Potok ekstrakcji oparty na GPT. Zbudowaliśmy system ekstrakcji wykorzystujący GPT-3.5 i GPT-4, ze starannie zaprojekt owanymi promptami zoptymalizowanymi pod kątem danych logistycznych. System odczytuje przychodzące e-maile, identyfikuje istotne punkty danych wskazane przez klienta i zwraca je w przejrzystym, ustrukturyzowanym formacie.
Obsługa wielu języków. System natywnie przetwarza treści po niemiecku i angielsku, obsługując różnice w formatowaniu, konwencjach dat i terminologii charakterystyczne dla globalnych operacji logistycznych. Brakujące pola są oznaczane zamiast zgadywane, co zapewnia integralność danych.
Wdrożenie klasy produkcyjnej. Rozwiązanie zostało zbudowane przy użyciu FastAPI i spakowane w kontenerze Docker do wdrożenia na własnych serwerach klienta. Fr. Meyer’s Sohn wysyła żądania do API i otrzymuje ustrukturyzowane dane – w pełni zintegrowane z istniejącym przepływem operacyjnym.
Obsługa błędów i monitoring. Gotowe do produkcji logowanie, obsługa błędów i narzędzia do utrzymania zostały wbudowane od samego początku – zapewniając niezawodne działanie systemu na dużą skalę bez konieczności ciągłej uwagi.
Wyniki
PRZED
Ręczna ekstrakcja z nieustrukturyzowanych e-maili. Czasochłonna, podatna na błędy i niemożliwa do skalowania przy rosnącej liczbie wiadomości.
PO
Automatyczna ekstrakcja przez API. Ustrukturyzowane dane dostarczane w czasie rzeczywistym, obsługa wielu języków, wdrożone na własnej infrastrukturze klienta.
Zautomatyzowany system sprawnie identyfikuje teraz informacje istotne dla logistyki z nieustrukturyzowanych e-maili, niezależnie od języka czy formatu. Nakład pracy przy ręcznej ekstrakcji został drastycznie ograniczony, a ustrukturyzowane dane wyjściowe integrują się bezpośrednio z procesami operacyjnymi Fr. Meyer’s Sohn.
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