Sähköpostiviestit tekoälyn avulla suoraan sovellukseen
Case study

Asiakkaamme saa sähköpostiin satoja erilaisia viestejä päivässä liittyen heidän hallinnoimiensa laitteiden erilaisiin lukemiin.

Teimme sovelluksen, joka etsii automaattisesti sähköpostilaatikosta oikeat viestit, lukee ja järjestää tiedon Microsoftin OpenAI:n avulla ja vie tiedon suoraan sovellukseen. Tähän prosessiin ei projektin jälkeen tarvita kenenkään työaikaa.

Tekoälysovellus
@Simplifiedsolutions

7

Erilaista automaatioputkea ja tekoälypromptia

1

Asiakkaan tarvitsee käyttää vain yhtä työkalua jatkossa

100%

Parempi näkyvyys uusista viesteistä ja tehdyistä jatkotoimenpiteistä

Lähtötilanne

Asiakkaamme hallinnoivat tuhansia laitteita, niiden ylläpitoa ja uusien komponenttien tilaamista ympäri Suomen. Ennen sovellusta, työntekijöiden työaikaa kului paljon siihen, että he etsivät sähköpostilaatikosta erilaisia viestejä, tarkastivat lukemia ja kirjasivat jatkotoimenpiteitä kuka minnekin. Tämä oli paitsi hidasta ja työlästä, oli myös vaikea pysyä kärryillä siitä, mitä on tehty ja mitä tekemättä.

Viestejä tulee paljon, eri muodoissa ja eri kielillä, joten tarvittiin ratkaisu, joka pystyy lukemaan monenlaista viestiä. Ja mikäpä muukaan tähän tarpeeseen sopisi, kuin juuri tähän tehtävään koulutettu tekoäly.

Haasteet ennen sovellusta

Image

Valtava sähköpostitulva

Asiakkaalla on käytössä eri merkkisiä ja mallisia laitteita, jotka lähettävät raportteja eri kielissä, eri muodoissa ja eri osoitteista. Työn edistymistä ei voitu seurata kätevästi.

Image

Paljon tuplatyötä

Kun työtä tehtiin sähköpostilaatikon välityksellä, tuli helposti katsottua samaa viestiä moneen kertaan, mietittyä onkohan tämä hoidossa ja kenellä vai ei, joten tuhlattiin paljon työaikaa.

Sovelluskehitys

Mitä tehtiin?

1.
Käytiin läpi sovelluksen toiminnallisuudet

Katsoimme, miten nykyistä prosessia voitaisiin helpottaa ja mitkä teknologiat sopisivat tarpeeseen parhaiten.

2.
Sovelluksen UI ja viestien tulkitseminen

Seuraavaksi rakennettiin sovelluksen käyttöliittymä ja alettiin käymään läpi erilaisia viestejä, joista lukemia aletaan etsimään

3.
Tekoälyn koulutus ja automaatiot

Sitten alkoi itse lukemien lisäämisen työtehtävät. Ensin tehtiin tarvittavat automaatiot käyttäen Microsoftin Logic appia ja alettiin kouluttaa tekoälyä lukemaan eri viestejä ja etsimään olennaiset tiedot ja viemään ne API-yhteydellä sovellukseen.

4.
Testaus ja julkaisu

Tämäkään tekoäly ei ollut seppä syntyessään, vaan sitä piti ohjata ja promptia muokata, jotta se varmasti etsi ja lisäsi oikeat tiedot. Kun nähtiin, että viestit kirjataan oikein, sovellus julkaistiin työntekijöiden käyttöön.

Käytetyt teknologiat

Tässä sovelluksessa käytettiin seuraavia teknologioita:

Bubble.io

Sovellus toteutettiin Low-code alustalla nimeltä Bubble.io. Tämä valinta tehtiin siksi, että haluttiin alusta, joka pärjää erityisen hyvin web-sovelluksena, eli silloin kun sitä käytetään pääasiassa tietokoneella.

Haluttiin myös alusta, jolla käyttöliittymä saadaan nopeasti valmiiksi ja pystytään tekemään monipuolisia toimenpiteitä tekoälyn tuomalle datalle. Bubble vastasi tähän tarpeeseen loistavasti.

Bubble.io käyttöliittymä

Microsoft Logic App ja Open AI
‍‍
Sähköpostiviestien etsimiseen, tulkitsemiseen ja sovelluksen viemiseen teimme suhteellisen kompleksin automaation, jossa oli eri ehtoja ja eri prompteilla varustettu tekoäly tekemässä työtään. Näiden liittäminen Bubbleen oli hyvin vaivatonta ja tekoäly oppi tehtävänsä nopeasti.

Open ai sovellus

Tarvitseeko sinun yrityksesi tiedon etsimistä, analysointia ja vientiä sovellukseen?

Mikäli kalenteri ei lataudu automaattisesti, voit avata sen tästä linkistä.