Ryba Wooden Products to rodzinny polski producent drewnianych desek do krojenia, tac i produktów dekoracyjnych. Firma obsługuje klientów indywidualnych, hotele, restauracje oraz przedsiębiorstwa zamawiające produkty pod własnymi markami.
Firma chciała zwiększyć swoją gotowość na AI, podejmując praktyczne decyzje dotyczące AI i systemów wewnętrznych. Potrzebowała wiedzy o tym, gdzie agent AI mógłby wspierać codzienną pracę, które pomysły zasługują na inwestycję oraz które dane i systemy obsługi klienta wymagają usprawnienia w pierwszej kolejności. Soba Labs przeprowadziło audyt, który odpowiedział na te pytania.
Nie chodziło o kolejne odizolowane demo AI. Współpraca łączyła audyt operacyjny z wdrożeniem. Jej efektem była roadmapa AI, przeniesienie danych operacyjnych do PostgreSQL oraz pomoc zespołowi w wyborze i wdrożeniu CRM dopasowanego do firmy.
Wyzwanie biznesowe
Szanse związane z AI rzadko mieszczą się w jednym dziale. Asystent sprzedaży może potrzebować danych produktowych. Agent operacyjny może zależeć od spójnych rekordów zamówień. Raportowanie nie jest wiarygodne, jeśli każde źródło opisuje tego samego klienta inaczej. Dlatego agentic process automation musi uwzględniać cały proces biznesowy, a nie tylko zadanie przypisane agentowi.
Ryba Wooden Products stanęło zatem przed trzema powiązanymi pytaniami:
- Które zadania wewnętrzne nadają się do wsparcia przez AI?
- Jakiego fundamentu danych potrzebowałyby takie systemy?
- Który CRM mógłby obsłużyć proces sprzedaży firmy i przyszłe integracje?
Potraktowanie tych kwestii jako odrębnych zakupów doprowadziłoby do powstania kolejnych niepowiązanych systemów. Audyt rozpatrywał je jako jeden model operacyjny.
Roadmapa oparta na rzeczywistej pracy
Pierwsza część współpracy wskazała, gdzie AI mogłoby wyeliminować powtarzalną pracę lub ułatwić korzystanie z informacji. Szanse ocenialiśmy według tych samych praktycznych pytań: Czy zadanie powtarza się wystarczająco często? Czy informacje źródłowe są dostępne? Czy wynik można zweryfikować? Co powinno się stać, gdy system nie ma pewności? Podejście to jest zgodne z NIST AI Risk Management Framework, który zaleca organizacjom zmapowanie kontekstu i pomiar ryzyka przed zarządzaniem systemem AI w użyciu.
Roadmapa grupowała szanse wokół potrzeb biznesowych, a nie narzędzi. Obejmowały one wsparcie klientów i sprzedaży, dostęp do wiedzy wewnętrznej, raportowanie operacyjne oraz powtarzalną koordynację opartą na ustrukturyzowanych rekordach. Dzięki temu wdrażanie AI stało się sekwencją weryfikowalnych decyzji biznesowych, a nie listą niepowiązanych eksperymentów.
To rozróżnienie miało znaczenie. Celem nie było dodanie agenta wszędzie. Chodziło o ustalenie, gdzie agent może przejąć określoną część przepływu pracy, a gdzie wynik nadal musi zweryfikować człowiek. Podejście wyznacza tę samą granicę, którą opisujemy w przewodniku po systemach human-in-the-loop.
Najpierw fundament
Audyt wykazał, że przyszła automatyzacja zależy od silniejszej, wspólnej warstwy danych. Pomogliśmy przenieść dane operacyjne do PostgreSQL, co dało firmie bazę danych zaprojektowaną z myślą o spójnych rekordach, kontrolowanym dostępie, raportowaniu i przyszłych integracjach. Ograniczenia danych w PostgreSQL pozwalają wymuszać poprawne wartości, unikalne identyfikatory i relacje między rekordami na poziomie bazy danych.
Migracja była częścią zrealizowanej współpracy, a nie rekomendacją odłożoną na później. Dała roadmapie AI i systemowi obsługi klienta wspólny fundament techniczny.
Dobrze skalowana baza danych sama w sobie nie tworzy wartości biznesowej. Jej wartość wynika z decyzji, które umożliwia. Zespoły mogą podłączać nowe systemy do jednego wiarygodnego źródła, określać odpowiedzialność za ważne rekordy i unikać budowania tej samej integracji od nowa przy każdej kolejnej automatyzacji. Tę samą zależność widać w naszym case study Gamrat, gdzie pilotaż proponowanego asystenta ofertowego może ruszyć dopiero po udostępnieniu zatwierdzonych danych o cenach, stanach i dostawach.
Wybór i wdrożenie CRM
Decyzja o CRM opierała się na tej samej zasadzie. System CRM pomaga firmie zarządzać interakcjami z klientami i potencjalnymi klientami. Pomogliśmy Ryba Wooden Products porównać dostępne opcje z rzeczywistym procesem sprzedaży, wymaganiami dotyczącymi danych i potrzebami integracyjnymi. Prace zakończyły się wybranym i wdrożonym CRM, a nie krótką listą dostawców.
CRM i fundament w PostgreSQL zaplanowano razem. Rekordy klientów, dane operacyjne i przyszła automatyzacja przepływów pracy zyskały jaśniej określone miejsce w systemie. Zmniejszyło to ryzyko wyboru narzędzia do obsługi klientów, które działałoby w izolacji, ale blokowałoby późniejsze prace nad AI.
Co zmieniło się w firmie
Ryba Wooden Products zakończyło współpracę z mierzalnymi korzyściami operacyjnymi i solidniejszym fundamentem systemowym:
- realizacja procesów przyspieszyła o 30%;
- liczba błędów operacyjnych spadła o 42%;
- uporządkowany według priorytetów obraz tego, gdzie agenci AI mogą wspierać operacje wewnętrzne;
- jasne granice określające, która praca powinna pozostać pod kontrolą człowieka;
- dane operacyjne przeniesione do PostgreSQL;
- CRM wybrany i wdrożony z myślą o potrzebach firmy.
Szybsza praca i niższy odsetek błędów wynikały z potraktowania szans związanych z AI, architektury danych i obsługi klientów jako jednego planu, a nie trzech niepowiązanych decyzji technologicznych.
Rezultat
Współpraca przeszła od audytu do wdrożenia. Ryba Wooden Products zyskało praktyczną roadmapę AI oraz systemy potrzebne do jej realizacji. Realizacja procesów przyspieszyła o 30%, a liczba błędów operacyjnych spadła o 42%. Firma może oceniać każdego przyszłego agenta w odniesieniu do rzeczywistych przepływów pracy, wiarygodnych danych i CRM już powiązanego ze sposobem pracy zespołu.
Wniosek jest prosty. Audyt AI jest użyteczny tylko wtedy, gdy zmienia kolejne działania firmy. Należy ustalić priorytety prac, wzmocnić fundament danych i wdrożyć systemy wspierające działanie firmy, od których będą zależeć przyszli agenci.
Słowami klienta
“They audited where AI could actually help us, then did the work. Our operational data moved to PostgreSQL, a CRM went in around how we really sell, and processes now run 30% faster with 42% fewer errors.”
Rafał Ryba, CEO, Ryba Wooden