Hundratals ordrar om dagen — skapade av AI
- 8 juli
- 4 min läsning
Kunderna mejlar sina beställningar som fritext — utan artikelnummer, med ungefärliga produktnamn och egna önskemål. Hos en svensk producent av färdigmat skapas kundordrarna numera automatiskt i CloudOffice: AI:n läser mejlen, tolkar innehållet och lämnar bara de tveksamma fallen till en människa. Så här gick det till.
Utgångsläget: repetitivt, tidskrävande och känsligt för fel
Företaget levererar färdigmat och catering till butiker och kaféer i Sverige. Beställningarna kommer via mejl, och varje mejl krävde manuell inläggning i affärssystemet: hitta kunden, tolka produktnamnen, knappa in rader, datum och önskemål. Tidskrävande i vardagen — och en verklig risk för fel under högsäsong, när volymerna toppar och tempot är som högst.
Tillsammans med en extern AI-specialist identifierades två områden med störst potential: hanteringen av ordermejl och prognostisering av beställningsvolymer för sortimentet i butik. Man började med ordermejlen — där fanns allt som behövdes redan på plats i CloudOffice öppna API.
Lösningen: AI läser mejlen, ordrarna väntar som utkast
Flödet ser ut så här:
Mejlen hämtas från företagets orderinkorg. AI:n läser varje mejl och extraherar orderinformationen: kund, artiklar, antal, leveransdag och övriga önskemål — leveranstider, allergener och annat som kunden skrivit i fritext.
Uppgifterna matchas mot kund- och artikelregistret från CloudOffice — även när kunden skriver ungefärliga produktnamn utan artikelnummer.
En kundorder skapas via API:et — alltid som utkast. Ingenting bokförs skarpt utan att företaget själva godkänt ordern. Kund, leveransdatum, rutt och fordon fylls i automatiskt (rutten hämtas från kundkortet, eller från senaste leveransen om ingen rutt finns angiven), och kundens ursprungliga mejltext sparas i orderns kommentarsfält.
Är AI:n säker på ordern lämnas den ren — personalen kan kontrollera raderna direkt i orderlistan och godkänna ordern utan att ens öppna den. Är något tveksamt markeras ordern med [GRANSKNING] i referensfältet, och i kommentaren står exakt vad AI:n är osäker på.
Inbyggda säkerhetsspärrar
Automatiken fick från start fler kontroller än den manuella processen någonsin haft:
Dubblettkontroll. När en order skapas letar systemet efter liknande ordrar — samma kund, samma referens, samma artiklar — och flaggar risken för dubbel inmatning.
Datumkontroll. Kunder skriver ibland fel i mejlen: fel år (2027 i stället för 2026) eller "lördag den 10 juni" när den 10:e inte är en lördag. Sådana ordrar flaggas för granskning, liksom leveransdatum orimligt långt fram.
Spårbarhet i mejlkorgen. Varje mejl som AI:n behandlat får etiketten "AI-processad". Läst + etikett betyder att ordern redan väntar i CloudOffice. Oläst + etikett betyder att AI:n inte kunde skapa någon order — mejlet ska hanteras av en människa. Personalen jobbar kvar i sin vanliga mejlmiljö, med full koll på vad som är klart och vad som väntar.
Resultatet
Hundratals ordrar om dagen hanteras nu helt automatiskt. Merparten av alla ordrar landar färdigifyllda i CloudOffice, personalen granskar i stället för att knappa in — och de inbyggda kontrollerna fångar fel som tidigare kunde slinka igenom. Många timmar sparas varje dag, och den orderansvariga hos kunden brukar numera visa upp dagens automatiskt registrerade ordrar med viss stolthet.
Nästa nivå: prognoser i stället för magkänsla
Del två av projektet handlar om beställningsvolymerna. Företaget har hyllavtal med butiker: hyllan ska hållas fylld, men producenten bär risken för svinn. För mycket ger returer, för lite ger tomma hyllor och förlorad försäljning. Att justera beställningarna manuellt — en orderrad i taget, per butik — hann personalen i praktiken inte med.
Första steget är en analysrapport som byggs från försäljningshistoriken i CloudOffice: per butik och artikel visas historiska leveransdagar, levererade och returnerade volymer, returgrad med färgkodning — så att inköparna snabbt ser var de ska agera och kan justera volymerna samlat i stället för rad för rad.
Nästa steg är redan byggt till stora delar: en prognosmotor som föreslår beställningsvolym per butik, artikel och leveransdag. Modellen lär sig av försäljningshistorik, kalendern (helger, röda dagar) och vädret — känsligheten för väder skiljer sig kraftigt mellan butiker. Den tar också hänsyn till lönsamheten: med hög bruttomarginal är en förlorad försäljning dyrare än en retur, och modellen kalibreras per artikel därefter. En och samma modell täcker alla butiker och lär sig av liknande butiker — så att även nya butiker med kort historik får vettiga förslag. Redan i tester presterar prognosmotorn i nivå med en erfaren inköpare. Införandet görs stegvis, i takt med att datahistoriken växer.
Så är det byggt — och därför gick det snabbt
Hela lösningen är ett fristående program som pratar med CloudOffice genom vårt öppna API — samma API som finns dokumenterat på developers.cloudoffice.se. Mejlen hämtas via företagets ordinarie mejlmiljö, väderdata via en öppen vädertjänst, och var tionde minut kontrolleras inkorgen efter nya beställningar. Inga specialanpassningar av CloudOffice krävdes: kund- och artikelregister, kundordrar, försäljningshistorik och avtal — allt fanns redan åtkomligt via API:et.
Det är precis så vi tänker oss AI i affärssystemet: CloudOffice är den pålitliga basen där alla data samlas — och öppenheten gör att AI-lösningar kan kopplas på och göra jobbet.
Vill ni göra något liknande?
Har ni ett flöde med många manuella moment — ordermejl, beställningar, prognoser? Boka en AI-visning så visar vi det här caset live och diskuterar vad som går att automatisera hos er.
Företagsuppgifter och referenser lämnas på begäran.
Kommentarer