Канадский стартап решает проблему - как избежать ручной обработки данных при оптимизации цепочек поставок. Logistic

Одной из самых больших проблем, с которыми сталкиваются операторы цепочки поставок при выявлении убытков, является ручная работа по поиску и чтению нужных документов для обнаружения доказательств убытков. Сегодня этот процесс может занять от 12 до 18 месяцев и требует, чтобы бухгалтеры и финансовые аналитики читали огромное количество счетов-фактур, генеральных соглашений об обслуживании и электронных писем поставщиков. Эта задержка в выявлении убытков и их устранении может составить до 5% расходов поставщиков и привести к серьезным разногласиям с поставщиками. Доверие клиентов также может быть подорвано.

«Внутренние аудиторы или внешние бухгалтерские фирмы использовали очень дорогие бухгалтерские ресурсы для чтения документов, чтобы точно определить экономию средств и неэффективность для своих клиентов», — говорит Джон Крейг, генеральный директор Vigilant AI. «Мы могли бы сразу увидеть выгоду для операторов цепочки поставок, если бы смогли разработать лучшее решение».

Используя искусственный интеллект и машинное обучение в сочетании с безопасным хранилищем данных, Джон и его команда создали платформу, которая может анализировать и взаимно коррелировать как структурированные (например, электронные таблицы), так и неструктурированные (например, электронные письма, документы) данные для выявления потерь в цепочке поставок. Платформа может поддерживать документацию на нескольких языках и может принимать и анализировать данные, представленные в разных форматах.