תעשיית הרכב · ספק רכב
כיצד יצרן ציוד חיזק את תאימות הספקים שלו על ידי הפחתת העלות של ניתוח ידני של מפרטים בכ-150,000 אירו לשנה.
פרויקט AI ראשון של הקבוצה: יצרן ציוד בשיתוף פעולה עם יצרנים רבים. Nexa Forward has built a pipeline for extracting customer requirements, reconciling them with internal procedures and scoring compliance with integrated human validation.
מדדים ומטא-נתונים
150,000 € לשנה
נמנע עלות ניתוח ידני (הערכה)
80/100
ציון הלקוח בהדגמה (הערכה)
100 %
דרישות מנותחות (לעומת השמטות ידניות)
Métadonnées
| אִרגוּן | ספק רכב |
|---|---|
| מִגזָר | תעשייה ומכוניות |
| היקפי | ניהול איכות |
| פִּתָרוֹן | חילוץ ECD ותאימות למסמכים |
| סטָטוּס | במתכון |
| פְּרִיסָה | On-premise (מכולות ב-VM) |
Evidence Panel קריאה תפעולית
משטח הוכחה מובנה: כל תוצר מקושר למקור, תאריך וסטטוס אימות לפני ייצוא Audit Pack.
ה-Evidence Panel משלים את ה-Run Receipt הטכני: מציג את הבסיס להחלטה בצורה קריאה לנותני חסות או בודקים בלי ז׳רגון של בינה מלאכותית. ייצוא Audit Pack שומר על אותה שרשרת אמון.
ההזדמנות
על החברה לנתח באופן שיטתי את מפרטי הלקוח, מפרטי ותקנים כדי לוודא את התאמתם של הנהלים הפנימיים שלה.
לפני Nexa
- תקציב שנתי משוער ~150,000 € לניתוח ידני
- אי ציות הקשורים להיעדר ניתוח שיטתי של כל המסמכים
- תהליך גוזל זמן ונוטה להשמטות (מסמכים ארוכים, רב לשוניים)
- קשה להגן על בוררויות ציות לאורך זמן
- עומס חוזר של שאלונים וביקורות ספקים
הפתרון
צינור חילוץ וציות
צינור בן שבעה שלבים: ניתוח רב פורמט ורב לשוני, חילוץ דרישות (כולל "מגירה"), אינדקס וקטור של נהלים פנימיים, התאמה סמנטית מרובה גישות (RAG, מילות מפתח, היוריסטיות), ניקוד וסיווג, יצירת הערות הצדקה, אימות HITL לפני ייצוא.
רכיבי Nexa בשימוש
| רכיב | תפקיד בטקס העבודה |
|---|---|
| אלגוריתם בוררות | תזמור RAG + מילות מפתח + היוריסטיות לפיוס |
| פאנל הוכחות | ציון ביטחון, מקורות קרובים, שושלת לפי דרישה |
| HITL | אימות איכות לפני הייצוא |
| כספת ידע בינה מלאכותית | דפוסי תאימות מאומתים לשימוש חוזר מתוכנית אחת לאחרת |
| חבילת ביקורת | ייצוא סטנדרטי שמיש על ידי רואי חשבון |
ארכיטקטורת פריסה
- מומלץ מקומי (Docker ב-VM)
- מסדי נתונים עסקיים ומטא נתונים לפי ארכיטקטורת הלקוח
- מחברי EDM (API, SFTP, SharePoint)
ההשפעה
| ממד ערך | השפעה ממשית |
|---|---|
| הַתאָמָה | ניתוח שיטתי של דרישות הפחתת השמטות |
| פִּריוֹן | הפחתה משמעותית בעלות השנתית הקשורה לניתוח ידני |
| אֵיכוּת | ציון לקוח מוערך ב-80/100 מההדגמה הראשונה (לדוגמה: כמה עשרות דרישות שחולצו מקובץ מורכב) |
| מדרגיות | נפח מסמכים הולך וגדל ללא גידול יחסי בצוות |
| קֶרֶן | פרויקט AI ראשון של הקבוצה: תשתית, ממשל ובסיס לטקסים הבאים |
ציון משוער 80/100 מההדגמה; ביטחון להתכנס בעוד כמה איטרציות.
סיפור בחמישה מערכים
לקרוא את הסיפור המלא
מערכה 1 האירוע
מגיע מפרט רחב היקף: מזהים כל דרישה, השוו אותה לנהלים, הפק תקציר בדדליין צפוף, כבר בידיעה שסיקור מלא ביד הוא הזוי. דרישת "מגירה" כבר הושמטה; הלקוח ציין את אי ההתאמה.
מערכה 2 החוב הגלוי
תהליך יקר שאינו מבטיח כיסוי מלא. מסמכים ארוכים ורב לשוניים; כל מחדל הוא סיכון. בוררויות אינן מתועדות מול מבקר, התגובה היא יותר זיכרון מאשר הוכחה.
מערכה 3 הנדנדה
הצינור מנתח את המסמך, מחלץ את הדרישות (כולל "המגירות"), מיישב את הנהלים עם ציון ביטחון. לוח הראיות מציג את השושלת. איכות מאמתת באמצעות HITL. חבילת הביקורת מייצאת את הסיכום בפורמט פנימי.
מערכה 4 ההוכחה
כיסוי של דרישות, ציונים גלויים, Vault שמנצלת את הדפוסים שהעלות השולית של הקובץ הבא יורדת.
מערכה 5 השאלה הנותרת
המפרט האחרון שלך יצר כמה דרישות וכמה הם בהשוואה לנהלים שלך עם ציון מתועד וייצוא בר ביקורת?