AI i orderregistrering: kontrollera artikel, enhet och pris separat
Ett begripligt beställningsmejl är inte alltid klart att registrera. Ett exempel visar vilka uppgifter som måste komma från verksamhetens system.

”Skicka två kartonger A till samma pris som sist.” Avsikten är begriplig. En tillförlitlig order kräver ändå fler uppgifter. Vilken förpackning menar kunden? Vad avtalades förra gången? Gäller det priset fortfarande?
Vi rekommenderar att språkmodellen används för att tolka meddelandet. Artikelmatchning, enhetsomräkning och gällande pris bör bygga på godkända affärsdata och regler. En rimlig text ersätter inte en saknad affärsöverenskommelse.
Vad meddelandet faktiskt visar
Den påhittade katalogen har A-6 med sex stycken per kartong och A-12 med tolv. Båda kallas ”artikel A” till vardags. Kundens senaste order innehöll A-6. Historiken är en ledtråd, men bevisar inte att samma förpackning avses nu.
Uppgift | Kan utläsas ur meddelandet | Behövs fortfarande för ordern |
|---|---|---|
Antal | Två kartonger | Entydig förpackningsenhet |
Artikel | Benämningen A | Matchning mot A-6 eller A-12 |
Prisönskemål | Som sist | Tidigare villkor och nuvarande giltighet |
Kund | Avsändaren som möjlig ledtråd | Bekräftelse av rätt kundkonto |
Tolv och tjugofyra stycken är olika order i exemplet. Automatiseringen ska hålla osäkerheten synlig. Den kan förbereda en riktad fråga eller lämna ärendet till granskning.
Skilj förslaget från registreringen
Ett användbart utkast bevarar originalmeddelandet tillsammans med den föreslagna matchningen. För varje rad är det tydligt vad som kommer från texten, vad som kommer från katalogen och vilket beslut som återstår.
Priset kontrolleras mot verksamhetens fastställda priskälla. En tidigare faktura kan spegla en kampanj, ett annat antal eller andra villkor. Modellen bör inte dra slutsatsen att kunden fortfarande har rätt till samma pris.
När kund, artikel, enhet och pris är fastställda kan utkastet godkännas enligt överenskomna regler. Upprepad leverans av samma meddelande ska också hanteras utan att oavsiktligt skapa en andra order.
Krävs redan en agent?
Anthropic skiljer förutbestämda flöden från system där modellen väljer nästa steg. Här kan en fast följd av läsning, jämförelse och kontroll räcka. En modell i flödet motiverar inte automatiskt en agent som själv väljer handlingar.
Större handlingsutrymme kan hjälpa om varje fall kräver olika undersökningar. Vilka data som får läsas och vilka handlingar som är tillåtna förblir avgränsat. Ett produktnamn avgör inte det konstruktionsvalet.
När automatisk accept kan vara lämplig
En begränsad katalog och tydliga kundkoder kan förändra förutsättningarna. Om ”A” enligt överenskommelse endast betyder A-6, prisregeln är fastställd och övriga kontroller går igenom, kan automatisk registrering ingå i det godkända flödet. Varje rad behöver då inte i princip godkännas av en människa.
Pröva de svåra fallen separat: annan förpackning, utgångna villkor, oklar avsändare och upprepat meddelande. Bestäm rätt resultat för varje fall i förväg. En hög total träffnivå säger lite om huruvida ett oklart pris godkänns automatiskt.
Förväntad förbättring i ett första projekt ska vara konkret: mindre manuell överföring med entydig artikel, spårbart antal och korrekt tillämpade villkor. Bedöm hela ärendet, inklusive frågor och rättelser, för att se om det lyckas.
Källor
Anthropic: Building effective agents, för den begreppsliga skillnaden mellan flöde och agent. Rekommendationen och orderexemplet är redaktionell analys.
Läs vidare
Alla artiklar






AI & automatisering med ASES
AI-assistenter och automatiserade flöden



