Polish flag Polski
Kontakt

Automatyzacja pracy w PIM za pomocą AI: 

Przypadki zastosowania i korzyści dla klientów


Skontaktuj się z nami
AI PIM E-commerce
Author

Olgierd Mrozik
18.02.2025
5 min. czytania

Wprowadzenie

Wdrażanie systemów PIM (Product Information Management) to proces wymagający precyzyjnego przygotowania, czyszczenia i kategoryzacji danych produktowych. W firmie LemonMind, dzięki wykorzystaniu sztucznej inteligencji, wspieramy naszych klientów w automatyzacji tych złożonych procesów, co przekłada się na znaczną oszczędność czasu i zasobów.

Sztuczna inteligencja odgrywa kluczową rolę w transformacji zarządzania informacjami produktowymi. Jej zdolność do analizowania i przetwarzania dużych zbiorów danych umożliwia automatyzację wielu rutynowych zadań, takich jak klasyfikacja produktów czy generowanie opisów. Dzięki temu procesy te stają się bardziej efektywne i mniej podatne na błędy.

W LemonMind, w ramach naszego rozwiązania LemonHub.AI, integrujemy AI z systemami PIM, aby usprawnić procesy zarządzania danymi produktowymi. Nasze podejście obejmuje automatyczne mapowanie atrybutów produktów z różnych źródeł, odczytywanie danych z etykiet produktowych oraz tworzenie inteligentnych asystentów wyposażonych w aktualną wiedzę o produktach. Takie kompleksowe podejście do PXM (Product Experience Management) z wykorzystaniem AI pozwala na dostarczanie spójnych i atrakcyjnych informacji produktowych we wszystkich kanałach sprzedaży.

Poniżej przedstawiamy konkretne przykłady zastosowania naszych rozwiązań:

Case nr 1: Automatyczne mapowanie pół miliona produktów do nowej kategoryzacji

Nasz klient stanął przed wyzwaniem przeniesienia aż 500 000 produktów ze starej struktury kategorii do nowej, opartej na odświeżonej klasyfikacji. Tradycyjna, ręczna klasyfikacja wiązałaby się z ogromnym nakładem czasu i kosztów – przy założeniu, że przypisanie jednego indeksu produktowego trwa 10 sekund, całkowity czas pracy wyniósłby około 1400 godzin, co przekłada się na koszty rzędu 210 000 zł (przy całkowitych kosztach pracy przyjętych na 150 zł za godzinę). Dodatkowo, ręczne metody są narażone na błędy, brak standaryzacji oraz ograniczoną skalowalność, co może negatywnie wpływać na jakość danych i podejmowanie strategicznych decyzji biznesowych. 

Czasochłonna klasyfikacja produktów

Wysokie koszty operacyjne

Ryzyko błędów i brak standaryzacji

Aby sprostać tym wyzwaniom, wdrożyliśmy rozwiązanie oparte na algorytmach sztucznej inteligencji, które automatycznie mapuje produkty do odpowiednich kategorii.

Przy założeniu, że tradycyjna metoda wymagała 1600 godzin pracy, przy standardowej stawce 150 zł za godzinę, koszty operacyjne wynosiłyby:

  • 1400 godzin × 150 zł/h = 210 000 zł.

Wdrożenie rozwiązania opartego na algorytmach sztucznej inteligencji, które automatycznie mapuje produkty do odpowiednich kategorii, pozwoliło zredukować nakład pracy o 80%. Oznacza to, że manualnie przetwarzane zostanie jedynie:

  • 1400 godzin × 20% = 280 godzin.

Obliczając nowe koszty operacyjne:

  • 280 godzin × 150 zł/h = 42 000 zł.

Dzięki automatyzacji uzyskano bezpośrednią oszczędność na poziomie:

  • 210 000 zł (koszt manualny) – 42 000 zł (koszt po AI) = 168 000 zł.

Dodatkowo, wbudowany moduł analizy danych umożliwił minimalizację ryzyka błędów, co szacunkowo przełożyło się na dodatkowe oszczędności rzędu 10% pierwotnych kosztów manualnych, czyli:

  • 210 000 zł × 10% = 21 000 zł.

Łączne oszczędności osiągnięte dzięki wdrożeniu rozwiązania wyniosły więc:

  • 168 000 zł + 21 000 zł = 189 000 zł w ciągu 10 miesięcy.


Dzięki wdrożeniu rozwiązania LemonMind opartego na AI, klient nie tylko znacząco obniżył koszty operacyjne i skrócił czas potrzebny na klasyfikację produktów, ale także uzyskał spójną i standaryzowaną strukturę danych. Standaryzacja ta ułatwia integrację z systemami informatycznymi oraz poprawia jakość raportowania, co ma kluczowe znaczenie przy analizie sprzedaży i podejmowaniu strategicznych decyzji. Automatyzacja procesu umożliwiła pracownikom skoncentrowanie się na zadaniach o wyższej wartości dodanej, eliminując monotonne, czasochłonne czynności manualne.

Podsumowując, zastosowanie sztucznej inteligencji w automatycznym mapowaniu produktów okazało się nie tylko technologicznym usprawnieniem, ale także strategicznym narzędziem optymalizującym koszty, zwiększającym efektywność operacyjną i minimalizującym ryzyko błędów, co w konsekwencji przyczyniło się do dalszego rozwoju biznesu naszego klienta.


Dowiedz się jak zaoszczędzić

Wprowadź AI do swojego biznesu!

Skontaktuj się z nami by zwiększyć wydajność i podnieść jakość danych produktowych.

Bezpłatna konsultacja

Olgierd Mrozik

[email protected]

+48 58 732 27 37

Case 2: Automatyczne odczytywanie danych z etykiet produktowych

Inny klient borykał się z problemem wprowadzania do systemu PIM danych z etykiet produktowych o niskiej jakości. Ręczne odczytywanie i rejestrowanie informacji, takich jak składniki czy wartości odżywcze, było nie tylko czasochłonne, ale także narażone na błędy wynikające z różnorodności i słabej czytelności etykiet. Tradycyjne metody okazały się niewystarczające, co skutkowało opóźnieniami i podwyższonymi kosztami operacyjnymi.

Czasochłonny proces ręcznego wprowadzania danych

Wysokie koszty operacyjne

Błędy wynikające ze słabej jakości etykiet

Przy założeniu, że mamy do przetworzenia 150 000 produktów, całkowity czas pracy wynosiłby:

  • 150 000 produktów × 5 minut = 750 000 minut, czyli około 12 500 godzin.

Przy standardowej stawce 150 zł za godzinę, ręczne przetwarzanie generowałoby koszty rzędu:

  • 12 500 godzin × 150 zł/h = 1 875 000 zł.


Wdrożenie rozwiązania opartego na AI, które automatycznie rozpoznaje i ekstraktuje kluczowe informacje z etykiet (takie jak składniki czy wartości odżywcze) oraz integruje je z systemem PIM, pozwoliło zredukować pracę manualną dzięki skuteczności na poziomie 95%. Oznacza to, że jedynie 5% produktów wymaga dalszej interwencji manualnej. W praktyce, manualnie przetwarzane zostanie:

  • 150 000 produktów × 5% = 7 500 produktów.

Obliczając czas potrzebny na ręczną obsługę tych produktów:

  • 7 500 produktów × 5 minut = 37 500 minut, czyli około 625 godzin.

Koszt ręcznego przetwarzania w nowej sytuacji wynosiłby:

  • 625 godzin × 150 zł/h = 93 750 zł.

Dzięki automatyzacji uzyskano bezpośrednią oszczędność na poziomie:

  • 1 875 000 zł (koszt manualny) – 93 750 zł (koszt po AI) = 1 781 250 zł.


Dodatkowo, zastosowanie systemu AI umożliwiło wykrywanie błędów już na etapie ekstrakcji, co pozwoliło na uniknięcie kosztów związanych z ich późniejszą korektą. Szacujemy, że ta redukcja błędów przekłada się na dodatkowe oszczędności rzędu 10% pierwotnych kosztów manualnych, czyli około:

  • 1 875 000 zł × 10% = 187 500 zł.

Łączne oszczędności osiągnięte dzięki wdrożeniu rozwiązania wynoszą więc:

  • 1 781 250 zł + 187 500 zł = 1 968 750 zł.


Dzięki temu rozwiązaniu klient nie tylko znacznie przyspieszył proces wprowadzania danych, ale również zredukował liczbę błędów do minimum. Automatyzacja procesu umożliwiła pracownikom skoncentrowanie się na bardziej strategicznych zadaniach, jednocześnie zwiększając efektywność operacyjną oraz poprawiając jakość danych w systemie PIM.


Skontaktuj się z nami

Przyspiesz wprowadzanie danych i pozbądź się monotonnych zadań!

Zamień ręczne procesy na AI i zyskaj tysiące godzin. Skoncentruj się na strategii, a rutynę zostaw automatyzacji. Skontaktuj się z nami by dowiedzieć się więcej.

Bezpłatna konsultacja

Olgierd Mrozik

[email protected]

+48 58 732 27 37

Case 3: Generowanie zwięzłych nazw produktów

W branży spożywczej nazwy produktów muszą być nie tylko krótkie i zrozumiałe (często ograniczone do 20 znaków), ale także atrakcyjne dla konsumenta i zgodne z wymaganiami regulacyjnymi. Jeden z naszych klientów, działający w segmencie spożywczym, zmagał się z wyzwaniem tworzenia spójnych nazw produktów. Tradycyjny, manualny proces generowania nazw był nie tylko czasochłonny, ale również obarczony ryzykiem błędów i niespójności, co mogło negatywnie wpłynąć na wizerunek marki.

Czasochłonne tworzenie nazw produktów

Wysokie koszty operacyjne

Brak spójności i ryzyko błędów

Przyjmując, że ręczne opracowanie nazwy produktu zajmowało średnio 3 minuty, a portfolio klienta obejmowało 50 000 produktów, całkowity nakład pracy wynosiłby:

  • 50 000 produktów × 3 minuty = 150 000 minut, czyli około 2 500 godzin.

Przy standardowej stawce 150 zł za godzinę, koszty manualnego procesu kształtowałyby się na poziomie:

  • 2 500 godzin × 150 zł/h = 375 000 zł.


Wdrożenie naszego systemu opartego na sztucznej inteligencji, który automatycznie generuje nazwy produktów, uwzględniając kluczowe cechy produktu i obowiązujące regulacje, pozwoliło zredukować czas potrzebny na ich tworzenie o 70%. Oznacza to, że nowy proces wymaga jedynie 30% pierwotnego nakładu pracy, czyli około:

  • 2 500 godzin × 30% = 750 godzin.

Przy zachowaniu tej samej stawki, nowe koszty operacyjne wyniosłyby:

  • 750 godzin × 150 zł/h = 112 500 zł.

Bezpośrednia oszczędność wyniosła więc:

  • 375 000 zł – 112 500 zł = 262 500 zł.


Dodatkowo, automatyczne generowanie nazw gwarantuje ich spójność i zgodność z wytycznymi, co wpływa na lepsze postrzeganie marki oraz redukuje liczbę potencjalnych błędów. Szacujemy, że dzięki minimalizacji błędów udało się zaoszczędzić kolejne około 10% pierwotnych kosztów (czyli około 37 500 zł).

Łącznie wdrożenie systemu AI pozwoliło osiągnąć oszczędności rzędu około 300 000 zł. Ponadto, dzięki automatyzacji procesu, pracownicy mogą skupić się na zadaniach o wyższej wartości dodanej, co przekłada się na poprawę efektywności operacyjnej oraz umocnienie pozytywnego wizerunku marki na rynku spożywczym.

Dowiedz się więcej o rozwiązaniach AI

Oszczędź czas i pieniądze!

Automatyzuj procesy i zredukuj koszty operacyjne nawet o 80%. Skontaktuj się z nami by dopasować idealne rozwiązania dla Ciebie i Twojej firmy!

Bezpłatna konsultacja

Olgierd Mrozik

[email protected]

+48 58 732 27 37

Case 4: Automatyczne tworzenie technicznych opisów produktów

Dla klienta z branży sanitarnej posiadającego bazę 250 000 produktów z różnymi wariantami, ręczne tworzenie technicznych opisów stanowiło ogromne wyzwanie. Proces ten polegał na analizie danych z systemu PIM, opracowywaniu oraz wprowadzaniu szczegółowych opisów technicznych dla każdego wariantu, co przy ręcznym podejściu wiązało się z długotrwałą i kosztowną pracą. Dodatkowo nasze rozwiązanie zbiera wiedzę o użytych do wytworzenia produktów materiałach, ich rozmiary, spełniane normy i na tej podstawie przygotowuje podsumowanie całego typoszeregu produktów bardzo potrzebne i przydatne dla instalatorów i projektantów do poprawnego doboru produktów w projektowanej instalacji.

Czasochłonne tworzenie opisów technicznych

Wysokie koszty operacyjne

Brak spójnych podsumowań produktowych

Przyjmując, że przygotowanie jednego opisu technicznego zajmuje średnio 10 minut, łączny nakład pracy wyniósłby:

  • 250 000 opisów × 10 minut = 2 500 000 minut, czyli około 41 667 godzin.

Przy standardowej stawce 150 zł za godzinę, koszty ręcznego procesu osiągałyby poziom:

  • 41 667 godzin × 150 zł/h = 6 250 050 zł.

Zastosowanie algorytmów AI, które na podstawie danych z systemu PIM automatycznie generowały szczegółowe opisy techniczne, pozwoliło na automatyzację tego procesu. Dzięki temu udało się zredukować czas pracy zespołu o 80%, co oznacza, że jedynie 20% pierwotnego nakładu pracy musiało być wykonane ręcznie. W praktyce pozostaje:

  • 41 667 godzin × 20% = 8 333 godzin.

Nowe koszty operacyjne przy tej efektywności wyniosły:

  • 8 333 godzin × 150 zł/h = 1 249 950 zł.

Bezpośrednia oszczędność wyniosła więc:

  • 6 250 050 zł – 1 249 950 zł = 5 000 100 zł.

Dodatkowo, automatyczne generowanie opisów przez system AI pozwoliło na znaczną redukcję błędów, które w tradycyjnym procesie mogły generować kolejne koszty. Szacujemy, że dzięki eliminacji błędów udało się zaoszczędzić dodatkowo około 10% pierwotnych kosztów manualnych, czyli:

  • 6 250 050 zł × 10% = 625 005 zł.

Łącznie wdrożenie systemu AI przyczyniło się do oszczędności rzędu:

  • 5 000 100 zł + 625 005 zł = 5 625 105 zł.


Implementacja tego rozwiązania pozwoliła klientowi nie tylko znacząco obniżyć koszty operacyjne, ale także zapewnić wysoką jakość i spójność informacji produktowych. Dzięki automatyzacji procesu tworzenia opisów technicznych, pracownicy mogą skupić się na zadaniach o wyższej wartości dodanej, co przyczynia się do ogólnej poprawy efektywności operacyjnej firmy.

Podsumowanie

Integracja sztucznej inteligencji z systemami PIM przynosi wymierne korzyści w postaci automatyzacji skomplikowanych procesów, redukcji błędów oraz oszczędności czasu i kosztów. Dzięki takim rozwiązaniom firmy mogą skupić się na strategicznych aspektach działalności, jednocześnie dostarczając swoim klientom spójne i atrakcyjne informacje o produktach.

W LemonMind nieustannie rozwijamy nasze narzędzia, aby sprostać rosnącym potrzebom rynku i wspierać naszych klientów w efektywnym zarządzaniu informacjami produktowymi.


Poznaj LemonHub.AI

Potrzebujesz wsparcia w zakresie wdrożenia AI i PXM? 

Sprawdź jak nasze rozwiązania mogą usprawnić zarządzanie danymi produktowymi w Twojej organizacji.

Umów się na indywidualnie przygotowaną prezentację.

Nie czekaj – zacznij optymalizować zarządzanie danymi już dziś!

Contact person

Olgierd Mrozik

[email protected]

+48 58 732 27 37

Nieprawidłowe dane
Nieprawidłowe dane
Nieprawidłowe dane
Nieprawidłowe dane
Nieprawidłowe dane

Zainteresował Cię ten artykuł? Sprawdź inne w podobnej tematyce.

5 zasad dobrego zarządzania informacją produktową.

Podstawowe zasady solidnej strategii zarządzania danymi, która pomoże w kontrolowaniu kosztów, minimalizowaniu ryzyka i poprawieniu wyników biznesowych.

Czym jest sztuczna inteligencja i jak może zrewolucjonizować system PIM?

Przedstawimy koncepcję sztucznej inteligencji i wyjaśnimy, jak można ją wykorzystać do poprawy wydajności i skuteczności systemu PIM.

Ile kosztuje wdrożenie systemu PIM? Kluczowe czynniki i prosty algorytm szacowania

Ile kosztuje wdrożenie systemu PIM? Kluczowe czynniki i prosty algorytm szacowania