Ya hemos hablado de la importancia de automatizar la gestión de las Instrucciones de Embarque y de cómo esta automatización puede ser un catalizador de la eficiencia en la logística.

Anteriormente hemos visto cómo la optimización de la introducción de datos, la simplificación de la creación de conocimientos de embarque a partir de instrucciones enviadas por correo electrónico y la adopción de la automatización de documentos impulsada por la Inteligencia Artificial (IA) conducen a un aumento de la productividad y a claras mejoras en la precisión y la eficiencia operativa. Sin embargo, nuestro viaje no termina ahí.

Seguiremos investigando la adopción de tecnologías de automatización de documentos como elemento crucial para lograr la eficiencia operativa en el servicio al cliente, exploramos los métodos que deben utilizarse para agilizar los procesos de gestión de las instrucciones de embarque y examinaremos la solución propuesta por Wenda, que se basa en la combinación de la automatización de documentos y la Inteligencia Artificial.

Descubra cómo funciona Wenda AI

Un servicio de atención al cliente más eficaz

Que la eficacia y la productividad son las claves del éxito empresarial en el mundo de la logística, y que éstas pueden lograrse y aumentarse mediante la automatización, es ya un hecho.
La automatización de la cadena de suministro y la logística es, de hecho, una respuesta tecnológica a la complejidad del entorno actual: es una herramienta que ayuda a las empresas a adaptarse rápidamente a los nuevos cambios, ya que la gestión tradicional de la cadena de suministro, con sus procesos principalmente manuales, ya no es capaz de ofrecer a las empresas esta flexibilidad. Y, sobre todo, esta eficacia.
Hoy en día, gran parte de la información necesaria para realizar operaciones logísticas y de la cadena de suministro -incluidas las instrucciones para los conocimientos de embarque- se extrae manualmente de fuentes de datos como correos electrónicos o archivos adjuntos.
Por tanto, es evidente que los departamentos de atención al cliente desempeñan un papel crucial en las numerosas y a menudo repetitivas actividades diarias de introducción de datos para crear conocimientos de embarque a partir de las instrucciones de los clientes.

En este contexto, poder automatizar el tratamiento de las instrucciones para el conocimiento de embarque resulta ser un elemento crucial para aumentar la productividad del back-office y, en consecuencia, mejorar el rendimiento del servicio al cliente.
Si bien la realización de estas actividades de forma tradicional, es decir, copiando y pegando los datos manualmente, conlleva el riesgo de cometer errores y es un obstáculo para maximizar la eficacia operativa, hay que destacar el valor de la automatización.
De hecho, se deriva principalmente de la eficiencia que crea: por ejemplo, una de las mayores empresas mundiales de bienes de consumo informó de que el uso de la automatización avanzada le permitió resolver problemas de flujo de trabajo un 30% más rápido y ayudó a mejorar la productividad de los empleados hasta en un 50%1.

“La gestión tradicional de la cadena de suministro, con sus procesos principalmente manuales, ya no puede ofrecer a las empresas flexibilidad y, sobre todo, eficacia.” 

A continuación veremos qué soluciones pueden adoptarse para simplificar los procesos de gestión de documentos en general, y de los conocimientos de embarque en particular. A continuación, analizaremos algunas tecnologías de automatización y veremos la solución que propone Wenda: entre otras cosas, Wenda AI aumenta la productividad del personal en un 50% y garantiza una mejora considerable de los procesos de gestión y tramitación de documentos para alcanzar un alto nivel de eficiencia operativa en el servicio al cliente.

Descubra cómo funciona Wenda AI

¿Cómo simplificar los procesos de gestión de las instrucciones para el conocimiento de embarque?

Muchas empresas que ofrecen servicios de transporte reciben instrucciones específicas de sus clientes sobre la información que deben incluir en el conocimiento de embarque. Esta suele ser una de las actividades que más tiempo consume a los responsables de crear el conocimiento de embarque. Por lo tanto, automatizar esta actividad puede agilizar el proceso de creación de conocimientos de embarque en su conjunto.
Por lo tanto, invertir en tecnologías avanzadas para automatizar la introducción de datos de los conocimientos de embarque es crucial para que el back office pueda procesar más papeleo en menos tiempo, simplificar la creación de conocimientos de embarque, aumentar la productividad general del servicio de atención al cliente y los niveles de satisfacción de los clientes.

El mundo de las tecnologías utilizadas para la automatización de documentos es muy amplio. Estas tecnologías avanzadas pueden explotarse con distintos métodos y aplicaciones en función del ámbito de aplicación, que suelen tener objetivos bien definidos y pueden funcionar tanto de forma independiente como combinada.

Antes de pasar al análisis de Wenda AI, que aumenta la productividad del personal en un 50%, consideremos brevemente algunas de las tecnologías que pueden utilizarse para simplificar la creación de conocimientos de embarque.

Procesamiento del Lenguaje Natural (NLP)

El Procesamiento del Lenguaje Natural (NLP) es una rama de la Inteligencia Artificial que se ocupa de las interacciones entre los ordenadores y el lenguaje humano. Es la capacidad de un programa informático para entender el lenguaje humano hablado y escrito.
El NLP permite a los ordenadores entender el lenguaje natural como lo hacen los humanos. Utiliza la Inteligencia Artificial para tomar datos del mundo real, procesarlos y darles sentido de forma que el ordenador pueda entenderlos. Los algoritmos de Aprendizaje Automático producen una estimación de un patrón en los datos basándose en unos datos de entrada, que pueden estar etiquetados o no. De este modo, los algoritmos realizan predicciones o clasificaciones. Los algoritmos evalúan y optimizan constantemente el proceso de clasificación o predicción, actualizando de forma autónoma los parámetros hasta alcanzar un umbral de precisión.
Por tanto, la PNL puede utilizarse como tecnología para la automatización de documentos, a menudo o casi siempre en combinación con otras tecnologías, como la IA.

Reconocimiento Óptico de Caracteres (OCR)

El Reconocimiento Óptico de Caracteres (OCR) es el uso de la tecnología para identificar caracteres de texto impresos o manuscritos dentro de imágenes digitales de documentos físicos, como un documento en papel escaneado. El proceso básico del OCR consiste en examinar el texto de un documento y traducir los caracteres en un código que pueda utilizarse para el tratamiento de datos. Esta tecnología se denomina a veces reconocimiento de texto.
Normalmente, las tecnologías OCR tienen dos componentes: el hardware para digitalizar el documento y el software para convertir los documentos en texto legible por máquina. El software puede combinarse con tecnologías de IA.

Procesamiento Inteligente de Documentos (IDP)

El Procesamiento Inteligente de Documentos (PID) consiste en extraer información de documentos en papel y electrónicos y utilizarla para permitir la automatización integral de procesos centrados en documentos. Aprovecha la Inteligencia Artificial (IA), el Aprendizaje Automático (AM), el Procesamiento del Lenguaje Natural (PLN) y los motores avanzados de OCR. 

Las soluciones de IDP capturan, extraen, categorizan y analizan información de distintos tipos y formatos, y permiten a los usuarios integrar a la perfección la salida de datos en automatizaciones de flujos de trabajo. Una solución IDP común debe incluir las siguientes funcionalidades básicas: 

• Capacidad para procesar datos no estructurados y/o semiestructurados
• Reconocimiento y clasificación de datos
• Extracción automatizada de datos
• Herramientas de IA y ML para categorización y análisis
• OCR para la captura de datos 
• Integraciones con otros programas de gestión de datos

En cualquier caso, siempre hay que tener en cuenta que estas tecnologías no funcionan perfectamente de forma aislada, sino que deben valorarse como soluciones integradas.

Wenda AI le ayuda a automatizar sus conocimientos de embarque

Veamos ahora cómo se puede utilizar Wenda AI para extraer datos y crear automáticamente conocimientos de embarque, convirtiendo la creación de conocimientos de embarque en un proceso automatizado. Este paso no solo mejora drásticamente la eficiencia, sino que también ofrece nuevas perspectivas de éxito en logística.

Aplicar la automatización al caso de las instrucciones de embarque permite extraer automáticamente los datos necesarios de las instrucciones recibidas por correo electrónico y crear rápidamente las pólizas, eliminando la necesidad de un trabajo manual repetitivo y propenso a errores.
Esto significa que el personal de atención al cliente puede liberar hasta un 80% de su tiempo de back-office para centrarse en actividades más estratégicas y servicios de valor añadido para los clientes.

Es frecuente que las instrucciones de embarque vayan acompañadas de diversos documentos en distintos formatos, ya que cada empresa elige el formato que mejor se adapta a sus necesidades a la hora de enviar las instrucciones al transportista.
Wenda AI representa un paso adelante en la gestión de las Instrucciones de Embarque, ya que los algoritmos de IA patentados de Wenda no se limitan al mero reconocimiento de texto, sino que pueden analizar e interpretar los datos. Este proceso no sólo acelera la tramitación, sino que minimiza la posibilidad de errores.

“El personal del servicio de atención al cliente puede liberar hasta un 80% de su tiempo administrativo para centrarse en actividades más estratégicas y servicios de valor añadido para los clientes.”

Wenda AI ofrece nuevas oportunidades para simplificar aún más el proceso: la plataforma de Wenda selecciona el correo electrónico y/o los archivos adjuntos recibidos por correo electrónico del cliente, los descarga y los envía al modelo de IA para su lectura y extracción.
La Inteligencia Artificial propietaria de Wenda lee y entiende los detalles y, a continuación, el modelo especializado de IA analiza las instrucciones, identifica varios detalles como remitente, destinatario, parte notificada, número de reserva, lugar de recepción, buque oceánico, puerto de embarque, puerto de descarga, destino final, flete a pagar, número/tipo de paquete, descripción de la mercancía, peso bruto y neto utilizando NLP y Machine Learning.

A continuación se presenta un ejemplo concreto de flujo de trabajo extraído de un caso práctico real:

1. El cliente envía al transitario un correo electrónico con las instrucciones para el conocimiento de embarque adjuntas.
   El transitario recibe por correo electrónico facturas, cartas de crédito o simples instrucciones. En este caso, Wenda utiliza un modelo de IA clasificador capaz de analizar y distinguir el tipo de documento recibido, y luego lo comparte con el modelo de IA específico (facturas, cartas de crédito, instrucciones del cliente) que extrapolará los datos.
2. A continuación, Wenda se hace cargo de los correos recibidos del expedidor, extrae los datos de los anexos para crear el conocimiento de embarque y envía un correo electrónico al back-office del expedidor.
3. Este correo electrónico enviado por Wenda al back-office del expedidor contiene un texto en el que se especifica el remitente del correo electrónico del cliente y el nombre del fichero adjunto.
   Los archivos adjuntos de este correo electrónico enviado por Wenda incluyen tanto el archivo adjunto original como un archivo Excel: este último es el resultado final del tratamiento automatizado de Wenda. El mismo resultado podría visualizarse en la Plataforma Wenda o transferirse al sistema informático en uso.
   
   

Existe, por tanto, como ya se ha dicho, una comprensión del contexto en el que se mueve el documento analizado, a diferencia de un simple programa de OCR. A continuación, se extrae la información más relevante del correo electrónico o del archivo adjunto, independientemente del formato o la presentación del documento. Más concretamente, los campos a extraer pueden ser: 

• Expedidor
• Destinatario
• Notificar a
• Puerto de embarque (carga/descarga)-num car max.
• Puerto de desembarque (descarga)
• Número de contenedores
• Contenedor (Código del contenedor, Tipo de contenedor, Número de bultos, Peso bruto, Precintos, Posibles códigos aduaneros)
• Descripción de las mercancías
• Notas (agente en destino)

El uso de la solución de IA de Wenda permite a las empresas de logística obtener resultados notables:

• Ahorro del 80% del tiempo de back-office: al reducir el tiempo dedicado a la gestión de documentos, el personal del transitario puede centrarse en tareas de mayor valor añadido, más estratégicas y más creativas;
• Asignación más eficiente de los recursos humanos: el transitario puede automatizar el procesamiento de miles de documentos, aumentando significativamente la productividad de los recursos humanos y distribuyendo las cargas de trabajo de forma más eficiente;
• Mayor escalabilidad en el servicio al cliente a nivel operativo: la automatización permite al transitario ampliar sus operaciones. Esto puede mejorarse aún más gracias al potencial de la automatización.

Contáctenos!

Conclusiones

Automatizar la gestión de las instrucciones de conocimiento de embarque con Wenda AI es una potente palanca para aumentar la eficiencia y la productividad en el servicio al cliente de las empresas de logística.
Al agilizar la creación de conocimientos de embarque con tecnologías de automatización de documentos mejoradas con IA, las empresas pueden conseguir un ahorro sustancial de tiempo y mejoras muy visibles en la productividad y la eficiencia operativa, lo que lleva a una gestión más rápida y rentable de la cadena de suministro.
Ha llegado el momento de entrar de lleno en la era de la automatización, ¡y Wenda está preparada para este reto!

Contáctenos!

Nota

1. IBM Institute for Business Value (2018): The Evolution of Process Automation