Worldwide Express تسلّم الفواتير المتنازع عليها لوكلاء الذكاء الاصطناعي وتخفّض الديون بنسبة 75%

سلّمت Worldwide Express، وهي وسيط أمريكي لشحن البضائع تبلغ إيراداته نحو 5 مليارات دولار سنويًا ولديها 130 000 عميل و75 ناقلًا للشحنات المجمّعة (LTL، أي حين تتشارك شحنات عدة عملاء في الشاحنة نفسها)، مهمة معالجة الفواتير المتنازع عليها إلى وكلاء ذكاء اصطناعي. وكانت المشكلة عملية بحتة. فنحو 14% من فواتير الناقلين لا تجتاز «المطابقة الثلاثية»: إذ يجب أن تتطابق الفاتورة مع الطلب ومع محضر استلام الشحنة.

وكل فاتورة من هذا النوع تتحول إلى نزاع، وما دام النزاع مفتوحًا تبقى الأموال مجمّدة. وكان نحو 15 مليون دولار من التدفق النقدي الحر للشركة عالقًا في هذه «الاستثناءات». وبمساعدة AWS والمتكامل التقني LTM، بنت الشركة نظامًا متعدد الوكلاء على Amazon Bedrock ودمجته في نظام إدارة الشحن لديها SpeedShip.

وبعد ستة أشهر انخفض حجم النزاعات غير المحسومة إلى 4 ملايين دولار.

لماذا لا تتطابق فواتير الناقلين

تنقسم النزاعات إلى ثلاثة أنواع:

• اختلافات في البنود. لا تتطابق الكمية أو رمز الخدمة في الفاتورة مع سجل الشحنة.
• انحرافات سعرية. احتسب الناقل تعرفة تختلف عن المتفق عليها في العقد.
• رسوم إضافية غير متوقعة. مثل الرافعة الخلفية للشاحنة، أو التسليم إلى عنوان سكني، أو إعادة احتساب الوزن. ولم تكن هذه الرسوم واردة في التقدير الأولي.

كانت كل حالة تمر سابقًا بخمس خطوات: تحديد النوع، والبحث عن السبب في سجلات المورّد، ومراسلة الناقل أو المستودع، وانتظار الرد، ثم إدخال القرار في النظام. وكان يتولى العمل قسم خارجي (مُسنَد إلى جهة أخرى) يعالج الحالات واحدة تلو الأخرى، مع مكالمات هاتفية. ولكل ناقل تعرفاته وإجراءات النزاع الخاصة به، فغرق قسم العمليات المالية (FinOps) في العمل الروتيني.

لا تصلح الأتمتة الروبوتية التقليدية للعمليات (RPA) لهذه المهمة، فهي جيدة في السيناريوهات الجامدة. أما هنا فيجب قراءة سياسة الناقل، ومقابلة الرسم بواقعة التسليم، وتحديد ما إذا كان الرسم مشروعًا بالمبلغ المحتسب. وهذا عمل يقوم على النصوص والسياق، ولذلك اختارت الشركة وكلاء قائمين على نماذج لغوية.

ثلاثة وكلاء وقاعدة معرفة بقواعد كل ناقل

يصل النزاع إلى أحد ثلاثة وكلاء متخصصين:

• Invoice Matching Agent يعثر على سجل الشحنة الذي تخصه الفاتورة، ويحدد ما لا يتطابق.
• Pricing Variance Agent يقارن السعر المطلوب بالسعر المتعاقد عليه، ويقرر ما إذا كان الفرق مبررًا.
• Accessorial Validation Agent يتحقق مما إذا كانت الرسوم الإضافية مدعومة بأحداث تسليم فعلية: هل استُخدمت الرافعة الخلفية، وهل كان العنوان سكنيًا.

لكل وكيل تعليمات (الدور، وحدود القرارات، وصيغة الرد)، ومجموعة إجراءات في SpeedShip، وإمكانية الوصول إلى قاعدة معرفة. وتضم القاعدة القواعد التعرفية، وتعريفات الرسوم، وإجراءات النزاع، وحدود الانحراف المسموح بها لكل ناقل. وقبل اتخاذ القرار يسحب الوكيل وثائق الناقل المعني تحديدًا. ولذلك يعمل الوكلاء الثلاثة أنفسهم مع جميع الناقلين المتصلين، وعددهم يتجاوز 40، ولا تُكتب شيفرة منفصلة لكل ناقل.

من الناحية الهندسية، القرارات المتخذة محكمة. فقد بنت الشركة طبقة التنسيق بنفسها على خوادم Amazon EC2 مع التوسع التلقائي، ولا تستخدم Bedrock إلا لاستدعاء النماذج عبر واجهة API موحدة. وتبقى منطق التوجيه بيد الفريق، ويمكن استخدام مكتبات مفتوحة المصدر للوكلاء. ويصل الوكلاء إلى SpeedShip عبر واجهات API نفسها التي يستخدمها المحللون، فيرون الأسعار التعاقدية نفسها وبيانات الشحنة وإثباتات التسليم. وبعد القرار يكتب النظام ملاحظة واضحة: ماذا وجد وماذا فعل. وفي النزاعات المالية، هذه القابلية للتفسير شرط لا غنى عنه.

لم يُستبعد العنصر البشري. ففي البداية كان الموظف يؤكد كل توصية عبر واجهته المعتادة. وحين تجاوزت الدقة 99% صار التأكيد الجماعي هو النمط الأساسي. وتُسجَّل حالات الرفض، ويعدّل الفريق التعليمات وقواعد المعرفة بناءً عليها. أما المقاييس على لوحات المتابعة فهي: نسبة الأتمتة لكل ناقل، والأخطاء حسب نوع النزاع، ووقت الحل، وتكرار تجاوز القرارات من قبل الإنسان.

الأرقام وما ينبغي التدقيق فيه

النتائج المعلنة خلال ستة أشهر:

• يغلق الوكلاء نحو 10 000 نزاع أسبوعيًا، أي قرابة نصف التدفق. ونسبة الأخطاء أقل من 1%.
• انخفضت النزاعات غير المحسومة من 15 مليون دولار (يونيو 2025) إلى 4 ملايين دولار.
• تقلّصت المدة اللازمة لتحويل الطلب إلى أموال بمقدار 4 أسابيع.
• التوفير يتجاوز 1 مليون دولار سنويًا، وعائد الاستثمار المعلن في السنة الأولى 60 ضعفًا، والتدفق النقدي الداخل لمرة واحدة 10 ملايين دولار.

هذه تدوينة على مدونة AWS نفسها، والأرقام الواردة فيها لا تتسق تمامًا. فنسبة الأتمتة مذكورة بأنها «نحو 50%» وبأنها «أكثر من 40%». والزيادة البالغة 10 ملايين دولار وُصفت مرة بأنها تحرير لمرة واحدة للأموال، ومرة بأنها حجم أسبوعي للفواتير التي عولجت بوتيرة أسرع. أما الانخفاض من 15 مليون دولار إلى 4 ملايين دولار فهو في الواقع 73%، لا 75% بالضبط. ولم يُذكر النموذج المستخدم ولا تكلفة الاستدعاءات، مع أن اقتصاديات المشروع يحددها بدرجة كبيرة هذا العامل تحديدًا. ويبدو أن «الخطأ» يُحتسب على أنه ما رفضه المراجع، أما الأخطاء التي فاتته أثناء التأكيد الجماعي فلا يشملها هذا الرقم.

ومع ذلك، يبدو أن هذا النهج قابل للنقل إلى قطاع اللوجستيات وإلى أي شركة لديها تدفق من الفواتير. ابدأ بأكثر أنواع النزاعات تكرارًا وأثبت الدقة عليه. احفظ قواعد الأطراف المقابلة كوثائق قابلة للبحث، ولا تدمجها في الشيفرة. اسمح للوكيل بالوصول إلى واجهات API نفسها التي يستخدمها الموظفون، وأبقِ التأكيد بيد الإنسان إلى أن تُظهر المقاييس دقة مستقرة. وتنقل الشركة هذا النهج حاليًا إلى أجزاء أخرى من دورة «من الطلب إلى الدفع».