Choco: AI အေးဂျင့်ဖြင့် အလိုအလျောက်အစားအသောက်ဖြန့်ချိမှု
OpenAI API များဖြင့် Choco သည် အော်ဒါသန်းချီကို စီမံကာ လူကိုယ်တိုင်လုပ်ရမှုကို လျှော့ချပြီး ကမ္ဘာ့အစားအသောက်ထောက်ပံ့ရေးကွင်းဆက်များတွင် အချိန်ပြည့် လည်ပတ်နိုင်စေသည်။

ရလဒ်များ
၈.၈ သန်းကျော်
နှစ်စဉ် စီမံဆောင်ရွက်သည့် အော်ဒါများ
ရလဒ်များ
ဘီလီယံ ၂၀၀ ကျော်
လက်တွေ့အသုံးပြုမှုတွင် စီမံဆောင်ရွက်ခဲ့သည့် AI တိုကင်များ
ရလဒ်များ
↑၅၀%
အော်ဒါကို လူကိုယ်တိုင် ဖြည့်သွင်းရမှု လျော့ကျခြင်း
ရလဒ်များ
၂ ဆ
ဝန်ထမ်းမတိုးဘဲ အရောင်းအဖွဲ့၏ အလုပ်ပြီးမြောက်နိုင်စွမ်း
Choco(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် အစားအသောက်နှင့် အဖျော်ယမကာဖြန့်ချိရေးကို ခေတ်မီစေသည့် AI ပလက်ဖောင်းဖြစ်သည်။ အမေရိကန်၊ ယူကေ၊ ဥရောပနှင့် ပင်လယ်ကွေ့ ပူးပေါင်းဆောင်ရွက်ရေးကောင်စီ (GCC) နိုင်ငံများရှိ ဖြန့်ချိသူ ၂၁,၀၀၀ ကျော်နှင့် ဝယ်ယူသူ ၁၀၀,၀၀၀ ကို ဝန်ဆောင်မှုပေးနေသည်။ စားသောက်ဆိုင်များ၊ ကုန်ပစ္စည်းပေးသွင်းသူများနှင့် ဖြန့်ချိသူများကို စနစ်တစ်ခုတည်းတွင် ချိတ်ဆက်ပေးခြင်းဖြင့် Choco သည် အစားအသောက်ထောက်ပံ့ရေးကွင်းဆက်တစ်လျှောက် အော်ဒါတင်ခြင်း၊ ရောင်းချခြင်းနှင့် ဖောက်သည်စီမံခန့်ခွဲခြင်းတို့ကို လွယ်ကူချောမွေ့စေသည်။
အော်ဒါပမာဏ တိုးလာချိန်တွင် Choco သည် ကြီးမားသည့် အဟန့်အတားတစ်ခုနှင့် ကြုံခဲ့ရသည်။ အော်ဒါများမှာ အီးမေးလ်၊ စာတို၊ အသံမက်ဆေ့ချ်၊ ပုံများနှင့် လက်ရေးမှတ်စုများမှတစ်ဆင့်ပင် ဝင်လာနေဆဲဖြစ်သည်။ အဖွဲ့များက ထိုအချက်အလက်များကို စနစ်တကျဖွဲ့စည်းထားသည့် ERP အော်ဒါများအဖြစ် ကိုယ်တိုင် ပြောင်းလဲဖြည့်သွင်းခဲ့ရသည်။ ယင်းမှာ နှေးကွေးပြီး အမှားများနိုင်သဖြင့် လုပ်ငန်းချဲ့ထွင်မှုကို ကန့်သတ်ကာ နေ့စဉ်လုပ်ငန်းတွင် အခက်အခဲများ ဖြစ်စေခဲ့သည်။
“အဲဒီလို ဝင်လာတဲ့အချက်အလက်တွေကို စီမံဆောင်ရွက်တာက ပထမဆုံးအတားအဆီးပါ၊ ဒါပေမဲ့ အခက်ဆုံးတော့ မဟုတ်ပါဘူး။ တကယ့်ပြဿနာက ထုတ်မပြောထားတဲ့ နောက်ခံအချက်အလက်တွေပါ။ ဖောက်သည်အလိုက် ကုန်ပစ္စည်းနဲ့ SKU တွဲဖက်သတ်မှတ်ချက်တွေ၊ သုံးနေကျ ရေတွက်တိုင်းတာယူနစ်တွေ၊ ပို့ဆောင်မှုပုံစံတွေ ဖြစ်ပါတယ်။ အဲဒီအသိပညာတွေက အော်ဒါလက်ခံဝန်ထမ်းတွေရဲ့ ခေါင်းထဲမှာပဲ ရှိနေခဲ့တာပါ။ အော်ဒါလက်ခံချိန်မှာ မရှင်းလင်းတာတွေကို ဖြေရှင်းပေးနိုင်မယ့် ကောက်ချက်ချစနစ်အလွှာတွေထဲ အဲဒီအသိပညာတွေကို ထည့်သွင်းပေးဖို့ လိုခဲ့ပါတယ်။”
လက်တွေ့အသုံးချနိုင်သော ဘာသာစကားမော်ဒယ်ကြီးများ (LLM) ပေါ်လာချိန်တွင် Choco သည် အလုပ်စဉ်စီမံဆော့ဖ်ဝဲထက် ကျော်လွန်၍ အလုပ်ကို တိုက်ရိုက်ဆောင်ရွက်နိုင်သည့် AI စနစ်များ တည်ဆောက်ရန် အခွင့်အလမ်းကို မြင်ခဲ့သည်။ OpenAI API များသည် ထိုအပြောင်းအလဲ၏ အဓိကအစိတ်အပိုင်း ဖြစ်လာခဲ့သည်။
Choco သည် AI ကို အခြေခံ၍ တည်ဆောက်ထားသည့် မျိုးဆက်သစ်ထုတ်ကုန်များအတွက် OpenAI API များကို ၎င်း၏ပလက်ဖောင်း၏ အဓိကအစိတ်အပိုင်းတွင် ထည့်သွင်းခဲ့သည်။ ကုမ္ပဏီက မိတ်ဆက်ခဲ့သည့် OrderAgent(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် အီးမေးလ်၊ SMS၊ ပုံနှင့် စာရွက်စာတမ်းများအပါအဝင် ပုံစံမျိုးစုံဖြင့် ဝင်လာသော အချက်အလက်များကို စီမံဆောင်ရွက်ပြီး ERP တွင် အသင့်သုံးနိုင်သည့် စနစ်တကျဖွဲ့စည်းထားသော အော်ဒါများအဖြစ် ပြောင်းပေးသည်။
“အသံကို စာသားပြောင်းတာနဲ့ အချက်အလက်ထုတ်ယူတာတွေက ကျွန်တော်တို့အတွက် ခိုင်မာတဲ့အခြေခံ ဖြစ်ခဲ့ပါတယ်။ တကယ့်နည်းပညာစိန်ခေါ်မှုက အခြေအနေအလိုက် ပြောင်းလဲသင်ယူနိုင်တဲ့ အခြေခံစနစ်ကို တည်ဆောက်ဖို့ပါ။ ဒါမှ စနစ်က ဖောက်သည်တစ်ဦးချင်းစီရဲ့ အော်ဒါမှတ်တမ်းနဲ့ ကုန်ပစ္စည်းစာရင်းကို အခြေခံပြီး မရှင်းလင်းတာတွေကို ဖြေရှင်းနိုင်မှာပါ။ အဲဒါက အလိုအလျောက်လုပ်ဆောင်တာနဲ့ ဉာဏ်ရည်ရှိရှိလုပ်ဆောင်တာကြားက ကွာခြားချက်ပါပဲ။”
Choco သည် OpenAI ၏ Realtime API ကို အသုံးပြုထားသော VoiceAgent(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ကိုလည်း တည်ဆောက်ခဲ့သည်။ ဖောက်သည်များက အလုပ်ချိန်ပြင်ပတွင်ပင် ဖုန်းဖြင့် သဘာဝကျကျ အော်ဒါတင်နိုင်ပြီး တုံ့ပြန်ချိန်မှာ တစ်စက္ကန့်အောက်သာ ကြာသည်။

မော်ဒယ်စွမ်းဆောင်ရည်၊ အချက်အလက်ပုံစံမျိုးစုံကို ကိုင်တွယ်နိုင်မှု၊ တည်ဆောက်ထားသော ရလဒ်များနှင့် အကြီးစားလက်တွေ့အသုံးပြုမှုတွင် ယုံကြည်စိတ်ချရမှုတို့ကြောင့် OpenAI ကို ရွေးချယ်ခဲ့သည်။ နည်းပညာစနစ်တစ်ခုတည်းအတွင်း စာသား၊ ရုပ်ပုံနှင့် အသံတို့ကို ကိုင်တွယ်နိုင်သဖြင့် Choco သည် ယခင်က သီးခြားစီဖြစ်နေသော အလုပ်စဉ်များကို ဉာဏ်ရည်ရှိသည့် စနစ်တစ်ခုအဖြစ် ပေါင်းစည်းနိုင်ခဲ့သည်။
အကောင်အထည်ဖော်မှုမှာ မြန်ဆန်ပြီး လိုအပ်သလို ချဲ့ထွင်နိုင်ခဲ့သည်။ OpenAI ၏ SDK နှင့် API များဖြင့် Choco သည် အသံကို စာသားပြောင်းခြင်း၊ အချက်အလက်ကို ကိန်းဂဏန်းဗက်တာအဖြစ် ကိုယ်စားပြုခြင်းနှင့် လုပ်ဆောင်ချက် ခေါ်ဆိုမှုတို့ကို ၎င်း၏အခြေခံစနစ်ထဲ လျင်မြန်စွာ ထည့်သွင်းခဲ့သည်။ လက်တွေ့အသုံးပြုရာတွင် တိကျမှုနှင့် စွမ်းဆောင်ရည်ကို အာမခံနိုင်ရန် အဖွဲ့သည် အဖြေမှန်အတည်ပြုထားသော ဒေတာအစုများ၊ စဉ်ဆက်မပြတ်စောင့်ကြည့်မှုနှင့် A/B စမ်းသပ်မှုတို့ပါဝင်သည့် တင်းကျပ်သော အကဲဖြတ်စနစ်ကိုလည်း တည်ဆောက်ခဲ့သည်။
အော်ဒါလုပ်ငန်းစဉ်တစ်ခုလုံးတွင် ချောမွေ့စွာ ပေါင်းစပ်နိုင်ခြင်းက အသုံးပြုမှုကို တွန်းအားပေးခဲ့သည်။ ဖောက်သည်များသည် အော်ဒါတင်ပုံကို ပြောင်းရန် မလိုခဲ့ပါ။ ဖုန်း၊ စာတို၊ အီးမေးလ် မည်သည့်နည်းဖြင့် တင်သည်ဖြစ်စေ စနစ်က ၎င်းတို့နှင့် လိုက်လျောညီထွေ ဆောင်ရွက်ပေးသည်။
“ကိုယ့်အော်ဒါတွေကို ဒီစနစ်က တကယ်လုပ်ပေးနိုင်တာ မြင်လိုက်ရတာနဲ့ ဖောက်သည်တွေက အလျင်အမြန် ယုံကြည်လာကြပါတယ်။ အဲဒီအချိန်ကစပြီး အသုံးပြုမှု တကယ်အရှိန်မြင့်လာတာပါ။”
ရွေးချယ်သုံးနိုင်သည့် “အလိုအလျောက်မောင်းနှင်မှု” မုဒ်ဖြင့် ဖြန့်ချိသူများသည် ယုံကြည်စိတ်ချရမှု သတ်မှတ်အဆင့်မီသော အော်ဒါများကို အလိုအလျောက် စီမံဆောင်ရွက်နိုင်ပြီး ပုံမှန်မဟုတ်သော ကိစ္စများကို လူက ဆက်လက်စစ်ဆေးနိုင်သည်။ စနစ်သည် ပြင်ဆင်ချက်များမှ အဆက်မပြတ် သင်ယူသဖြင့် အချိန်ကြာလာသည်နှင့်အမျှ တိကျမှုနှင့် ယုံကြည်စိတ်ချရမှု တိုးလာခဲ့သည်။
နှစ်စဉ် အော်ဒါ ၈.၈ သန်းကျော်ကို စီမံဆောင်ရွက်ပြီး လူကိုယ်တိုင်လုပ်ရသည့် အလုပ်စဉ် သန်းပေါင်းများစွာကို ဖယ်ရှားပေးသည်
အော်ဒါကို လူကိုယ်တိုင်ဖြည့်သွင်းရမှု ၅၀% အထိ လျှော့ချပေးသဖြင့် အဖွဲ့များက ပိုတန်ဖိုးရှိသည့် အလုပ်များကို လုပ်နိုင်သည်
အလုပ်ပြီးမြောက်နိုင်စွမ်း ၂ ဆ တိုးစေသဖြင့် ဝန်ထမ်းမတိုးဘဲ အဖွဲ့များက လုပ်ငန်းချဲ့ထွင်နိုင်သည်
အလိုအလျောက်လုပ်ဆောင်ရန် သတ်မှတ်အဆင့်များကို ချိန်ညှိနိုင်ပြီး အမှားနှုန်းကို ၁–၅% အောက်တွင် ထိန်းထားနိုင်သည်
နေ့စဉ် ၂၄ နာရီ အော်ဒါလက်ခံနိုင်သဖြင့် ညပိုင်းနှင့် စနေ၊ တနင်္ဂနွေများကြောင့် နှောင့်နှေးမှု မရှိတော့ပါ
ပထမနေ့မှစ၍ အကဲဖြတ်ပါ။ အဖြေမှန်အတည်ပြုထားသော ဒေတာအစုငယ်တစ်ခု (နမူနာ ၁၀–၂၀) ဖြင့်ပင် အဖွဲ့များသည် တိုးတက်မှုကို တိုင်းတာ၊ ကောင်းမွန်လာမှုကို အတည်ပြုပြီး ယုံကြည်စိတ်ချစွာ ထပ်မံပြင်ဆင်နိုင်သည်။
AI အတွက် သီးသန့်စောင့်ကြည့်စစ်ဆေးနိုင်မှုတွင် ရင်းနှီးမြှုပ်နှံပါ။ AI စနစ်၏ ချို့ယွင်းချက်ရှာဖွေရန် သမားရိုးကျမှတ်တမ်းများထက် ပိုလိုအပ်သည်။ စွမ်းဆောင်ရည်ကို နားလည်ပြီး မြှင့်တင်နိုင်ရန် မော်ဒယ်၏ အဝင်အချက်အလက်၊ ရလဒ်နှင့် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော လုပ်ငန်းစဉ်မှတ်တမ်းများကို သိမ်းဆည်းရန် မရှိမဖြစ်လိုသည်။
အစောပိုင်းကတည်းက လက်တွေ့ကျသည့် မျှော်လင့်ချက်များ ထားရှိစေပါ။ တူညီသည့်အချက်အလက်အတွက် တူညီသည့်ရလဒ်ပေးသော ဆော့ဖ်ဝဲနှင့်မတူဘဲ LLM များသည် ဖြစ်နိုင်ခြေအပေါ် အခြေခံသည်။ ဤကွာခြားချက်ကို အဖွဲ့များနှင့် အသုံးပြုသူများအား ရှင်းပြပေးခြင်းသည် ယုံကြည်မှုတည်ဆောက်ရန်နှင့် စတင်အသုံးပြုချိန်တွင် အခက်အခဲများ ရှောင်ရှားရန် အဓိကကျသည်။
Choco သည် အစားအသောက်ဖြန့်ချိရေးစနစ်တစ်လျှောက် AI စွမ်းဆောင်ရည်များကို ဆက်လက်ချဲ့ထွင်နေပြီး ရှုပ်ထွေးသော လုပ်ငန်းစဉ်များ ဆောင်ရွက်ရာတွင် အေးဂျင့်များ၏ အခန်းကဏ္ဍကို တိုးမြှင့်နေသည်။ AI စနစ်များက တာဝန်ပိုယူလာသည်နှင့်အမျှ ကုမ္ပဏီသည် အသုံးပြုသူအုပ်စုသစ်တစ်ခုကို ပံ့ပိုးပေးနေသည်။ ၎င်းတို့မှာ အင်ဂျင်နီယာမဟုတ်သော်လည်း “အေးဂျင့်များကို ညှိနှိုင်းစီမံသူများ” အဖြစ် လုပ်ငန်းရလဒ်ကောင်းများ ဖော်ဆောင်ပေးသည့် ဉာဏ်ရည်ရှိစနစ်များကို ဒီဇိုင်းရေးဆွဲ၊ စီမံခန့်ခွဲသူများ ဖြစ်ကြသည်။
“အလုပ်လုပ်ရာမှာ ပံ့ပိုးပေးတဲ့ ဆော့ဖ်ဝဲကနေ အလုပ်ကို တကယ်လုပ်ပေးတဲ့ စနစ်တွေဆီ ကျွန်တော်တို့ ပြောင်းရွှေ့နေပါတယ်။ ဒီအပြောင်းအလဲကြောင့် ကျွန်တော်တို့ရဲ့ ဖောက်သည်တွေက အရင်းအမြစ်ပိုနည်းနည်းနဲ့ ပိုမြန်မြန် လုပ်ဆောင်နိုင်ပြီး အခက်အခဲတွေကိုလည်း အရင်ထက် အများကြီး ပိုခံနိုင်ရည်ရှိလာပါတယ်။”
ရှေ့တွင် Choco သည် အရောင်း၊ ကုန်သွယ်ရေးနှင့် ထောက်ပံ့ရေးကွင်းဆက်လုပ်ငန်းများ၌ ပိုမိုလွတ်လပ်စွာ လုပ်ဆောင်ပြီး နောက်ခံအခြေအနေကို နားလည်နိုင်သော စနစ်များအတွက် OpenAI API အသုံးပြုမှုကို ထပ်မံချဲ့ထွင်ရန် စီစဉ်ထားသည်။ ထို့ဖြင့် အလုပ်စဉ်စီမံဆော့ဖ်ဝဲမှ AI ဖြင့် အလုပ်ကို တိုက်ရိုက်ဆောင်ရွက်ပေးသည့် အခြေခံစနစ်သို့ ဆက်လက်ပြောင်းလဲသွားမည်ဖြစ်သည်။


