Choco ใช้เอเจนต์ AI จัดจำหน่ายอาหารแบบอัตโนมัติ
Choco ใช้ API ของ OpenAI ประมวลผลคำสั่งซื้อหลายล้านรายการ ลดงานที่ต้องทำด้วยตนเอง และช่วยให้ห่วงโซ่อุปทานอาหารทั่วโลกดำเนินงานได้ตลอดเวลา

ผลลัพธ์
8.8 ล้าน+
คำสั่งซื้อที่ประมวลผลต่อปี
ผลลัพธ์
2 แสนล้าน+
โทเค็น AI ที่ประมวลผลในระบบใช้งานจริง
ผลลัพธ์
↑50%
การลดงานป้อนคำสั่งซื้อด้วยตนเอง
ผลลัพธ์
2 เท่า
ประสิทธิภาพการทำงานของทีมขายโดยไม่ต้องเพิ่มพนักงาน
Choco(เปิดในหน้าต่างใหม่) เป็นแพลตฟอร์มที่ขับเคลื่อนด้วย AI ซึ่งช่วยยกระดับการจัดจำหน่ายอาหารและเครื่องดื่มให้ทันสมัย ให้บริการผู้จัดจำหน่ายกว่า 21,000 ราย และผู้ซื้อ 100,000 รายทั่วสหรัฐอเมริกา สหราชอาณาจักร ยุโรป และกลุ่มประเทศ GCC Choco เชื่อมร้านอาหาร ซัพพลายเออร์ และผู้จัดจำหน่ายไว้ในระบบเดียว ช่วยให้การสั่งซื้อ การขาย และการจัดการลูกค้าตลอดห่วงโซ่อุปทานอาหารคล่องตัวยิ่งขึ้น
เมื่อปริมาณคำสั่งซื้อเพิ่มขึ้น Choco ก็พบปัญหาคอขวดสำคัญ นั่นคือคำสั่งซื้อยังคงเข้ามาทางอีเมล ข้อความ ข้อความเสียง รูปภาพ และแม้แต่บันทึกที่เขียนด้วยลายมือ ทีมงานต้องแปลงข้อมูลเหล่านั้นด้วยตนเองให้เป็นคำสั่งซื้อแบบมีโครงสร้างในระบบ ERP ซึ่งเป็นกระบวนการที่ช้าและผิดพลาดได้ง่าย ทำให้ขยายงานได้จำกัดและเกิดอุปสรรคในการดำเนินงานอยู่เสมอ
“การประมวลผลข้อมูลเหล่านั้นเป็นอุปสรรคแรก แต่ไม่ใช่สิ่งที่ยากที่สุด ปัญหาที่แท้จริงคือบริบทที่ไม่ได้ระบุไว้ชัดเจน ทั้งการจับคู่ SKU เฉพาะลูกค้าแต่ละราย หน่วยสินค้าที่ลูกค้าใช้เป็นประจำ และรูปแบบการจัดส่ง ความรู้นั้นอยู่ในหัวของพนักงานรับคำสั่งซื้อ และเราต้องถ่ายทอดให้ระบบใช้ในชั้นการอนุมาน เพื่อคลี่คลายความกำกวมได้ตั้งแต่ขั้นตอนรับคำสั่งซื้อ”
เมื่อ LLM พร้อมสำหรับการใช้งานจริง Choco มองเห็นโอกาสที่จะก้าวพ้นซอฟต์แวร์จัดการเวิร์กโฟลว์ ไปสู่การสร้างระบบ AI ที่ลงมือทำงานได้โดยตรง API ของ OpenAI กลายเป็นหัวใจสำคัญของการเปลี่ยนแปลงครั้งนี้
Choco ผสาน API ของ OpenAI ไว้ที่แกนกลางของแพลตฟอร์ม เพื่อขับเคลื่อนผลิตภัณฑ์รุ่นใหม่ที่ออกแบบโดยมี AI เป็นรากฐาน บริษัทเปิดตัว OrderAgent(เปิดในหน้าต่างใหม่) ซึ่งประมวลผลข้อมูลหลายรูปแบบ ทั้งอีเมล SMS รูปภาพ และเอกสาร แล้วแปลงเป็นคำสั่งซื้อแบบมีโครงสร้างที่พร้อมใช้ในระบบ ERP
“ความสามารถในการถอดเสียงและดึงข้อมูลช่วยให้เรามีรากฐานที่แข็งแกร่ง ความท้าทายทางวิศวกรรมที่แท้จริงคือการสร้างโครงสร้างพื้นฐานสำหรับการเรียนรู้จากบริบทที่ปรับเปลี่ยนได้ เพื่อให้ระบบคลี่คลายความกำกวมโดยอ้างอิงประวัติการสั่งซื้อและแคตตาล็อกของลูกค้าแต่ละราย นี่คือสิ่งที่แยกระหว่างการทำงานอัตโนมัติกับความชาญฉลาด”
Choco ยังพัฒนา VoiceAgent(เปิดในหน้าต่างใหม่) ที่ขับเคลื่อนด้วย Realtime API ของ OpenAI ช่วยให้ลูกค้าสั่งซื้อทางโทรศัพท์ได้อย่างเป็นธรรมชาติ โดยมีเวลาแฝงต่ำกว่าหนึ่งวินาที แม้จะอยู่นอกเวลาทำการ

Choco เลือก OpenAI เพราะประสิทธิภาพของโมเดล ความสามารถในการประมวลผลข้อมูลหลายรูปแบบ ผลลัพธ์แบบมีโครงสร้าง และความเชื่อถือได้เมื่อใช้งานจริงในวงกว้าง ความสามารถในการจัดการข้อความ ภาพ และเสียงภายในระบบนิเวศเดียว ช่วยให้ Choco รวมเวิร์กโฟลว์ที่เคยแยกขาดจากกันไว้ในระบบอัจฉริยะเดียว
การนำไปใช้งานทำได้รวดเร็วและรองรับการขยายระบบ ด้วย SDK และ API ของ OpenAI ทำให้ Choco ผสานความสามารถต่างๆ เช่น การแปลงเสียงเป็นข้อความ เอ็มเบดดิง และ Function Calling เข้ากับโครงสร้างพื้นฐานได้อย่างรวดเร็ว ทีมงานยังสร้างกรอบการประเมินที่เข้มงวด โดยใช้ชุดข้อมูลคำตอบที่ถูกต้องอ้างอิง การติดตามอย่างต่อเนื่อง และการทดสอบ A/B เพื่อให้มั่นใจในความแม่นยำและประสิทธิภาพเมื่อใช้งานจริง
การผสานระบบอย่างไร้รอยต่อตลอดกระบวนการสั่งซื้อช่วยผลักดันให้เกิดการนำไปใช้ ลูกค้าไม่จำเป็นต้องเปลี่ยนวิธีสั่งซื้อ ไม่ว่าจะใช้โทรศัพท์ ข้อความ หรืออีเมล ระบบก็ปรับให้เข้ากับลูกค้า
“เมื่อลูกค้าเห็นระบบจัดการคำสั่งซื้อของตัวเองได้ ความเชื่อมั่นก็เกิดขึ้นอย่างรวดเร็ว นั่นคือจุดที่การนำไปใช้เริ่มขยายตัวอย่างรวดเร็วจริงๆ”
ผู้จัดจำหน่ายสามารถเลือกเปิดโหมด “ทำงานอัตโนมัติ” เพื่อให้ระบบประมวลผลคำสั่งซื้อเองเมื่อระดับความเชื่อมั่นถึงเกณฑ์ที่กำหนด โดยยังให้คนตรวจสอบกรณีพิเศษ เมื่อเวลาผ่านไป ระบบเรียนรู้จากการแก้ไขอย่างต่อเนื่อง จึงแม่นยำและเชื่อถือได้มากขึ้น
ประมวลผลคำสั่งซื้อกว่า 8.8 ล้านรายการต่อปี ลดงานที่ต้องทำด้วยตนเองหลายล้านครั้ง
ลดงานป้อนคำสั่งซื้อด้วยตนเองได้สูงสุด 50% ช่วยให้ทีมมีเวลาทำงานที่สร้างมูลค่าสูงกว่า
เพิ่มประสิทธิภาพการทำงานเป็น 2 เท่า ช่วยให้ทีมขยายงานได้โดยไม่ต้องเพิ่มพนักงาน
รักษาอัตราข้อผิดพลาดให้ต่ำกว่า 1–5% โดยปรับเกณฑ์การทำงานอัตโนมัติได้
รองรับคำสั่งซื้อตลอด 24 ชั่วโมงทุกวัน ขจัดความล่าช้าจากช่วงกลางคืนและวันหยุดสุดสัปดาห์
เริ่มประเมินตั้งแต่วันแรก: แม้มีชุดข้อมูลคำตอบที่ถูกต้องอ้างอิงเพียงเล็กน้อย (10–20 ตัวอย่าง) ก็ช่วยให้ทีมวัดความคืบหน้า ตรวจสอบผลการปรับปรุง และพัฒนาต่อได้อย่างมั่นใจ
ลงทุนในระบบติดตามการทำงานที่ออกแบบมาเพื่อ AI: การแก้จุดบกพร่องของระบบ AI ต้องอาศัยมากกว่าบันทึกแบบเดิม การเก็บข้อมูลเข้า ผลลัพธ์ และร่องรอยการให้เหตุผลของโมเดลเป็นสิ่งจำเป็นต่อการทำความเข้าใจและปรับปรุงประสิทธิภาพ
ตั้งความคาดหวังให้ถูกต้องตั้งแต่ต้น: LLM ทำงานตามความน่าจะเป็น ต่างจากซอฟต์แวร์ที่ให้ผลลัพธ์แน่นอน การให้ทีมงานและผู้ใช้เข้าใจความแตกต่างนี้เป็นกุญแจสำคัญในการสร้างความเชื่อมั่นและหลีกเลี่ยงอุปสรรคระหว่างการนำไปใช้
Choco ยังคงขยายขีดความสามารถด้าน AI ทั่วระบบนิเวศการจัดจำหน่ายอาหาร พร้อมเพิ่มบทบาทของเอเจนต์ในการดำเนินเวิร์กโฟลว์ที่ซับซ้อน เมื่อระบบ AI รับผิดชอบงานมากขึ้น บริษัทก็เปิดทางให้ผู้ใช้กลุ่มใหม่ที่ไม่ใช่วิศวกรเข้ามาทำหน้าที่เป็น “ผู้ประสานการทำงานของเอเจนต์” โดยออกแบบและจัดการระบบอัจฉริยะที่สร้างผลลัพธ์ทางธุรกิจ
“เรากำลังเปลี่ยนจากซอฟต์แวร์ที่ช่วยสนับสนุนการทำงาน ไปสู่ระบบที่ลงมือทำงานจริง การเปลี่ยนแปลงนี้ทำให้ลูกค้าของเราทำงานได้เร็วขึ้น ใช้ทรัพยากรน้อยลง และรับมือกับความเปลี่ยนแปลงได้ดีขึ้นมาก”
ในอนาคต Choco วางแผนขยายการใช้ API ของ OpenAI ต่อไป เพื่อขับเคลื่อนระบบที่ทำงานได้ด้วยตนเองมากขึ้นและเข้าใจบริบท ทั้งในงานขาย การค้า และการดำเนินงานห่วงโซ่อุปทาน เดินหน้าจากซอฟต์แวร์จัดการเวิร์กโฟลว์สู่โครงสร้างพื้นฐานที่ใช้ AI ลงมือทำงาน


