Kako automatizovati prijem narudžbina pomoću AI alata

Klijent ti šalje WhatsApp poruku: „Treba mi 3 stolice, model A47, isporuka u petak, plaćanje na račun." Sat vremena kasnije, ista informacija postoji na 4 mesta: Instagram DM screenshot, tvoj notes, tabela u Excel-u, i email sa adresom isporuke. Ovo se zove copy-paste hell i pojede 30-40% vremena malih timova.

AI rešenje: jedan pipeline koji prima poruke iz svih kanala, koristi LLM da izvuče strukturisane podatke, i upiše ih direktno u tvoj CRM ili Google Sheets.

Nemoj da pišeš kod — postoje gotovi alati za svaki sloj:

• Channel ingestion: Twilio za WhatsApp, Instagram Graph API, IMAP za email, web formu sa Webhook-om.
• Orchestration: Zapier (najjednostavnije, $20/mes), Make (snažnije, $9-29/mes), n8n (self-hosted, besplatno, traži dev).
• AI parsing: OpenAI API ($0.50-2 po hiljadu narudžbina) — GPT-4o-mini je dovoljno tačan i jeftin.

Primer postavke za prodaju nameštaja:

• Korak 1: Twilio prima WhatsApp poruku, šalje webhook na Make scenario.
• Korak 2: Make poziva OpenAI sa promptom: „Iz poruke izvuci proizvod, količinu, datum isporuke, način plaćanja. Vrati JSON."
• Korak 3: JSON ide u novi red Google Sheets-a, sa kolonama: timestamp, klijent, proizvod, količina, status (NEW).
• Korak 4: Slack notifikacija tvom timu: „Nova narudžbina od Marka, 3 stolice A47, isporuka petak."
• Korak 5: Auto-reply na WhatsApp: „Hvala! Tvoja narudžbina je primljena, javljamo se u roku od 2 sata."

LLM-ovi povremeno halucirniju ili greše parse-ovanje. Tri pravila:

• Strukturisan izlaz: Koristi function calling ili JSON mode. Ne dozvoljavaš slobodan tekst.
• Validacija schema: Make/Zapier ima Zod-like validaciju. Ako AI vrati neispravan JSON, fallback na human queue.
• Confidence threshold: Pitaj AI da vrati confidence 0-100. Ispod 80% → manual review.