Podsumowanie artykułu
- Asystent AI wspiera handlowców farmaceutycznych, automatyzując składanie zamówień i upselling — skraca czas realizacji transakcji i zwiększa produktywność zespołów.
- Integracja z CRM, ERP i bazami danych, wraz z zastosowaniem technologii RAG i function calling, zapewnia dostęp do aktualnych, wiarygodnych informacji i zgodność z przepisami branżowymi.
- Rozpoznawanie mowy (speech-to-text) oraz specjalistyczne słowniki umożliwiają poprawne identyfikowanie nazw leków, dawek i form — nawet przy różnej wymowie.
- Asystent proponuje produkty dodatkowe na podstawie historii zakupów, wspierając sprzedaż i zwiększając przychody bez dodatkowego wysiłku handlowców.
- Łatwa integracja z istniejącymi procesami i zgodność z RODO czynią rozwiązanie skalowalnym i bezpiecznym — z możliwością testowego wdrożenia prototypu w 2–3 tygodnie.
Duże modele językowe (LLM), choć imponują zdolnością generowania wypowiedzi łudząco podobnych do ludzkich, same w sobie nie wystarczą, by przynieść biznesowi realną wartość. W praktyce często „halucynują”, czyli produkują odpowiedzi niezgodne z prawdą. Poza tym mają one tzw. knowledge cutoff, czyli moment, w którym zakończono trenowanie modelu na dostępnych danych. Po przekroczeniu tego punku model AI nie dysponuje już wiedzą o aktualnych wydarzeniach.
Dlatego też, aby wykorzystać potencjał sztucznej inteligencji w konkretnych procesach biznesowych, wirtualni asystenci muszą być zintegrowani z istniejącymi w firmach systemami — bazami wiedzy, sieciami przemysłowego Internetu rzeczy (IIoT), systemami CRM, ERP czy innymi narzędziami używanymi na co dzień. Integracja ta umożliwia AI dostęp zarówno do sprawdzonych informacji (za pomocą mechanizmu retrieval augmented generation, w skórcie RAG), jak i aktualnych danych (dzięki function calling). To właśnie to hybrydowe podejście zapewnia dokładność odpowiedzi oraz wiarygodność pozyskiwanych informacji, która jest kluczowa dla biznesu.
W branżach podlegających licznym regulacjom, jak przemysł farmaceutyczny, sytuacja jest bardziej skomplikowana. Tutaj od oprogramowania oczekuje się nie tylko konkretnych korzyści biznesowych, ale także zgodności z całym szeregiem restrykcyjnych norm prawnych i wymagań branżowych. Nic dziwnego, że każda nowinka technologiczna witana jest tu z dużą ostrożnością.
Nie oznacza to jednak, że generatywna sztuczna inteligencja nie może zrewolucjonizować nawet tak silnie uregulowanego sektora, jakim jest farmacja. Co więcej, AI w tej branży nie musi wiązać się wyłącznie z projektowaniem nowych leków czy prowadzeniem badań klinicznych.
Aby to udowodnić, zbudowaliśmy prototyp wirtualnego asystenta, który usprawnia składanie zamówień na leki. Narzędzie zostało zaprojektowane z myślą o firmach farmaceutycznych, dystrybutorach i hurtowniach dostarczających leki do szpitali i aptek, które na co dzień mierzą się z uciążliwością ręcznych procedur zamówień. W poniższym artykule pokazujemy, jak wirtualny asystent może poprawić efektywność procesów biznesowych oraz pomóc w generowaniu nowych przychodów.
Proces sprzedaży w branży farmaceutycznej: wyzwania
Firmy farmaceutyczne sprzedające leki często napotykają istotną barierę w procesie sprzedaży: ręczne składanie zamówień. Proces ten nie tylko pochłania dużą ilość czasu, ale również sprzyja powstawaniu błędów, co znacząco spowalnia cały cykl sprzedażowy. Co więcej, zespoły handlowe są w stanie obsłużyć ograniczoną liczbę zamówień dziennie, co ogranicza ogólną wydajność. W efekcie handlowcom pozostaje niewiele czasu na budowanie relacji z klientami czy realizację bardziej skomplikowanych zadań, które mogłyby generować wyższe przychody.
Ręczna obsługa zamówień ogranicza również możliwości sprzedaży dodatkowej (upselling). Sprzedawcy, zajęci głównie rutynowym wprowadzaniem danych, rzadko znajdują czas czy przestrzeń na proponowanie klientom dodatkowych produktów. Brak takiej aktywności oznacza niewykorzystane szanse na dodatkową sprzedaż, co ostatecznie odbija się na wynikach finansowych przedsiębiorstwa.
Dodatkowym problemem jest rozproszenie istotnych informacji między różnymi systemami używanymi w firmie. Z tego powodu handlowcy mają trudności z szybkim dotarciem do danych o kliencie. Bez błyskawicznego dostępu do historii zakupów czy preferencji klientów przedstawiciele handlowi nie są w stanie skutecznie rekomendować produktów ani efektywnie finalizować transakcji. Brak dostępu do kompletnych danych jeszcze bardziej wydłuża cykl sprzedaży i ogranicza możliwości maksymalizacji wartości każdego klienta.
Rozwiązanie: wirtualny asystent sprzedaży wspierany przez AI
Aby usprawnić sprzedaż w branży farmaceutycznej, stworzyliśmy inteligentnego asystenta sprzedaży, wykorzystującego sztuczną inteligencję. Narzędzie to bazuje na dużych modelach językowych OpenAI oraz technologii konwersji mowy na tekst (speech-to-text). Dzięki temu asystent wspiera handlowców w codziennej pracy, znacząco zwiększając ich efektywność (patrz Rysunek 1):
Jak to działa w praktyce?
Gdy klient (np. apteka lub szpital) kontaktuje się telefonicznie w celu złożenia zamówienia, wirtualny asystent automatycznie przekształca całą rozmowę handlowca z klientem na tekst. Jest to możliwe dzięki wykorzystaniu wspomnianej technologii konwersji mowy na tekst. W naszym przypadku zastosowaliśmy Azure AI Services, choć można wykorzystać również inne platformy chmurowe lub narzędzia o podobnych możliwościach. Szczegóły pokazuje Rysunek 2 poniżej:
Dodatkowo asystent automatycznie rozpoznaje dzwoniącego klienta i wyświetla jego kartę w systemie CRM. Ilustruje to Rysunek 3:
Oczywiście nie wszystko działa idealnie od razu. Aby system poprawnie rozpoznawał nazwy leków, konieczne jest załadowanie niestandardowego słownika, zawierającego produkty konkretnej firmy farmaceutycznej. Dzięki temu komponent odpowiedzialny za rozpoznawanie mowy potrafi dokładnie zidentyfikować leki. Rozpoznane nazwy pojawiają się w transkrypcji napisane WIELKIMI LITERAMI. Warto zaznaczyć, że wszystkie produkty i leki prezentowane w aplikacji są fikcyjne — zostały wygenerowane przez AI wyłącznie na potrzeby demonstracji. Szczegóły pokazuje Rysunek 4:
Kolejnym wyzwaniem jest różnorodność akcentów, intonacji i wymowy, z jaką klienci podają nazwy leków. I tu właśnie wkracza AI. Model językowy został tak skonfigurowany, aby rozpoznawać i identyfikować nazwy leków nawet wtedy, gdy klient nie wypowiada ich w całości. Dzięki mechanizmowi RAG, który zapewnia dostęp do bazy wiedzy zawierającej listę leków produkowanych i sprzedawanych przez daną firmę, AI potrafi dopasować produkt na podstawie opisu lub substancji czynnej. Co więcej, LLM nie tylko rozpoznaje same nazwy leków, ale również poprawnie identyfikuje dawki i formy (takie jak: zastrzyki, kapsułki, tabletki, syropy itd.), o które pyta klient.
Produkty rozpoznane prawidłowo trafiają bezpośrednio do formularza zamówienia. Te, co do których są niejasności dotyczące dawki, formy lub które nie zostały rozpoznane, trafiają do kolejki do weryfikacji. Oba działania realizowane są automatycznie, ale cały proces jest monitorowany przez handlowca, który sprawdza zarówno formularz zamówienia, jak i kolejkę pozycji wymagających zatwierdzenia. Przebieg tego procesu pokazuje Rysunek 5:
A teraz czas na najciekawszy element. Na podstawie danych o kliencie — pochodzących z CRM lub innych systemów — oraz historii wcześniejszych zamówień, wirtualny asystent automatycznie proponuje dodatkowe produkty, które mogą zainteresować danego odbiorcę. Tego rodzaju mechanizm upsellingu jest dla handlowców bardzo dużą pomocą. Nie muszą oni już samodzielnie dopasowywać oferty do indywidualnych potrzeb klienta. Dzięki temu mają więcej przestrzeni na budowanie relacji z klientem. Ponieważ propozycje bazują na danych, prawdopodobieństwo ich zaakceptowania jest znacznie większe. Ilustruje to Rysunek 6:
Po zatwierdzeniu przez handlowca nazw produktów, dawek i form leków, zostają one przeniesione do formularza zamówienia. Jeśli klient zaakceptuje jedną z propozycji upsellingowych, również trafia ona do zamówienia. Na tym etapie zamówienie jest gotowe do realizacji.
Wirtualny asystent AI w sprzedaży farmaceutycznej: korzyści
Zbudowany przez nas wirtualny asystent znacząco przyspiesza proces sprzedaży, pozwalając handlowcom szybciej finalizować transakcje. Dzięki automatyzacji zadań takich jak składanie zamówień czy rekomendacje upsellingowe, zespoły sprzedażowe mogą obsłużyć więcej zapytań w tym samym czasie, co przekłada się na zauważalny wzrost produktywności. Z kolei klienci zyskują na szybszej i bardziej sprawnej obsłudze, co pozytywnie wpływa na ich zadowolenie z całego procesu składania zamówienia.
Wbudowany mechanizm sprzedaży dodatkowej otwiera nowe źródła przychodu — system sam proponuje produkty, które mogą być interesujące dla danego klienta. Propozycje te są oparte na danych, historii sprzedaży oraz profilu klienta, dzięki czemu są dopasowane i mają większą szansę na akceptację. Handlowcy nie muszą już tracić czasu na tworzenie takich ofert — mogą skupić się na relacjach i obsłudze klienta.
Możliwość personalizacji i integracji z systemami firmowymi sprawia, że asystent bez problemu dopasowuje się do istniejących procesów. Wystarczy załadować własny słownik pojęć, aby poprawić jakość rozpoznawania mowy w konkretnym środowisku sprzedażowym.
Aplikacja działa w chmurze Microsoft Azure, co oznacza, że spełnia standardy bezpieczeństwa korporacyjnego i jest w pełni zgodna z przepisami RODO.
Poza tym na podstawie transkrypcji możliwe jest przeprowadzenie analizy sentymentu rozmów telefonicznych pokazującej poziom zadowolenia klientów. Dzięki temu można polepszyć jakość kontaktu z klientami. Można również wykorzystać AI do sprawdzenia, czy handlowcy stosują się do ustalonych scenariuszy rozmów, proponują nowe produkty itp. Ręczne przeprowadzenie takiej analizy byłoby mocno czasochłonne i kosztowne. Pozyskane dane mogą służyć również do szkoleń i podnoszenia jakości obsługi klienta.
Wirtualny asystent AI w sprzedaży farmaceutycznej: architektura rozwiązania
A teraz garść szczegółów technicznych, jak wygląda architektura naszego rozwiązania:
- App — aplikacja służąca do usprawnienia procesu sprzedaży. Może być zintegrowana z istniejącym systemem klienta lub udostępniana jako API zwracające dane w odpowiednim formacie.
- Storage — przestrzeń, w której przechowywane są kluczowe dane wykorzystywane w procesie sprzedaży. W jej skład wchodzą in.:
- słownik fraz zawierający nazwy własne rozpoznawane przez komponent speech-to-text podczas rozmów,
- słownik artykułów (w naszym przypadku leków), do których odnosi się konwersacja,
- przykładowe rozmowy służące do trenowania chatbota i poprawy jego działania.
- Azure AI Services speech-to-text — komponent przekształcający rozmowy głosowe w tekst. Ponieważ w sprzedaży farmaceutycznej pojawia się wiele specjalistycznych nazw, skuteczność rozpoznawania można zwiększyć poprzez dodanie słownika terminów branżowych.
- Azure OpenAI LLM — chatbot oparty na dużym modelu językowym analizuje zapis rozmowy i generuje odpowiedź w ustrukturyzowanym formacie JSON.
Całość ilustruje Rysunek 7:
AI w farmacji: najważniejsze wnioski
Jak widać, zastosowanie sztucznej inteligencji w branży farmaceutycznej nie musi od razu oznaczać opracowywania leków czy badań klinicznych. Czasem to właśnie prostsze rozwiązania, wykorzystujące możliwości przetwarzania języka naturalnego dostępne w ekosystemie Azure, mogą usprawnić kluczowe procesy w firmie.
Stworzony przez nas wirtualny asystent oparty na AI, który można stosunkowo szybko zaprojektować i wdrożyć, wspiera zespoły sprzedaży i pozwala generować nowe źródła przychodu dla firm farmaceutycznych. Co istotne koszt rozpoczęcia takiego projektu nie jest zaporowy, a zwrot z inwestycji (ROI) można łatwo oszacować. Wdrożenie AI nie musi więc oznaczać rewolucji. Warto zacząć od drobnych kroków i niewielkich zmian w najważniejszych procesach, które mogą przynieść realne efekty biznesowe.
Takie pierwsze wdrożenie to również świetna okazja, by przetestować, co działa, a co wymaga korekty — i na tej podstawie przygotować przemyślane ramy dla szerszego wykorzystania sztucznej inteligencji w firmie.
Jeśli chcesz przetestować naszego wirtualnego asystenta wspierającego sprzedaż, możemy zbudować jego prototyp dla Ciebie. Cały proces wygląda następująco:
- Analizujemy Twój przypadek biznesowy.
- Zbierasz dane.
- Przygotowujemy infrastrukturę na platformie Azure.
- Tworzymy dedykowany prototyp na podstawie Twoich danych.
- Testujemy i optymalizujemy rozwiązanie.
Po zebraniu danych cały proces budowy prototypu zajmuje nam około dwóch do trzech tygodni.
Napisz do nas na adres sales@fabrity.pl, żeby porozmawiać o szczegółach.
