كيف قمت بتأتمتة تتبع نفقات مساعدي باستخدام الذكاء الاصطناعي

قبل تنفيذ النظام الجديد، كان عملية تتبع النفقات عملية غير فعالة للغاية وتستهلك الكثير من الوقت. فيما يلي تفصيل للعملية القديمة:

• كانت نينا تطلب لقطات شاشة للمعاملات الأسبوعية من الرئيس التنفيذي.
• كان الرئيس التنفيذي يرسل لقطات الشاشة، والتي كان على نينا أن تقوم بمعالجتها يدويًا.
• استخدمت نينا OCR على iOS أو Mac OS لاستخراج النص من لقطات الشاشة.
• ثم استخدمت نينا تعليمة برمجية مكتوبة مسبقًا لـ ChatGPT لتصنيف النفقات وتنسيق البيانات.
• أخيرًا، قامت نينا بإدخال كل نفقة يدويًا في قاعدة بيانات Notion.

كان هذا الإجراء يستغرق نينا حدًا أدنى من ساعتين في الأسبوع لإكماله. لم يكن الرئيس التنفيذي على دراية بالوقت الحقيقي المطلوب للاستثمار وظن أنه مهمة أسرع بكثير.

كانت النقاط الرئيسية للنظام القديم هي الاستخراج اليدوي للبيانات والتصنيف والإدخال في Notion. كانت هذه عملية شاقة وعرضة للأخطاء مما أثر بشكل كبير على إنتاجية نينا ورؤية الرئيس التنفيذي لنفقاته.

خلال الأشهر القليلة الماضية، قمت بثورة وتبسيط نظام تتبع نفقاتي. المكون الرئيسي لهذا البناء هو دمج GPT Vision، مما يسمح بعملية شبه آلية.

فيما يلي كيفية عمل النظام الجديد:

1. يرسل البنك إشعارات SMS آلية لكل معاملة، والتي أقوم بالتقاط لقطة شاشة لها وإرسالها إلى مساعدتي نينا.
2. تقوم نينا بتحميل لقطات الشاشة إلى روبوت دردشة WhatsApp الذي قمت بإنشائه باستخدام Voiceflow. يستخدم هذا الروبوت GPT Vision لاستخراج تفاصيل المعاملة من الصور.
3. يتم إضافة البيانات المستخرجة تلقائيًا إلى قاعدة بيانات Notion، حيث يتم عرضها في مخطط لتسهيل رؤية إنفاقي الشهري.

قد قلل النظام الجديد بشكل كبير من الوقت والجهد المطلوب لتتبع نفقاتي. في السابق، كان من الممكن أن تستغرق نينا ما يصل إلى ساعتين في الأسبوع لمعالجة المعاملات يدويًا. الآن، أصبحت العملية شبه آلية، حيث تحتاج نينا فقط إلى تحميل لقطات الشاشة والتحقق من البيانات.

يعد دمج GPT Vision هو المفتاح لهذا النهج المبسط. من خلال استخدام وظيفة مخصصة في Voiceflow، أستطيع دمج OpenAI Vision API بسهولة في روبوت دردشة WhatsApp الخاص بي، مما يسمح له باستخراج المعلومات الضرورية من لقطات شاشة النفقات.

المفتاح لهذا البناء هو دمج GPT Vision و WhatsApp باستخدام Voiceflow. إليك كيف يعمل:

1. يرسل البنك إشعارات SMS آلية لكل معاملة، والتي أقوم بالتقاط لقطة شاشة لها وإرسالها إلى مساعدتي نينا.
2. تقوم نينا بتحميل لقطات الشاشة إلى رقم WhatsApp المتصل بروبوت دردشة Voiceflow.
3. يستخدم روبوت دردشة Voiceflow وظيفة مخصصة من Flowbridge لدمج OpenAI Vision API واستخراج تفاصيل المعاملة من الصورة.
4. يتم إرسال البيانات المستخرجة بعد ذلك إلى أتمتة Make.com، والتي تضيف كل معاملة كصف في متتبع النفقات Notion الخاص بي.

يتعامل روبوت دردشة Voiceflow مع العملية بأكملها، من استقبال إدخال الصورة إلى تصنيف المعاملات وتحديث قاعدة بيانات Notion. هذا يبسط سير عمل تتبع النفقات ويوفر الكثير من الوقت لنينا مقارنة بالعملية اليدوية السابقة.

المكونات الرئيسية لهذا البناء هي:

1. Voiceflow: تم استخدامه لإنشاء واجهة روبوت دردشة WhatsApp ودمج وظيفة GPT Vision.
2. Flowbridge: يوفر وظيفة مخصصة لربط Voiceflow بسهولة بـ OpenAI Vision API والتعامل مع المدخلات غير النصية مثل الصور.
3. Make.com: يؤتمت عملية إضافة بيانات المعاملة المستخرجة إلى متتبع النفقات Notion.

النقاط الرئيسية من هذا المشروع هي:

• يمكن أن يوفر تأتمت تتبع النفقات وقتًا وجهدًا كبيرين. يستخدم النظام الجديد GPT Vision والتكامل مع WhatsApp لتبسيط العملية.
• بناء حلول AI مخصصة لحل المشاكل الشخصية يمكن أن يؤدي إلى تجارب تعلم قيمة ومهارات قابلة للنقل.
• متابعة فضولك الخاص و"حك حاجتك الخاصة" هو طريقة فعالة لاكتساب خبرة عملية في مجال الذكاء الاصطناعي وغيرها من التقنيات.
• سيتم مشاركة الموارد والقوالب المستخدمة في هذا المشروع، بما في ذلك قالب Voiceflow والأتمتة Make.com، في المجتمع المجاني عبر الإنترنت للمبدع ليستفيد منها الآخرون.
• يمكن أن يؤدي التحسين المستمر للنظام، مثل إضافة تتبع النفقات حسب الفئة، إلى تعزيز المزيد من الوظائف والفائدة من الحل.
• يوضح المشروع كيف يمكن دمج الذكاء الاصطناعي في العمليات الشخصية لزيادة الإنتاجية والكفاءة.