Hoe ik de uitgavenregistratie van mijn assistent automatiseerde met AI

Voordat het nieuwe systeem werd geïmplementeerd, was het proces voor het bijhouden van uitgaven zeer inefficiënt en tijdrovend. Hier volgt een uiteenzetting van het oude proces:

• Nina zou screenshots van de wekelijkse transacties opvragen bij de CEO.
• De CEO zou de screenshots sturen, die Nina vervolgens handmatig moest verwerken.
• Nina zou de iOS- of Mac OS-OCR gebruiken om de tekst uit de screenshots te extraheren.
• Vervolgens zou ze een voorgeschreven ChatGPT-prompt gebruiken om de uitgaven te categoriseren en de gegevens op te maken.
• Ten slotte zou Nina elke uitgave handmatig in een Notion-database invoeren.

Dit proces nam Nina minimaal 2 uur per week in beslag. De CEO was zich niet bewust van de werkelijke tijdsinvestering die nodig was en dacht dat het een veel snellere taak was.

De belangrijkste pijnpunten van het oude systeem waren de handmatige gegevensextractie, categorisering en invoer in Notion. Dit was een saai en foutgevoelig proces dat aanzienlijke gevolgen had voor de productiviteit van Nina en het inzicht van de CEO in zijn uitgaven.

In de afgelopen maanden heb ik het systeem voor het bijhouden van mijn uitgaven gerevolutioneerd en gestroomlijnd. De belangrijkste component van deze bouw is de integratie van GPT Vision, waardoor een grotendeels geautomatiseerd proces mogelijk is.

Hier is hoe het nieuwe systeem werkt:

1. Mijn bank stuurt geautomatiseerde SMS-meldingen voor elke transactie, die ik screenshot en naar mijn assistent Nina stuur.
2. Nina laadt de screenshots op naar een WhatsApp-chatbot die ik heb gemaakt met Voiceflow. Deze chatbot maakt gebruik van GPT Vision om de transactiegegevens uit de afbeeldingen te extraheren.
3. De geëxtraheerde gegevens worden vervolgens automatisch toegevoegd aan een Notion-database, waar ze worden weergegeven in een grafiek voor een eenvoudige visualisatie van mijn maandelijkse uitgaven.

Het nieuwe systeem heeft de tijd en moeite die nodig is voor het bijhouden van mijn uitgaven aanzienlijk verminderd. Voorheen nam het Nina tot 2 uur per week in beslag om de transacties handmatig te verwerken. Nu is het proces grotendeels geautomatiseerd, waarbij Nina alleen de screenshots hoeft op te laden en de gegevens hoeft te verifiëren.

De sleutel tot deze bouw is de integratie van GPT Vision en WhatsApp met behulp van Voiceflow. Hier is hoe het werkt:

1. De bank stuurt geautomatiseerde SMS-meldingen voor elke transactie, die ik screenshot en naar mijn assistent Nina stuur.
2. Nina laadt de screenshots op naar een WhatsApp-nummer dat is verbonden met de Voiceflow-chatbot.
3. De Voiceflow-chatbot gebruikt een aangepaste functie van Flowbridge om te integreren met de OpenAI Vision API en de transactiegegevens uit de afbeelding te extraheren.
4. De geëxtraheerde gegevens worden vervolgens naar een Make.com-automatisering gestuurd, die elke transactie als een rij toevoegt aan mijn Notion-uitgaventracker.

De Voiceflow-chatbot behandelt het hele proces, van het ontvangen van de beeldinvoer tot het categoriseren van de transacties en het bijwerken van de Notion-database. Dit stroomlijnt de workflow voor het bijhouden van uitgaven en bespaart Nina aanzienlijk tijd in vergelijking met het vorige handmatige proces.

De belangrijkste inzichten uit dit project zijn:

• Het automatiseren van het bijhouden van uitgaven kan aanzienlijk tijd en moeite besparen. Het nieuwe systeem maakt gebruik van GPT Vision en integratie met WhatsApp om het proces te stroomlijnen.
• Het bouwen van op maat gemaakte AI-oplossingen om persoonlijke problemen op te lossen, kan leiden tot waardevolle leerervaringen en overdraagbare vaardigheden.
• Het volgen van je eigen nieuwsgierigheid en "je eigen probleem krabben" is een effectieve manier om praktische ervaring op te doen met AI en andere technologieën.
• De gebruikte bronnen en sjablonen, waaronder de VoiceFlow-sjabloon en de Make.com-automatisering, zullen worden gedeeld in de gratis online community van de maker, zodat anderen ze kunnen gebruiken.
• Het continu verbeteren van het systeem, zoals het toevoegen van categorie-gebaseerde uitgavenregistratie, kan de functionaliteit en bruikbaarheid van de oplossing verder verbeteren.
• Het project laat zien hoe AI kan worden geïntegreerd in persoonlijke workflows om de productiviteit en efficiëntie te vergroten.