2,14 mln zł marży odzyskanej w dziewięć miesięcy

Zakład prowadzi kilkaset zleceń rocznie, a każde z nich jest wyceniane z wyprzedzeniem: materiał, roboczogodziny, kooperacja. Problem nie leżał w samych wycenach, tylko w tym, że nikt nie widział, kiedy rzeczywistość zaczyna od nich odjeżdżać. Koszty spływały do systemu księgowego z opóźnieniem, a raport marżowości powstawał raz na miesiąc, ręcznie, z trzech różnych źródeł.

W praktyce oznaczało to, że decyzja o korekcie ceny, zmianie technologii albo rozmowie z klientem zapadała długo po tym, jak zlecenie przestało się spinać. Część strat dawało się odrobić na kolejnych partiach. Część była nie do odzyskania, bo kontrakt zdążył się skończyć.

Objawy, z którymi zakład do nas przyszedł, układały się w powtarzalny wzór:

• Raport marżowości miał cykl miesięczny, a decyzje produkcyjne zapadały codziennie. Między jednym a drugim nie było nic.
• Trzy źródła prawdy o koszcie - system produkcyjny, księgowość i arkusze technologów - zgadzały się dopiero po ręcznym uzgodnieniu.
• Przekroczenia wychodziły na jaw po zamknięciu zlecenia, gdy jedyną dostępną reakcją był wniosek na przyszłość.
• Wiedza o tym, które zlecenia są ryzykowne, siedziała w głowach dwóch osób i nie przeżywała urlopu żadnej z nich.

Wdrożenie zaczęło się od podłączenia źródeł, nie od zmiany procesów. Omnira Predict czyta system produkcyjny i księgowość przez istniejące API, bez migracji danych i bez nowych obowiązków po stronie planistów. Pierwsze tygodnie to była wyłącznie obserwacja: model uczył się, jak w tym konkretnym zakładzie wygląda normalny przebieg zlecenia.

Dopiero na tej podstawie stanęły alerty. Nie na sztywnym progu, tylko na odchyleniu od wzorca: zlecenie, które schodzi z marży szybciej, niż wynikałoby z etapu realizacji, podnosi rękę samo. Alert trafia do Omnira Desk jako sprawa z kompletem kontekstu - kalkulacją, dotychczasowym kosztem i wskazaniem, gdzie odchylenie powstaje.

Desk prowadzi tę sprawę do decyzji: przypisuje ją do właściwej osoby, pilnuje czasu reakcji i zostawia ślad, co postanowiono i dlaczego. To domyka pętlę, której wcześniej brakowało - sygnał nie ginie w skrzynce, a po kwartale widać, które typy odchyleń wracają.

Kroki wdrożenia, w kolejności:

• Podłączenie systemu produkcyjnego i księgowości po API, tryb tylko do odczytu.
• Okres obserwacji: model buduje wzorce kosztowe na historii zleceń, zespół pracuje po staremu.
• Uruchomienie alertów odchyleń w Omnira Predict, kalibracja czułości z technologami.
• Spięcie alertów z Omnira Desk: trasa spraw, czas reakcji, zapis decyzji.
• Przegląd po pierwszym pełnym kwartale i korekta progów na podstawie decyzji, które zapadły.

Najważniejsza zmiana jest strukturalna: rozmowa o marży przestała być rytuałem zamknięcia miesiąca, a stała się codzienną pracą na żywych zleceniach. Przekroczenia dalej się zdarzają - produkcja seryjna nie jest deterministyczna - ale są wykrywane w trakcie realizacji, kiedy korekta jest jeszcze możliwa.

Kwota w nagłówku tej strony to suma korekt, które udało się przeprowadzić, zanim zlecenia się zamknęły: renegocjacje, zmiany technologii, decyzje o wstrzymaniu nierentownych serii. Liczona jest po stronie klienta, na jego danych, i oznaczona jako robocza do czasu publikacji uzgodnionego studium.

Drugi efekt jest mniej widoczny w liczbach: wiedza o ryzykownych zleceniach przestała być osobista. Nowy planista widzi w Desk te same sygnały i tę samą historię decyzji, co osoba z dziesięcioletnim stażem.