הרקע
רשת סוכנויות ביטוח שמתמחה בשירות פרימיום פנתה אלינו עם בעיה ברורה. השירות המרכזי שלהם - ניתוח תיק הוליסטי - היה היתרון התחרותי שלהם. הם סורקים את כל מוצרי הביטוח של הלקוח, מזהים פערים, ומציפים הזדמנויות. שירות ברמה גבוהה שמבדל אותם מכל המתחרים.
הבעיה: כל ניתוח כזה דרש מסוכן מיומן לשבת שעה עד שעה וחצי, לעבור ידנית על עשרות מסמכים - פוליסות, נספחים, אישורים רפואיים, תוכניות חיסכון - ולבנות דו”ח מפורט.
עם כמעט 100 תיקים בחודש, מדובר ב-100 עד 150 שעות עבודה חודשיות. בחישוב עלות מעסיק, זה 150,000 עד 200,000 שקל בשנה. רק על עיבוד ידני של מסמכים.
ומעבר לעלות הישירה: טעויות אנושיות, תיקים שלא הגיעו לניתוח כלל כי לא היה זמן, ועיכובים בזמני התגובה ללקוחות פרימיום שמצפים לשירות מהיר.
מה לא עבד לפני שהגענו
הצוות ניסה כלים מובנים ופתרונות off-the-shelf. שום דבר לא הצליח להתמודד עם המורכבות האמיתית: פוליסות ממספר חברות ביטוח, פורמטים שונים של מסמכים, חריגים, שינויים רטרואקטיביים, ומבנה ניתוח ייחודי שהרשת פיתחה לאורך שנים.
הבעיה לא הייתה טכנולוגית. היא הייתה ארכיטקטורלית. הכלים הגנריים לא הבינו את התהליך הספציפי הזה.
מה בנינו
מערכת AI מקצה לקצה שלוקחת תיק גולמי ומפיקה ניתוח מלא בפורמט המקצועי של הלקוח.
ברמה הטכנית:
אינטגרציית אימייל שמזהה אוטומטית תיקים נכנסים שדורשים ניתוח. ברגע שתיק מזוהה, המערכת שולפת את כל המסמכים ומפעילה pipeline של עיבוד מסמכים דרך Claude API. כל מסמך - פוליסה, נספח, תוכנית פנסיה, אישור רפואי - נקרא, מנותח ומובנה.
המידע ממופה אוטומטית לפורמט הניתוח הייחודי של הרשת. לא פורמט גנרי - בדיוק המבנה שהסוכנים שלהם עובדים איתו.
בנוסף, בנינו אפליקציית ווב ייעודית להגשה ידנית של תיקים כשצריך, עם מערכת הרשאות שמוודאת שרק סוכנים מורשים יכולים לגשת למערכת.
התוצר הסופי: דף דו”ח מעוצב וממותג, עם לינק אישי שמוכן לשליחה ישירה ללקוח הקצה.
הטכנולוגיה: שרת Node.js מאובטח, Claude AI לניתוח מסמכים, Python לחילוץ מידע מובנה מקבצי אקסל, אפליקציית ווב עם מערכת משתמשים.
התוצאות
100+ שעות עבודה בחודש חזרו לסוכנים. הזמן הזה הולך עכשיו לייעוץ, מכירות וטיפוח לקוחות.
תהליך שלקח שעה עד שעה וחצי לכל תיק מסתיים בדקות ספורות.
האיכות אחידה בכל דו”ח - בלי תלות ברמת הסוכן או בעומס של אותו יום.
והכי חשוב מבחינה עסקית: הרשת יכולה להכפיל את כמות הלקוחות בלי לגייס עוד אנשים לניתוח.
המערכת שילמה על עצמה תוך חודשים בודדים.
מה למדנו
הפרויקט הזה חיזק לנו תובנה שחוזרת בכל הטמעה: הבעיה כמעט אף פעם היא לא “אין מספיק AI.” הבעיה היא שה-AI שקיים לא מחובר לתהליך האמיתי. מערכת שלא מכירה את הפורמטים שלכם, את החריגים שלכם, ואת ה-edge cases שצצים בשטח - תיצור עבודה נוספת, לא תחסוך אותה.
הפתרון הוא לא עוד כלי. הפתרון הוא ארכיטקטורה נכונה שמבינה את התהליך מקצה לקצה.
רוצים לבדוק מה אפשר לעשות בתהליכים שלכם? דברו איתנו