קרדיט תמונה: OpenAI / Choco
סוכני AI משנים את שרשרת האספקה במזון
בפרסום של OpenAI מאפריל 2026 נחשף כיצד Choco, פלטפורמת הפצה לתעשיית המזון והמשקאות, הטמיעה סוכני AI המבוססים על ממשקי ה API של OpenAI כדי לעבד הזמנות שמגיעות במייל, SMS, תמונות ושיחות. התוצאה: 8.8 מיליון הזמנות בשנה, ירידה של עד 50% בהזנה ידנית ושיפור פי 2 בפרודוקטיביות.
OpenAI: סוכני AI עוברים מהבטחה לטכנולוגיה תפעולית, וכך בדיוק נראה המקרה של Choco, כפי שנחשף בפרסום של OpenAI מאפריל 2026. החברה, שפועלת בארה"ב, בריטניה, אירופה ומדינות ה GCC, מחברת בין מסעדות, ספקים ומפיצים במערכת אחת לניהול הזמנות ומכירות. אבל ככל שהנפח גדל, התגלתה הבעיה הקלאסית של עולם ההפצה: ההזמנות לא מגיעות בפורמט מסודר, אלא דרך אימיילים, הודעות טקסט, הודעות קוליות, תמונות ולעיתים אפילו פתקים בכתב יד.
כשהקושי האמיתי הוא ההקשר, לא הטקסט
לפי נרבה מירזאי (Narbeh Mirzaei), סמנכ"ל ההנדסה של Choco, התמלול והחילוץ הם רק השלב הראשון. האתגר המרכזי הוא ההקשר הסמוי: התאמות SKU ייחודיות לכל לקוח, העדפות יחידות מידה, דפוסי אספקה והיסטוריית הזמנות. בארגונים מסורתיים, הידע הזה נמצא אצל נציגי מוקד ההזמנות, מה שמגביל את הסקייל ומייצר טעויות ועיכובים. Choco ביקשה לקודד את הידע הזה לתוך שכבת הסקה שמסוגלת לפתור עמימות כבר ברגע קליטת ההזמנה.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
כאן נכנסים מודלים שפתיים גדולים (LLMs) מייצור: במקום עוד "תוכנת וורקפלואו" שמנתבת משימות לבני אדם, Choco בנתה מערכות שמבצעות עבודה בפועל, עם סוכנים שמבינים את הקלט, מזהים ישויות, מאמתים מול קטלוג והיסטוריה, ומפיקים פלט מובנה שמתאים ל ERP.
OrderAgent ו VoiceAgent: מולטימודלי, בזמן אמת, ומוכן ל ERP
במרכז ההטמעה עומד OrderAgent, מוצר שמקבל קלט מולטימודלי (טקסט, תמונות ומסמכים) וממיר אותו להזמנה מובנית. במונחים טכניים, זהו שילוב של יכולות ראייה ממוחשבת וטקסט, חילוץ ישויות והמרה ל"פלטים מובנים" שנוחים לחיבור למערכות תפעוליות. כאשר מודל מחזיר נתונים בפורמט עקבי (למשל שדות של פריט, כמות, יחידה, תאריך אספקה והערות), ניתן להפעיל שכבות בדיקה אוטומטיות ולהעביר את ההזמנה כמעט ללא מגע יד אדם.
Charco הרחיבה זאת גם לשיחות טלפון באמצעות VoiceAgent, המבוסס על Realtime API של OpenAI. המשמעות העסקית היא קליטת הזמנות טבעית בשיחה, עם השהיה של תת שנייה, גם מחוץ לשעות העבודה. בעולם ההפצה, שבו מסעדות וספקים עובדים בלילות ובסופי שבוע, הזמינות הזו הופכת ליתרון תחרותי: פחות הזמנות "נתקעות" עד הבוקר ופחות טעויות שנוצרות מהעברת הודעות בין ערוצים.
למה OpenAI ואיך דואגים לאמינות בייצור
לפי OpenAI, הבחירה התבססה על ביצועי מודלים, מולטימודליות, יכולת להפיק פלטים מובנים ואמינות בסקייל. Choco שילבה רכיבים נפוצים בפיתוח מערכות LLM, בהם speech-to-text, embeddings לחיפוש סמנטי ולהצמדת הקשר מהקטלוג והיסטוריית הלקוח, ו function calling להפעלה מבוקרת של פעולות במערכת, כמו יצירת הזמנה, אימות מחיר או בדיקת זמינות.
כדי להתמודד עם האופי ההסתברותי של מודלים שפתיים, החברה הקימה מסגרת הערכה הכוללת דאטה "אמת מידה" (ground truth), ניטור רציף וניסויי A/B. זהו לקח חשוב לקהילת הפיתוח: מערכות AI אינן נמדדות רק ב"זה עובד", אלא בדיוק, עקביות, ועלויות שגיאה. Choco מדווחת על שיעורי שגיאה נמוכים שנעים מתחת ל 1% עד 5%, עם ספי אוטומציה ניתנים להגדרה, כלומר אפשר לבחור מתי המערכת מבצעת לבד ומתי היא מעבירה לבדיקה אנושית.
התוצאות: מיליוני הזמנות, פחות עבודת יד, יותר סקייל
במבט על, Choco מעבדת מעל 8.8 מיליון הזמנות בשנה, תוך עיבוד של מעל 200 מיליארד טוקנים בסביבת ייצור. היא מדווחת על ירידה של עד 50% בהזנת הזמנות ידנית ועל הכפלת פרודוקטיביות של צוותי המכירות ללא גיוס נוסף. מעבר ליעילות, המשמעות היא מעבר למודל תפעולי של 24/7 order intake, שמקטין עיכובים בלילות וסופי שבוע.
לאן זה הולך: סוכנים כאמצעי ביצוע, ומנהלי סוכנים ללא קוד
OpenAI מציינת כי Choco מתכננת להרחיב את השימוש בסוכנים לתהליכים מורכבים יותר במכירות, מסחר ותפעול שרשרת אספקה. נקודה מעניינת במיוחד היא הופעת תפקיד חדש: "מתזמרי סוכנים" שאינם מהנדסים, שמעצבים ומנהלים התנהגות סוכנים כדי להשיג תוצאות עסקיות. במילים אחרות, הבשורה איננה רק אוטומציה, אלא שינוי במי שמגדיר את הלוגיקה התפעולית: פחות קוד, יותר ניהול מדיניות, בדיקות ומדדים.
שורת התחתונה ברורה: כאשר LLMs משולבים נכון עם הקשר ארגוני, בדיקות וממשקי פעולה, הם יכולים להפוך מניסוי למכונה שמזיזה תעשיות מסורתיות, כולל אחת המורכבות ביותר: הפצת מזון.