Mehāniķis vislabāk zina, kas konstatēts un kas izdarīts, bet nelabprāt raksta un tam nav laika. Piezīmes paliek uz papīra lapiņas vai darba uzdevuma malā: „nomainīts priekšējais labais, noregulēts, eļļa”. Vakarā servisa konsultants mēģina no tā salikt rēķinu autoservisa programmā: kādi normlaiki no Autodata vai HaynesPro attiecas, kādas detaļas pasūtītas, cik stundu. Daļa darbu tiek aizmirsta un netiek izrakstīta rēķinā, bet citi darbi aprakstīti tā, ka klients nesaprot, par ko maksā, un zvana strīdēties. Garantijas gadījumu apraksti ir pārāk īsi, lai apdrošinātājs vai ražotājs tos pieņemtu.
Risinājums ļauj mehāniķim pēc darba vienkārši nodiktēt piezīmes telefonā vai uzrakstīt īsu piezīmi planšetē pie pacēlāja, pēc tam, kad no dienas saraksta autoservisa programmā izvēlējies auto. ChatGPT modelis caur API pārraksta ierakstu tekstā, saprot servisa terminoloģiju un izveido struktūru: kas konstatēts apskatē, kādi darbi veikti, kādas detaļas izmantotas. Pēc tam aģents katram darbam piemēro standarta normlaiku no Autodata vai HaynesPro atbilstoši auto variantam (vai no jūsu pašu normlaiku tabulas), pievieno detaļas no šī auto detaļu pasūtījuma un piemēro jūsu tarifus. Rezultāts ir darba uzdevuma un rēķina melnraksts, kas autoservisa programmā izveidots kā neizrakstīts dokuments šim auto. Servisa konsultants to pārbauda ierastajā programmas logā, pielāgo normlaikus vai atlaidi un izraksta. Klients saņem skaidru aprakstu vienkāršā valodā: kas konstatēts, kāpēc detaļa tika nomainīta un kas jādara nākamreiz. Pie autoservisa programmas pieslēdzamies, izmantojot tās API vai eksportu atkarībā no versijas, un Autodata un HaynesPro normlaikus izmantojam ar jūsu esošo abonementu; metodi izvēlamies pēc pārbaudes. Modelis darbojas OpenAI platformā caur API bez apmācības ar jūsu datiem, balss ieraksti pēc pārrakstīšanas tiek glabāti tikai jūsu vidē, un, ja jūsu grāmatvedība darbojas ERP, piemēram, Horizon, ko mitinām mēs, rēķins nonāk caur ERP mitināšanas integrāciju.