شركة تمويل دراجات تكشف صور التسليم المشبوهة بالذكاء الاصطناعي
Galgo تمول الدراجات النارية في أمريكا اللاتينية، وبنت نظام يخلي GPT-5-mini يحكم على صور التسليم، والبشر يراجعون الاستثناءات بس.
- الجهة
- Galgo
- المجال
- العمليات والأتمتة
- الأداة
- Zapier، GPT-5-mini
- المصدر
- Zapier: جوائز Zappy السنوية 2026
نُشر المصدر: 23 سبتمبر 2026
وش كانت المشكلة؟
صورة تسليم الدراجة هي آخر فرصة لكشف الاحتيال قبل ما تتحرك الفلوس. ومع آلاف الصور بالشهر، المراجعة اليدوية لكل صورة متعبة وتفوّت أخطاء.
وش سوّوا؟
بنى Ignacio Piñeiro نظام مراجعة بالاستثناء: يسحب بيانات وصور التسليم، وGPT-5-mini يحكم عليها حسب قواعد صارمة ويصنفها، والمراجعين البشر يشوفون بس الصور المشكوك فيها.
النتيجة حسب المصدر
- نسبة إثباتات التسليم غير الصالحة نزلت من حوالي 8% إلى أقل من 2%.
- على أكثر من 3,000 صورة بالشهر.
- المراجعين صاروا يركزون على الاستثناءات بس.
الأرقام منقولة كما نشرها المصدر، وما تحققنا منها بشكل مستقل. وقصص العملاء غالبًا من الشركة اللي تبيع الأداة، فنتيجتك ممكن تختلف.
وش تتعلم منها؟
خلاصة المصدر نفسه: «وجّه انتباه البشر للمخاطر مو للكمية». الذكاء الاصطناعي يفرز، والإنسان يقرر في الحالات المشكوك فيها.
كيف تسويها بنفسك؟
- اكتب قواعد واضحة للصورة المقبولة (يبان الرقم، الوجه، المكان، التاريخ).
- اربط مصدر الصور بأداة أتمتة (Zapier أو n8n).
- خل نموذج يقرأ الصور ويطلع: مقبولة، مرفوضة، مشكوك فيها، مع السبب.
- الموظف يراجع «مرفوضة» و«مشكوك فيها» بس.
- راجع عينة من «المقبولة» كل أسبوع للتأكد.
برومبت جاهز تبدأ فيه
عدّل اللي بين الأقواس [ ] على وضعك. ولا تلصق بيانات عملاء أو أرقام هويات في أداة ما تعرف سياستها.
حالات وأدلة قريبة
المصدر
آخر تحديث للصفحة: 29 أكتوبر 2026