UiPath reprend Peak

La plateforme Peak AI optimise l'inventaire et la tarification des produits pour les entreprises de toutes tailles et dans de nombreux secteurs d'activité. Par cette plate-forme les clients peuvent développer des workflows d'IA, traiter des données et fournir des prédictions destinées à optimiser les processus commerciaux. L’entreprise a dans son portefeuille une gamme d'applications décisionnelles basées sur l'IA qui permettent aux utilisateurs métier de prendre des décisions très complexes telles que la planification des stocks et l'optimisation des décisions relatives à la tarification des produits.

Peak continuera à améliorer la plateforme d'automatisation agentique UiPath. Par exemple, les organisations doivent répondre à des exigences strictes en matière de calculs complexes dans une variété de processus commerciaux. Les entreprises ont besoin d'analyses et de prédictions précises auxquelles elles peuvent se fier, et les solutions de Peak formeront l'épine dorsale des nouveaux agents de tarification et d'inventaire pour les clients UiPath. Les capacités décisionnelles plus étendues de Peak seront également prises en compte dans les capacités d'orchestration de la plate-forme d'automatisation agentique UiPath, ce qui permettra de mettre en place des processus autonomes basés sur des données client contextuelles.

Les deux entreprises ont déjà des exemples de mises en œuvre comme celui chez Heidelberg Materials, une entreprise basée au Royaume-Uni et l'un des plus grands fabricants de matériaux de construction au monde. La solution fait appel à l'automatisation pour rassembler des données provenant de centaines de points de données, s'appuie sur l'IA pour déterminer un devis optimal pour un client donné et informe les responsables des ventes. Grâce à ce processus automatisé de bout en bout, Heidelberg Materials a nettement amélioré l’efficacité de son équipe de vente en proposant plus rapidement les propositions de devis et ainsi augmenter les taux de conversion.

Nos derniers livres blancs