Prima di implementare il nuovo sistema, il processo di tracciamento delle spese era altamente inefficiente e dispendioso in termini di tempo. Ecco una panoramica del vecchio processo:

• Nina richiedeva gli screenshot delle transazioni settimanali al CEO.
• Il CEO inviava gli screenshot, che Nina doveva poi elaborare manualmente.
• Nina utilizzava l'OCR di iOS o Mac OS per estrarre il testo dagli screenshot.
• Successivamente, utilizzava un prompt di ChatGPT precompilato per categorizzare le spese e formattare i dati.
• Infine, Nina inseriva manualmente ogni spesa in un database di Notion.

Questo processo richiedeva a Nina almeno 2 ore a settimana per essere completato. Il CEO non era a conoscenza del reale investimento di tempo necessario e riteneva che fosse un compito molto più rapido.

I principali punti dolenti del vecchio sistema erano l'estrazione manuale dei dati, la categorizzazione e l'inserimento in Notion. Questo era un processo noioso e soggetto a errori, che incideva significativamente sulla produttività di Nina e sulla visibilità del CEO sulle sue spese.

Nell'arco degli ultimi mesi, ho rivoluzionato e snellito il sistema di tracciamento delle mie spese. Il componente chiave di questa realizzazione è l'integrazione di GPT Vision, che consente un processo in gran parte automatizzato.

Ecco come funziona il nuovo sistema:

1. La mia banca invia notifiche SMS automatiche per ogni transazione, che io screenshot e invio alla mia assistente Nina.
2. Nina carica gli screenshot in una chatbot WhatsApp che ho creato utilizzando Voiceflow. Questa chatbot sfrutta GPT Vision per estrarre i dettagli delle transazioni dalle immagini.
3. I dati estratti vengono quindi aggiunti automaticamente a un database di Notion, dove vengono visualizzati in un grafico per una facile visualizzazione delle mie spese mensili.

Il nuovo sistema ha ridotto significativamente il tempo e lo sforzo necessari per tracciare le mie spese. In precedenza, Nina impiegava fino a 2 ore a settimana per elaborare manualmente le transazioni. Ora, il processo è in gran parte automatizzato, con Nina che deve solo caricare gli screenshot e verificare i dati.

L'integrazione di GPT Vision è la chiave di questo approccio snello. Utilizzando una funzione personalizzata di Voiceflow, sono in grado di integrare facilmente l'API Vision di OpenAI nella mia chatbot WhatsApp, permettendole di estrarre le informazioni necessarie dagli screenshot delle spese.

La chiave di questa realizzazione è l'integrazione di GPT Vision e WhatsApp utilizzando Voiceflow. Ecco come funziona:

1. La banca invia notifiche SMS automatiche per ogni transazione, che io screenshot e invio alla mia assistente Nina.
2. Nina carica gli screenshot a un numero WhatsApp collegato alla chatbot Voiceflow.
3. La chatbot Voiceflow utilizza una funzione personalizzata di Flowbridge per integrarsi con l'API Vision di OpenAI ed estrarre i dettagli della transazione dall'immagine.
4. I dati estratti vengono quindi inviati a un'automazione Make.com, che aggiunge ogni transazione come riga nel mio tracciatore di spese Notion.

La chatbot Voiceflow gestisce l'intero processo, dalla ricezione dell'input immagine alla categorizzazione delle transazioni e all'aggiornamento del database Notion. Questo snellisce il flusso di lavoro di tracciamento delle spese e risparmia a Nina un tempo significativo rispetto al precedente processo manuale.

I componenti chiave di questa realizzazione sono:

1. Voiceflow: utilizzato per creare l'interfaccia della chatbot WhatsApp e integrare la funzionalità di GPT Vision.
2. Flowbridge: fornisce una funzione personalizzata per connettere facilmente Voiceflow all'API Vision di OpenAI e gestire input non testuali come le immagini.
3. Make.com: automatizza il processo di aggiunta dei dati delle transazioni estratti al tracciatore di spese Notion.

I principali insegnamenti di questo progetto sono:

• Automatizzare il tracciamento delle spese può risparmiare tempo e sforzo significativi. Il nuovo sistema sfrutta GPT Vision e l'integrazione con WhatsApp per snellire il processo.
• Costruire soluzioni AI personalizzate per risolvere problemi personali può portare a preziose esperienze di apprendimento e competenze trasferibili.
• Seguire la propria curiosità e "grattare il proprio prurito" è un modo efficace per acquisire esperienza pratica con l'AI e altre tecnologie.
• Le risorse e i modelli utilizzati in questo progetto, incluso il modello VoiceFlow e l'automazione Make.com, saranno condivisi nella comunità online gratuita del creatore per consentire ad altri di utilizzarli.
• Il miglioramento continuo del sistema, come l'aggiunta di un tracciamento delle spese per categoria, può ulteriormente migliorare la funzionalità e l'utilità della soluzione.
• Il progetto dimostra come l'AI possa essere integrata nei flussi di lavoro personali per aumentare la produttività e l'efficienza.