ජපානයේ ස්වයං රැකියාකරුවන්ට අවශ්ය වන වාර්ෂික බදු ප්රකාශන (kakutei shinkoku) එක AI මඟින් සම්පූර්ණයෙන්ම ස්වයංක්රීය කළ අත්දැකීම මෙවර ලෝකය හරහා හෙළිවිය.
කොඩ්ලේ (Claude) Code, freee නාමයෙනුත් ප්රධාන ජපාන ක්ලවුඩ් ගිණුම් සොෆ්ට්වේයාර් (SaaS) එකේ MCP (Multi‑Channel Platform) සර්වරයක් සමඟ සම්බන්ධ කර, පණිවිඩයක් මඟින් ලේඛන 10ක් වැනි කාර්යයන් තත්පර කිහිපයක් තුළ සකස් කළා. මූලික සැකසුම OAuth + PKCE ප්රොටෝකෝලය භාවිතා කර, එක් වරක් බ්රව්සරයෙන් අවසර ලබා ගත් පසු, රිෆ්රෙශ් ටෝකන මඟින් සැසිය දිගු කර ගනී.
ඉතා වේගවත් ප්රතිඵල – එක් ගනුදෙනුවක් ඇතුළත් කිරීමට freee UI තුළ මිනිත්තු 2-3 ගත වන අතර, Claude Code මඟින් එය තත්පර 3කින් සම්පූර්ණ වේ. CSV ගොනුවක් එක්ක 32 ගනුදෙනු තත්පර 3කින් freee වෙත යවා ඇත. මෙය 90% ක කාර්යක්ෂමතාවයි.
කෙසේ වෙතත්, නිෂ්පාදනයේ 10% ක ප්රශ්න තිදෙනෙකුට වැටහුණි.
ඇත්තේ ගැටළු 3ක්
- රසීදුවේ ඇමිණුම් – ජපන් බදු නීතිය අනුව රසීදුව (receipt) ගිණුම් පත්රයට අමුණා තිබිය යුතුය. freee REST API එකේ multipart/form-data අනුග්රහය තිබුණත්, MCP JSON‑RPC ප්රොටෝකෝලය එය යැවීමට නොහැකි විය. විසඳුම: රසීදුවේ උඩුගත කිරීම වෙනම Python ස්ක්රිප්ට් එකක් මගින් සිදු කිරීම.
- අති විශාල මෙවලම් ලයිස්තුව – freee MCP සර්වරය 270 ක් පමණ මෙවලම් (accounting, HR, invoicing වැනි) ප්රදර්ශනය කරයි. බදු ගෙවීම සඳහා අවශ්ය වන්නේ 8ක් පමණයි. බොහෝ මෙවලම් සන්දර්භය (context) ග්රහණය කර, AI මොඩලය ඉදිරි ගනුදෙනු කියවීමට අවශ්ය අවකාශය අඩු කරයි. විසඳුම: client‑side allow‑listing මගින් අවශ්ය මෙවලම් පමණක් ලෝඩ් කිරීම.
- API අනුලක්ෂණ සීමා – freee API එකේ රේට් ලිමිට් පවතින අතර, ඒවා නිශ්ශබ්දව (silently) ඉක්මවා යාම නිසා AI පණිවිඩ අස්ථානගත විය. මේ ගැන දැනුම්දීම සහ retry ලොජික් එකක් එක් කිරීම අවශ්ය වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තනි ව්යාපාරිකයින්, ෆ්රීලෑන්ස්රුවන් හා තාක්ෂණික ආරම්භකයන්ට AI‑සහයෝගිතා මඟින් ගිණුම්කරණය ස්වයංක්රීය කිරීමේ උදාහරණයක් මෙය වේ. ඉදිරි වසරවල අපේ SaaS සමාගම්, AI Code Assistant, API‑driven automation වැනි තාක්ෂණයන් භාවිතා කර ගිණුම්කරණයේ වැරදි අවම කර, කාලය ඉතිරි කර, පාලන පරීක්ෂණ වලට සූදානම් විය හැක.
ඉන්පසු, ප්රාදේශීය සංවර්ධකයන්ට මෙවැනි “tool‑overload” ගැටළුව හඳුනා ගැනීමට, client‑side allow‑list පද්ධති නිර්මාණය කිරීමේ අවශ්යතාවය තේරුම් ගත හැක. ඒමඟින් අපේ දේශීය SaaS නිර්මාණකරුවන්ට කාර්යක්ෂම AI සමීකරණයක් සැලසුම් කළ හැකි වේ.
අවසානයේ, AI සහ cloud API එකතු කිරීමේ වාසි විශාල වුවත්, නීතිමය රෙගුලාසි, ප්රොටෝකෝල සීමා, සහ context management වැනි තාක්ෂණික අංශයන්ට අවධානයක් දෙන්නා වූයේ අනාගතයේ තවත් අඩු වැරදි සහ ඉහළ කාර්යක්ෂමතාව ලබා දීමට මාර්ගයක් වේ.
