Využijte AI v celém životním cyklu ERP systému
Nadšení pro ChatGPT a další nástroje generativní AI vyvolalo vlnu zájmu o to, jak lze AI využít ve všech aspektech podnikání, včetně ERP systémů. Dnes si již pomalu zvykáme, že nám AI automaticky vytváří souhrny z video callů, píše dokumenty, tvoří obrázky a prezentace nebo udělá stručný výtah ze skupiny posledních mailů. Jak ale využít AI u tak složitých systémů, jako je ERP, a udělat ze složitých systémů něco uživatelsky jednoduchého jako textový editor? A jak jejich implementaci zjednodušit na úroveň, že bude stačit pouze instalace z aplikačního obchodu?
Všichni hlavní dodavatelé ERP rychle vyvíjejí širokou škálu asistentů, chatbotů a kopilotů s AI, aby zjednodušili interakce se svými stále složitějšími aplikacemi. ERP rychle začleňuje generativní umělou inteligenci a další nástroje strojového učení, které zlepšují a automatizují procesy v celém podniku. Často se ale zapomíná, že AI lze využít v celém životním cyklu ERP, tedy od analýzy přes nasazení až po samotné užití systému.
AI při nasazení ERP systémů
Generativní umělá inteligence může usnadnit konfiguraci a přizpůsobení systémů ERP na základě potřeb podniku pomocí mnoha nástrojů. Někteří poskytovatelé enterprise ERP řešení dnes již takové možnosti nabízejí. Tím efektivněji řeší nedostatek konzultantů, programátorů nebo zkušených projektových manažerů.
Automatizovaná analýza procesů
Pomocí umělé inteligence lze celý životní cyklus analýzy aktuálních a potřebných procesů automatizovat. AI může snadno vytáhnout data z core aplikací, které se podílejí na provádění podnikového procesu od začátku do konce, propojit různá data a atributy procesů a vytvořit tak virtuální dvojče stávajících procesů.
Následně můžeme simulovat a vyhodnocovat procesy v různých scénářích a nechat si pomocí AI doporučit změny v aktuálních procesech, co zautomatizovat nebo kde nasadit roboty.
Konfigurace systémů pomocí procesního modelu
Pokud máme zanalyzované procesy, známe nutné změny procesů, abychom přizpůsobili systém potřebám konkrétního podniku. Dnes lze využít nástroje pro Process Intelligence, které umožňují automatickou konfiguraci systému pomocí kreslení optimálního procesu. Systém následně pomocí AI automaticky nakonfiguruje změny v procesu. Odpadá tak potřeba na zdroje pro konfigurace systému.
Lepší krytí rizik z testování
Manuální testování nemůže zajistit dostatečné pokrytí rizik kvůli lidskému zapojení. Testovací nástroje založené na umělé inteligenci mohou generovat a provádět testovací případy. Mohou také detekovat anomálie, a zajistit tak komplexní pokrytí testů. Nástroje s podporou AI navíc mohou zavést průběžné testování v rámci vývojového procesu, takže chyby lze odhalit a vyřešit již v raných fázích vývoje.
Zpracování přirozeného jazyka
Testeři mohou zároveň vytvářet testovací případy a psát v přirozeném jazyku. Umělá inteligence dokáže tyto případy autonomně transformovat do automatizovaných skriptů, které lze použít pro testování. Tím se výrazně zkrátí doba tvorby testů. AI dále využijeme u chatbotů k poskytování podpory v reálném čase a pomoci při školení uživatelů na nový systém ERP.
Automatizace procesů
Robotickou automatizaci procesů (RPA) lze využít k automatizaci opakujících se, časově náročných a na pravidlech založených úloh při implementaci ERP. Tím se sníží manuální úsilí, zvýší efektivita a zrychlí časový plán implementace.
AI přímo v systému ERP
Všichni významní dodavatelé ERP přímo integrují nové funkce umělé inteligence do svých podnikových aplikací. Ty můžeme rozdělit do několika hlavních směrů:
- Pomocí dotazů v přirozeném jazyce mohou uživatelé snáze přistupovat k datům z ERP a vyhodnocovat je. Generativní umělá inteligence může uživatelům umožnit komunikovat se systémy ERP pomocí příkazů a dotazů v přirozeném jazyce. Každý uživatel může položit dotaz a získat odpověď, která se zakládá na veškeré dostupné dokumentaci a datech. Navíc možnost položit otázku a získat okamžitou odpověď týkající se financí, geografických, environmentálních nebo jiných potřeb znamená nové možnosti interakcí s podnikovými systémy. Představte si, že vám asistentka integrovaná v systému na dotaz odpoví v přirozeném jazyce, nakreslí graf podle vašich potřeb nebo upozorní na důležité transakce, kde se přímo zeptáte na detail.
- Pokročilým příkladem využití generativní AI může být pomoc s dodržováním rámce EU pro udržitelné financování – tzv. taxonomie EU – právního dokumentu, který může být obtížně srozumitelný a složitý na vyhledání kritérií pro jednotlivé obchodní činnosti. Ten je účinný od ledna 2023 a má dopad na společnosti s více než 500 zaměstnanci působící v EU. Velké jazykové modely lze použít k pochopení právních textů taxonomie, nalezení kritérií pro příslušné obchodní činnosti a související prahové hodnoty. Uživatelé pak musí návrhy umělé inteligence pouze ověřit, v případě potřeby je upravit a poté schválit. Generativní AI tak umožňuje společnostem snadněji a efektivněji plnit požadavky na vykazování udržitelnosti a zároveň se vyhnout zvýšené časové náročnosti a nákladům.
- V rámci logistiky lze AI využít pro automatizaci manuálních úkonů, kdy spousta práce je stále dokumentována v papírové podobě. Při ověřování nákladu a dokumentace mluvíme o desítkách tisíc dodacích listech, které denně přicházejí v různých formátech z nakládací rampy. To zahrnuje ruční kontrolu papírových dokumentů a zadávání informací o zásilkách. Nyní lze použít generativní umělou inteligenci, abychom tento proces zjednodušili a digitalizovali. Umělá inteligence dokáže naskenovat dokument, použít generativní umělou inteligenci, aby pochopila, o co se jedná, a zadat informace. Proces, který kdysi trval 30 minut, se tak zkracuje na minuty.
- AI může pomoci i automatizovat a zlepšit různé úkoly v oblasti lidských zdrojů, jako je nábor zaměstnanců, řízení výkonnosti, řízení odměňování nebo zapojení zaměstnanců. AI může využívat zpracování přirozeného jazyka (NLP) k analýze životopisů, pohovorů, zpětné vazby a průzkumů. Poskytuje tak poznatky o dovednostech, osobnostech a vhodnosti kandidátů pro danou práci. AI může také využívat strojové učení (ML) ke sledování výkonnosti, produktivity a spokojenosti zaměstnanců a k poskytování personalizovaného koučinku, školení a odměn.
- AI může pomoci automatizovat a zlepšit různé finanční nebo účetní funkce, jako je zpracování transakcí, zpracování faktur, finanční analýza nebo reporting. AI může pomocí optického rozpoznávání znaků (OCR) získávat data z dokumentů a faktur, ověřovat je a porovnávat s jinými zdroji. AI může také využívat ML a NLP k analýze finančních dat a poskytování informací o peněžních tocích, ziskovosti nebo rizicích.
- Umělá inteligence může pomoci zlepšit předpovědi a prognózy pro různé provozní činnosti, jako jsou řízení dodavatelského řetězce, plánování výroby, řízení zásob či předpovídání prodeje. AI může využít historická data a aktuální podmínky k vytvoření přesných a spolehlivých předpovědí, které mohou pomoci optimalizovat přidělování zdrojů, řízení poptávky nebo doplňování zásob.
- AI může zlepšit zákaznickou zkušenost tím, že poskytne hlubší porozumění potřebám a preferencím zákazníků, nabídne personalizovaná doporučení a podporu. V konečném důsledku zvýší spokojenost a loajalitu zákazníků. Automatizovaná sumarizace může přinést poznatky ze složitých dokumentů a sbírek dokumentů pro různé role, cíle a úrovně odbornosti. Doporučovací systémy mohou navrhovat partnery, nabídky produktů a další kroky v obchodní strategii.
Rizika spojená s využitím AI v ERP
Umělá inteligence může systémům ERP přinést mnoho výhod, ale také nová rizika a výzvy, které je třeba řešit a řídit. Mezi běžná rizika a výzvy patří několik zásadních:
- Kvalitu výstupů z generativní AI musí vždy kontrolovat kvalifikovaní lidé. Nové pokroky mohou těm, kteří těmto snahám napomáhají, pomoci k větší efektivitě, ale musíme si uvědomit, že všechny systémy AI jsou založeny na statistických metodách, které mají svá omezení. V nejhorších případech to vede k poznání, že nástroje generativní AI mají tendenci k „halucinacím“, které produkují nesprávné nebo klamné údaje či návrhy.
- AI mění náš pohled na ERP svým důrazem na význam dat. AI se přímo opírá o data, která jsou důvěryhodná, přesná a komplexní. Kvalita dat ovlivňuje, jak dobře modely AI fungují. AI nás proto nutí věnovat větší pozornost datové otázce, která by měla být vždy klíčovým bodem při implementaci ERP.
- Pro pochopení modelu a dat, které jsou v systému, je potřeba se držet i doporučených postupů, na kterých velcí dodavatelé učí jazykové modely. Jedním z důležitých předpokladů využití AI je proto zachování standardizace v rámci ERP systémů, pro které dnes dodavatelé dodávají Large Language modely. Proto se dnes standartně AI využívá primárně u cloudových ERP systémů, které splňují tyto požadavky.
- Systémy AI často fungují jako černé skříňky, což znamená, že jejich procesy a uvažování nejsou pro člověka jasné a srozumitelné. To může způsobit problémy s důvěrou, odpovědností a dodržováním předpisů. Pokud například systém AI učiní rozhodnutí nebo návrh, který ovlivní zákazníka, zaměstnance nebo zúčastněnou stranu, jak můžeme vysvětlit jeho důvod? Jak můžeme zajistit, aby dodržoval etické zásady a právní normy? Transparentnost a vysvětlitelnost jsou klíčové pro budování důvěry v systémy umělé inteligence a pro zajištění jejich spravedlnosti, přesnosti a spolehlivosti.
- Umělá inteligence se při učení a provádění úkolů spoléhá na velké množství dat. Tato data však mohou obsahovat citlivé nebo osobní údaje, které je třeba chránit před neoprávněným přístupem, použitím nebo zveřejněním. Předpisy o ochraně soukromí a zabezpečení dat, jako je obecné nařízení o ochraně osobních údajů (GDPR), mohou stanovit přísné požadavky na způsob shromažďování, ukládání, zpracování a sdílení dat. Systémy umělé inteligence musí fungovat v souladu s těmito předpisy a v případě potřeby zajistit šifrování, anonymizaci nebo pseudonymizaci dat.
- Systémy umělé inteligence mohou být zranitelné vůči kybernetickým útokům nebo záškodnické manipulaci ze strany externích nebo interních subjektů. Cílem těchto útoků může být krádež, poškození nebo zničení dat, změna nebo sabotáž funkčnosti systému nebo ovlivnění chování či výsledků systému. Útočník může například do systému umělé inteligence vložit falešná nebo zavádějící data, aby ohrozil jeho přesnost nebo spolehlivost. Kybernetická bezpečnost a odolnost mají zásadní význam pro zajištění toho, aby byly systémy chráněny před kybernetickými hrozbami a mohly se zotavit z narušení nebo poškození.
Martin Dudek Autor působí na pozici Solution Architect ve společnosti SAP. |