Ще замени ли AI традиционните ERP системи?

През последните две десетилетия съм работил с внедрявания на ERP, с оперативни данни и с търговски вериги на много различни етапи на зрялост. Един модел се повтаря упорито: компанията може да инвестира сериозно в ERP система и пак да подготвя седмичния отчет на собственика, като събира на ръка няколко Excel файла.

Рядко проблемът е липсата на софтуер. По-често различните системи съдържат различни определения, процеси и версии на една и съща бизнес реалност. Някой трябва да ги събере, да реши на кои числа да вярва и да обясни резултата на ръководството. По пътя се губи или преинтерпретира информация, хората повтарят една и съща работа всеки месец, а проследяването на съмнително число до източника му става трудно. Писал съм отделно за това колко струва това всеки ден.

За много търговски и HoReCa вериги този базов проблем с отчитането още не е решен. Междувременно очакванията отдавна са минали отвъд отчитането. Компаниите искат система, която забелязва значимо отклонение, предлага обяснение, задейства реакция и накрая казва дали тази реакция е дала измерим резултат.

Когато анализът се превръща в действие

Представете си, че маржът на категория започва да спада в няколко магазина. Класическата BI система показва промяната на табло. Пак някой трябва да я забележи, да потърси причината, да реши какво да прави, да съобщи решението и да се върне по-късно, за да види дали е сработило.

По-способна система би разгледала структурата на спада: дали е нараснал делът на нискомаржовите продукти, дали промоция е сработила различно от плана, дали са се променили доставните цени, дали ключови продукти са липсвали, дали се е изместил продуктовият микс. След това би предложила действие — проверка на позиционирането, преместване на наличности между обекти, корекция на следващата поръчка, промяна на промоция, задача към точния мениджър — а след седмица или месец би се върнала към същото решение и би го сравнила с приходите, маржа, оборота на наличностите, брака и паричния поток.

Наблюдение, хипотеза, действие, доказателство за резултата. Повечето бизнес софтуер показва добре какво се е случило. Много по-малка част може да проследи решението до икономическия му ефект.

Наричам тази последователност цикъл на доказване; етикетът значи по-малко от последната стъпка. Щом тя съществува, отчитането престава да бъде само начин да наблюдаваш бизнеса и става част от това как бизнесът реагира — промяната, която защитих в от счетоводство към навигация, и причината marql да води регистър на въздействието за това какво е направила всяка изпълнена препоръка с числата.

Нивата на реакция са няколко и не са взаимозаменяеми. Системата може да постави препоръка пред мениджъра и да спре дотам. Може да създаде задача и да следи изпълнението ѝ. За тесен, повтарящ се процес може да действа сама в предварително договорени граници. Може да подготви прехвърляне на стока между обекти, но да поиска одобрение от оперативния ръководител; може да увеличи поръчка в договорен диапазон, но да ескалира по-голяма покупка. Решенията, които засягат цени, значителни ангажименти към доставчици или голям дял от наличностите, изискват друго ниво на контрол в сравнение с рутинните корекции.

Целта не е да предадеш възможно най-много решения. Трудната част е да определиш кои действия са обратими, кои граници могат да се зададат предварително и къде цената на грешката все още оправдава одобрение от човек.

Същото важи и за модерната идея да си говориш с бизнеса си. Разговорният интерфейс наистина е полезен, но не защото собствениците са чакали още един начин да поискат справка. Те искат да знаят кое отклонение има значение, какво може да го е причинило, кой трябва да реагира и дали решението се е изплатило. Естественият език прави този процес по-достъпен. Не прави информацията под него по-надеждна.

Частта от ERP, която AI не може да замени

Въпросът дали AI ще замени ERP обикновено смесва две доста различни функции.

Първата е всичко, което потребителите виждат: менюта, форми, стандартни справки, екрани за одобрение, вградени аналитични процеси. Голяма част от това ще се промени. Хората ще губят по-малко време в търсене на конкретна справка или в преминаване през дълга поредица екрани, а агентите ще поемат много рутинни запитвания, проверки и стъпки от процеса.

Втората е по-малко видима. ERP, POS, счетоводните и складовите системи записват бизнес събития. Те установяват, че е извършена продажба, че е приета стока, че продукт е бракуван, че стока е преместена между обекти, че цена е променена, че фактура е осчетоводена. Тези събития не възникват в AI слоя. Те пак трябва да бъдат уловени, свързани и съхранени по определени правила.

Счетоводната система не може да заключи, че сделка вероятно се е случила. Тя трябва да запише какво се е случило, да запази оправдателните документи и история, която някой може да провери по-късно. Търговецът трябва да знае не само текущата наличност, а и кои доставки, продажби, прехвърляния, връщания и бракувания са я формирали. AI е вероятностен по устройство, което помага, когато задачата изисква тълкуване, непълна информация или диапазон от правдоподобни отговори. Системата за запис има друга отговорност: последователност, повторяемост, права на достъп, одитна следа. Добавянето на AI не премахва тези изисквания.

Границата обаче не е абсолютна. AI може значително да подобри въвеждането и контрола на данни в ERP, без сам да става система за запис. Целенасочен агент може да прочете фактура, поръчка или стокова разписка и да подготви полетата за преглед, да съпостави доставчик или SKU със съществуващата номенклатура, да забележи липсващ детайл и да сигнализира вероятна грешка, преди операцията да бъде осчетоводена. Други агенти могат да наблюдават вече записаното и да търсят дубликати, липсващи записи, необичайни стойности, непоследователни продуктови класификации или операции, които не се връзват със свързаните с тях. Вместо да излязат наяве в края на месеца, тези проблеми могат да се решават близо до момента, в който възникват.

Не всичко в това заслужава да се нарича AI. Ако задължително поле е празно или стойност излиза извън известен диапазон, класическо правило хваща проблема по-сигурно и по-евтино. Статистическите методи и традиционното машинно обучение са добри в откриването на необичайни модели в големи обеми операции. Генеративният AI и агентите заслужават мястото си там, където системата трябва да прочете неструктуриран документ, да разчете контекст, да обясни аномалия или да предложи какво следва. Практичната архитектура използва и трите и избира според естеството на задачата. Пазарът често работи в обратен ред: първо всичко се описва като AI, а проблемът се дефинира после.

Лошите данни поскъпват

Когато данните се използват само за отчитане, грешката поврежда справка. Когато същите данни започнат да задвижват препоръки и действия, последиците се променят. Грешна наличност води до ненужна покупка. Дублиран SKU изкривява представянето на категорията. Непоследователните класификации влияят на решенията за асортимент, а закъснелите записи карат системата да реагира на ситуация, която вече не съществува. Същите проблеми провалят и всеки по-късен опит да се пресметне какво е донесло едно решение.

AI може да направи този риск по-незабележим, защото отговорът му звучи убедително. Агентът може уверено да отговори на въпроса на собственика, да открие правдоподобен модел и да препоръча разумна посока. Ако изходните данни са непълни или непоследователни, обяснението пак ще бъде свързано. Просто ще бъде свързано за грешната версия на бизнеса.

Porsche 911 може да има изключителна инженерия и нищо от нея не премахва нуждата от гориво. В бизнес система, водена от AI, горивото са точните, структурирани и навременни данни.

Затова и не съм убеден, че AI автоматично ще поевтини внедряванията на ERP. Ще намали цената на отделни задачи — обработка на документи, съпоставяне на номенклатури, откриване на аномалии, документиране на интеграции, първоначална диагностика. Но в същото време компаниите искат повече от данните си: повече детайл, по-рано, последователно между все повече системи. Естеството на работата се променя; работата не изчезва. В някои случаи внедряването става по-взискателно, защото резултатът вече не е предназначен само за управленска справка. Анализаторът може да погледне необичайно число и да реши, че нещо вероятно е сгрешено. Автоматичният процес има нужда тази несигурност да бъде открита, преди да коригира поръчка или да преразпредели наличности — аргументът да гледаш на отчитането като на нещо, което поддържаш, а не проект, който завършваш.

Откъде да се започне на практика

За собственика разумната отправна точка не е нито най-впечатляващият AI продукт, нито опит да се замени цялата счетоводна среда. Тя е едно повтарящо се управленско решение, при което по-добрият и по-бърз отговор би донесъл измерима стойност — маржът на категория, брак, липси по рафта, разпределение на наличности, поръчки.

След като сценарият е определен, можете да попитате какви данни са нужни, откъде идват, колко са надеждни, какво има право да прави системата и как ще се измери резултатът. Това обикновено разкрива доста бързо реалното състояние на инфраструктурата и пречи проектът да се превърне в обща AI инициатива без оперативен собственик и без икономически резултат.

За повечето утвърдени търговски вериги и HoReCa групи смяната на POS, ERP или счетоводната платформа не е първата стъпка. По-практичният път е да се работи с вече съществуващите системи. POS обикновено дава базовите данни; ERP, счетоводството и складът добавят доставки, себестойност, наличности и финансова информация. Свързването им е само началото — продуктите, категориите, обектите, операциите, цените и салдата все още трябва да бъдат приведени към един модел, който остава сравним между обекти, системи и периоди.

Това е частта от marql, която привлича най-малко внимание и решава най-много. Тя се свързва read-only със системите, които веригата вече ползва, хоствана в ЕС, нормализира ги в един модел и отговаря на втория въпрос за едно число в същия разговор, в който е зададен първият. Част от изравняването е автоматизирано; изключенията пак изискват хора, които разбират бизнеса. Цените започват от 200 EUR на месец.

Не очаквам AI да премахне ERP и счетоводните системи в обозримо бъдеще. Ще направи интерфейсите им по-малко централни, ще поеме рутинната аналитична работа, ще опрости въвеждането на данни и ще засили контрола. Отговорността бизнес събитията да бъдат записани коректно остава там, където е. През годините многократно съм виждал как новите аналитични инструменти изваждат наяве слабостите на оперативната отчетност, вместо да премахнат нуждата от нея. AI ще ги извади по-бързо и в някои случаи ще действа по информацията, преди човек да я е прегледал.