Da li će AI zameniti tradicionalne ERP sisteme?

Poslednje dve decenije radio sam na uvođenju ERP sistema, na operativnim podacima i u maloprodajnim biznisima veoma različite zrelosti. Jedan obrazac pokazao se kao izuzetno uporan: kompanija može mnogo da uloži u ERP sistem i da i dalje priprema nedeljni izveštaj za vlasnika tako što ručno spaja nekoliko Excel fajlova.

Problem retko leži u tome što softvera nema. Mnogo češće različiti sistemi sadrže različite definicije, procese i verzije iste poslovne stvarnosti. Neko mora da ih spoji, odluči kojim brojkama da veruje i objasni rezultat upravi. Usput se informacije gube ili pogrešno tumače, ljudi svakog meseca ponavljaju isti posao, a praćenje sumnjive brojke do njenog izvora postaje teško. O tome šta to biznis košta iz dana u dan pisao sam posebno.

Za mnoge maloprodajne i ugostiteljske biznise ovaj osnovni problem izveštavanja još nije rešen. U međuvremenu, očekivanja su otišla daleko dalje od izveštavanja. Kompanije sada žele sistem koji primeti značajno odstupanje, ponudi objašnjenje, pokrene reakciju i na kraju kaže da li je ta reakcija donela merljiv rezultat.

Kada analiza postane akcija

Zamislite da marža jedne kategorije počne da klizi u nekoliko prodavnica. Tradicionalni BI sistem postavi promenu na kontrolnu tablu. I dalje neko mora da je primeti, istraži uzrok, odluči šta da uradi, saopšti odluku i kasnije se vrati da vidi da li je uspelo.

Sposobniji sistem bi ispitao strukturu pada: da li je porastao udeo proizvoda sa niskom maržom, da li je akcija prošla drugačije od plana, da li su se pomerile nabavne cene, da li ključnih proizvoda nije bilo, da li se promenio miks prodaje. Zatim bi mogao da predloži akciju (proveriti raspored na policama, prebaciti zalihe između prodavnica, korigovati sledeću porudžbinu, promeniti akciju, dodeliti zadatak pravom rukovodiocu) i nedelju ili mesec dana kasnije ponovo proveri tu odluku u odnosu na promet, maržu, obrt zaliha, otpis i gotovinu.

Zapažanje, hipoteza, akcija, dokaz rezultata. Većina poslovnog softvera prilično dobro pokazuje šta se dogodilo. Mnogo manji deo ume da prati odluku do njenog ekonomskog ishoda.

Taj niz zovem petljom dokaza; naziv je manje važan od poslednjeg koraka. Kada on postoji, izveštavanje prestaje da bude samo način da se biznis posmatra i postaje deo načina na koji biznis reaguje. To je pomak za koji sam se zalagao u tekstu od računovodstva do navigacije, i razlog zbog kog marql vodi Impact Ledger o tome šta je svaka sprovedena preporuka uradila sa brojkama.

Postoji nekoliko mogućih nivoa reakcije, i oni nisu zamenljivi. Sistem može da stavi preporuku pred rukovodioca i tu stane. Može da napravi zadatak i prati njegovo izvršenje. Za uzak, ponavljajući proces može da deluje samostalno, u granicama dogovorenim unapred. Mogao bi da pripremi prenos zaliha između lokacija, ali da traži odobrenje operativnog rukovodioca; mogao bi da napravi porudžbinu u dogovorenom rasponu, ali da veću nabavku prosledi naviše. Odluke koje se tiču cena, značajnih nabavnih obaveza ili velikog dela zaliha traže drugačiji nivo kontrole od rutinskih korekcija.

Cilj nije prepustiti što više odluka. Težak deo posla je odlučiti koje su akcije reverzibilne, koje granice se mogu postaviti unapred i gde cena greške i dalje opravdava ljudsko odobrenje.

Isto važi i za popularnu ideju razgovora sa sopstvenim biznisom. Konverzacioni interfejs je zaista koristan, ali ne zato što su vlasnici čekali još jedan način da zatraže izveštaj. Žele da znaju koje odstupanje je važno, šta ga je moglo izazvati, ko treba da reaguje i da li se odluka isplatila. Prirodni jezik čini taj proces dostupnijim. Ne čini pouzdanijim informacije ispod njega.

Deo ERP-a koji AI ne može da zameni

Pitanje da li će AI zameniti ERP obično stapa dve prilično različite funkcije.

Prva je sve što korisnici vide: meniji, forme, standardni izveštaji, ekrani za odobravanje, ugrađeni analitički tokovi. Mnogo toga će se promeniti. Ljudi će manje vremena provoditi tražeći određeni izveštaj ili klikćući kroz dug niz ekrana, a agenti će preuzeti mnoge rutinske upite, provere i korake u procesima.

Druga je manje vidljiva. ERP, POS, računovodstveni i magacinski sistemi beleže poslovne događaje. Oni utvrđuju da se prodaja dogodila, da je roba primljena, da je proizvod otpisan, da se roba kretala između lokacija, da se cena promenila, da je faktura proknjižena. Ti događaji ne nastaju u AI sloju. I dalje moraju da se zabeleže, povežu i čuvaju po definisanim pravilima.

Računovodstveni sistem ne može da zaključi da se transakcija verovatno dogodila. On mora da zabeleži šta se dogodilo, sačuva prateću dokumentaciju i očuva istoriju koju neko može kasnije da pregleda. Trgovac mora da zna ne samo trenutno stanje zaliha, već i koji prijemi, prodaje, prenosi, povraćaji i otpisi su do njega doveli. AI je po svojoj prirodi probabilistički, što je korisno kada zadatak uključuje tumačenje, nepotpune informacije ili niz verovatnih odgovora. Sistem evidencije ima drugačiju odgovornost: doslednost, ponovljivost, prava pristupa, revizorski trag. Dodavanje AI-ja ne ukida te zahteve.

Granica ipak nije apsolutna. AI može znatno da poboljša unos i kontrolu u ERP-u, a da sam ne postane sistem evidencije. Specijalizovani agent može da pročita fakturu, narudžbenicu ili otpremnicu i pripremi polja za proveru, upari dobavljača ili SKU sa postojećim matičnim podacima, uoči podatak koji nedostaje i označi verovatnu grešku pre nego što se transakcija proknjiži. Drugi agenti mogu da prate ono što je već zabeleženo, tražeći duplikate, zapise koji nedostaju, neobične vrednosti, nedosledne klasifikacije proizvoda ili transakcije koje se ne slažu sa povezanim operacijama. Umesto da izađu na videlo na kraju meseca, ti problemi mogu da se reše blizu trenutka kada nastanu.

Ne spada svaka od ovih mogućnosti pod reč AI. Ako je obavezno polje prazno ili vrednost izlazi iz poznatog raspona, klasično pravilo to uhvati pouzdanije i jeftinije. Statističke metode i tradicionalno mašinsko učenje dobro pronalaze neobične obrasce u velikim količinama transakcija. Generativni AI i agenti zaslužuju svoje mesto tamo gde sistem mora da pročita nestrukturisan dokument, protumači kontekst, objasni anomaliju ili predloži šta treba da se desi sledeće. Praktična arhitektura koristi sva tri i bira prema prirodi problema. Tržište često radi obrnutim redom: sve se najpre opiše kao AI, a problem se definiše kasnije.

Loši podaci postaju skuplji

Kada se podaci koriste samo za izveštavanje, greška pokvari izveštaj. Kada isti podaci počnu da pokreću preporuke i akcije, posledice se menjaju. Netačno stanje zaliha dovodi do nepotrebne nabavke. Duplirani SKU iskrivljuje rezultate kategorije. Nedosledne klasifikacije utiču na odluke o asortimanu, a zakasnela knjiženja teraju sistem da reaguje na situaciju koja više ne postoji. Isti problemi potkopavaju svaki kasniji pokušaj da se izračuna šta je odluka donela.

AI može da učini ovaj rizik manje vidljivim, jer ono što proizvodi zvuči uverljivo. Agent može samouvereno da odgovori na vlasnikovo pitanje, prepozna verovatan obrazac i preporuči razuman pravac delovanja. Ako su izvorni podaci nepotpuni ili nedosledni, objašnjenje će i dalje biti dosledno. Samo će biti dosledno u vezi sa pogrešnom verzijom biznisa.

Porsche 911 može imati izuzetno sofisticiranu tehniku, i ništa od toga ne uklanja potrebu za gorivom. U poslovnom sistemu koji pokreće AI, to gorivo su tačni, strukturisani i pravovremeni podaci.

Zato nisam ni uveren da će AI automatski pojeftiniti uvođenje ERP-a. Smanjiće trošak pojedinačnih zadataka: obrade dokumenata, uparivanja matičnih podataka, otkrivanja anomalija, dokumentovanja integracija, prve dijagnostike. Ali kompanije istovremeno traže više od svojih podataka: više detalja, dostupnih ranije, doslednih u sve većem broju sistema. Priroda posla se menja; posao ne nestaje. U nekim slučajevima uvođenje postaje zahtevnije, jer rezultat više nije namenjen samo izveštaju za upravu. Čovek analitičar može da pogleda neobičnu brojku i zaključi da nešto verovatno nije u redu. Automatizovan proces zahteva da se ta nesigurnost otkrije pre nego što on koriguje porudžbinu ili preraspodeli zalihe. To je argument da se izveštavanje tretira kao nešto što stalno održavate, a ne projekat koji završite.

Praktično mesto za početak

Za vlasnika, razumna polazna tačka nije ni najimpresivniji AI proizvod ni pokušaj da se zameni celo računovodstveno okruženje. To je jedna odluka u upravljanju koja se ponavlja i kod koje bi bolja i brža reakcija stvorila merljivu vrednost: marža po kategoriji, otpis, nestašice na policama, raspodela zaliha, nabavka.

Kada je scenario definisan, možete da se zapitate koji su mu podaci potrebni, odakle dolaze, koliko su pouzdani, šta sistem sme da radi i kako će se rezultat meriti. To obično prilično brzo pokaže pravo stanje infrastrukture i sprečava da projekat postane opšta AI inicijativa bez operativnog vlasnika i bez ekonomskog ishoda.

Za većinu ustaljenih maloprodajnih lanaca i ugostiteljskih grupa, zamena POS-a, ERP-a ili računovodstvene platforme nije prvi korak. Praktičniji put je raditi sa sistemima koji već postoje. POS obično daje osnovne podatke; ERP, računovodstveni i magacinski sistemi dodaju nabavku, troškove, zalihe i finansijske informacije. Njihovo povezivanje je samo početak: proizvodi, kategorije, lokacije, transakcije, cene i stanja i dalje moraju da se usklade u jedan model koji ostaje uporediv između prodavnica, sistema i perioda.

To je deo marql-a koji privlači najmanje pažnje, a odlučuje najviše. marql čita sisteme koje lanac već koristi, ne zamenjujući ih, hostovan je u EU, normalizuje ih u jedan model i odgovara na drugo pitanje o brojci u istom razgovoru kao i na prvo. Deo usklađivanja je automatizovan; za izuzetke su i dalje potrebni ljudi koji razumeju biznis. Cene počinju od 200 EUR mesečno.

Ne očekujem da će AI u dogledno vreme ukinuti ERP i računovodstvene sisteme. Učiniće njihove interfejse manje centralnim, preuzeti rutinski analitički posao, pojednostaviti unos podataka i ojačati kontrole podataka. Odgovornost da se poslovni događaji ispravno zabeleže ostaje tamo gde jeste. Tokom godina više puta sam gledao kako novi analitički alati razotkrivaju slabosti operativnog računovodstva umesto da uklone potrebu za njim. AI će ih razotkriti brže, a u nekim slučajevima će delovati na osnovu informacija pre nego što ih čovek pregleda.