AI kontra GenAI kontra agentowa AI: dekodowanie krajobrazu Infor

(Część 1 serii: Ewolucja inteligencji ERP: od danych do agentów)

W sali konferencyjnej „sztuczna inteligencja” to hasło, które często pada, by rozwiązać każdy problem. Na hali produkcyjnej jest źródłem nieporozumień. „Czy to ChatGPT dla mojego magazynu?” „Czy będzie przewidywać braki magazynowe lub wysyłać e-maile?” „Czy to bezpieczne?”

Aby zbudować realistyczną mapę drogową dla Infor LN, ogólne definicje są niebezpieczne. Musimy przyjrzeć się oficjalnej architekturze. Opierając się na strategii technicznej Infor, nie mamy do czynienia z pojedynczą monolityczną technologią, lecz ze specyficzną trójcą: Infor AI, GenAIi Agentic AI.

Zrozumienie różnicy pomoże Ci pojąć, jakie problemy biznesowe możesz faktycznie rozwiązać.

Infor AI: Analityk predykcyjny

W oficjalnej dokumentacji Infor AI (dawniej znany jako Coleman AI Platform) odnosi się konkretnie do predykcyjnego i preskryptywnego .

Wyobraź sobie Infor AI jako swojego najlepszego naukowca danych.
Uwielbia liczby, wzorce i historię.
Nie tworzy nowych treści (nie napisze wiersza).
Zamiast tego, przetwarza ogromne ilości ustrukturyzowanych danych historycznych, aby znaleźć ukryte wzorce.

Pod maską:

• Uczenie maszynowe (ML): Wykorzystuje algorytmy (takie jak regresja lub klasyfikacja) do trenowania modeli.
• Zadania: W terminologii Infor tworzysz „zadania”, czyli określone przepływy pracy ML, które zajmują się przygotowywaniem danych, projektowaniem funkcji (wykrywaniem wartości odstających) i szkoleniem.
• Ustrukturyzowane dane: Najlepiej sprawdzają się czyste wiersze i kolumny (historia sprzedaży, odczyty czujników IoT).

Przypadek użycia Infor LN: prognozowanie popytu

Nie pytasz Infor AI: „Jak idzie sprzedaż?”. Podajesz mu 5 lat historii sprzedaży, wskaźniki sezonowości i czynniki ekonomiczne. Przeprowadza on Quest i generuje:

„Sprzedacie 452 sztuki artykułu X w listopadzie z 92% pewnością.”

GenAI: Silnik kontekstowy

Oficjalna definicja: GenAI to funkcjonalność oparta na modelach LLM (Large Language Models) zintegrowanych z systemem operacyjnym Infor za pośrednictwem GenAI Orchestrator.
To właśnie na tym zazwyczaj skupia się „szum medialny”, ale podejście firmy Infor jest ściśle zorientowane na biznes.

Pod maską: Jak GenAI naprawdę „myśli”

Aby zrozumieć, czym GenAI różni się od tradycyjnego oprogramowania, musimy rozłożyć na czynniki pierwsze trzy podstawowe koncepcje: LLM, tokeny i transformatory.

1. LLM (Large Language Model)
   to nie „baza wiedzy” jak biblioteka, lecz silnik probabilistyczny. Został on wytrenowany na ogromnych ilościach tekstu, aby poznać statystyczne zależności między słowami. Nie „zna” odpowiedzi, lecz przewiduje najbardziej prawdopodobną odpowiedź na podstawie wzorców.
2. Token: Waluta sztucznej inteligencji
   GenAI nie czyta słów tak jak my. Dzieli tekst na tokeny (około 4 znaków lub 0,75 słowa).

• Wejście: „Infor LN”
• Widok AI: [Infor] [ LN] (2 tokeny) Płacąc za usługi GenAI (za pośrednictwem tokenów AWS Bedrock lub Infor), płacisz za przetwarzanie tych fragmentów.

1. Transformer
   To przełomowa technologia („T” w GPT).
   W przeciwieństwie do starszych modeli, które czytały tekst od lewej do prawej, Transformer odczytuje całe zdanie na raz i przypisuje „wagi uwagi” poszczególnym tokenom.

• Zdanie: „Projekt przekroczył budżet , ponieważ stali ”.
• Mechanizm: Transformer rozumie, że słowo „budżet” jest matematycznie powiązane ze słowem „stal”. Rozumie kontekst, a nie tylko słowa kluczowe.

1. Przewidywanie następnego tokena Gdy GenAI pisze podsumowanie, dosłownie gra w „Zgadnij następne słowo”.

1. W Twoim komunikacie jest napisane: „Status projektu jest następujący…”
2. Oblicza prawdopodobieństwa: „Opóźnione” (70%), „Na czas” (20%), „Nieznane” (10%).
3. Wybiera opcję „Opóźnione” i powtarza proces.

Zalecany materiał do obejrzenia: Aby zapoznać się z wizualnym wyjaśnieniem tych koncepcji, zapoznaj się z wprowadzeniem do generatywnej sztucznej inteligencji:

Przypadek użycia Infor LN: widżet Project 360 W sesjach takich jak Project 360 (tppdm6500m100)Infor stosuje tę technologię w szczególności:

• Wejście: system wprowadza ustrukturyzowane dane LLM (wiersze budżetowe, otwarte kwestie, kamienie milowe) konwertowane na tokeny.
• Monit: klikasz gotowy monit, np. „Podsumowanie projektu”.
• Wynik: Transformer analizuje tokeny i generuje spójną narrację:

„Realizacja projektu jest opóźniona o 3 tygodnie z powodu niedoborów zasobów w fazie 2. Koszty materiałów są o 10% wyższe od szacunkowych”

Agentyczna sztuczna inteligencja: autonomiczna przyszłość

Oficjalna definicja: to nowa granica opisana w planie działania.
Agentyczna sztuczna inteligencja odnosi się do „mikrowertykalnych agentów opartych na rolach”.

Logika: podczas gdy GenAI pomaga (trzeba kliknąć „Podsumuj”), agentowa AI działa. Jest zorientowana na wynik, a nie na zadania.

Pod maską: Agenci są projektowani z myślą o „zorganizowanej kontroli”.
Posiadają uprawnienia bezpieczeństwa i logikę umożliwiającą autonomiczne wykonywanie procesów w całym pakiecie Infor (LN, IDM, M3), zazwyczaj czekając jedynie na ostateczne „ludzkie skinienie”.

Wyobraź sobie agenta łańcucha dostaw, który:

1. Wykrywa opóźnienie przesyłki (informacje z Infor AI).
2. Czyta kontrakt, aby sprawdzić kary (umiejętność od GenAI).
3. Działania: Aktywnie tworzy zamówienie zakupu dla dostawcy wtórnego i umieszcza je w kolejce do zatwierdzenia.

Podsumowanie: Właściwe narzędzie do pracy

Zamiast skomplikowanej macierzy, poniżej znajdziesz wskazówki, jak zidentyfikować potrzebne narzędzie:

Następnie: porzucimy statyczne pulpity nawigacyjne i przyjrzymy się, w jaki sposób Text-to-SQL pozwala na komunikację z danymi za pośrednictwem Generative BI.

Napisane przez Andreę Guaccio 

17 grudnia 2025 r