Zapomnij o dostrajaniu: zorganizuj swoją sztuczną inteligencję w systemie ERP

Porozmawiaj z dyrektorami produkcji na temat sztucznej inteligencji, a usłyszysz znajomy cel: „Musimy wytrenować niestandardowy model na podstawie wszystkich naszych historycznych danych ERP, aby nauczył się on naszej unikalnej działalności”.

Wierzcie mi lub nie, ale ostatnio słyszę to częściej niż kiedykolwiek. Liderzy wierzą, że wrzucając dwadzieścia lat niestandardowych tabel, przestarzałego kodu i unikalnych przepływów pracy do Dużego Modelu Językowego, sztuczna inteligencja magicznie wchłonie ich sekretny składnik, bez względu na wszystko.

Powiedzmy to jasno: to pokazuje, jak nikła jest wiedza na temat działania współczesnej sztucznej inteligencji. Co ważniejsze, to najszybszy sposób na zmarnowanie mnóstwa pieniędzy na zastopowany projekt IT.

Przestań próbować trenować GenAI na swoich starych danych ERP. To nie działa i, szczerze mówiąc, nie jest konieczne.

Pozwólcie, że dokładnie wyjaśnię, dlaczego pułapka precyzyjnego dostrajania doprowadzi do bankructwa inicjatyw przedsiębiorstw w zakresie sztucznej inteligencji i jakich rad udzielam wszystkim, aby faktycznie zmusili autonomicznych agentów do wykonywania wysoce dostosowanej logiki biznesowej bez nadwyrężania budżetów.

Pułapka precyzyjnego dostrajania

Kiedy liderzy IT mówią o uczeniu sztucznej inteligencji jej specyficznych reguł biznesowych, zazwyczaj domyślnie stosują proces zwany dostrajaniem. Polega on na wzięciu wstępnie wytrenowanego modelu i agresywnym dostosowaniu jego wewnętrznych wag (powiązań matematycznych, które określają sposób myślenia i wartościowania informacji przez sztuczną inteligencję) poprzez dostarczenie mu wysoce spersonalizowanych danych historycznych firmy.

Z perspektywy architektury, przy dostrajaniu sztucznej inteligencji w starszym systemie ERP pojawiają się trzy kluczowe kwestie:

1. Luka semantyczna

Modele sztucznej inteligencji są wstępnie wytrenowane, aby rozumieć globalną, standardową semantykę biznesową. Wiedzą, jak wygląda standardowy zamówień do gotówki w branży. Jeśli Twoja przewaga konkurencyjna jest ukryta w niestandardowej tabeli bazy danych o nazwie t_z_special_discount_v3, sztuczna inteligencja potrafi odczytać tekst, ale zupełnie nie rozumie kontekstu, do czego ta tabela właściwie służy. W zasadzie prosisz błyskotliwy, ale uogólniony mózg o odczytanie języka, którym posługuje się tylko jeden emerytowany programista w Twojej firmie.

2. Ekstremalna sztywność

Dostrajanie to w zasadzie zmuszanie sztucznej inteligencji do zapamiętywania sztywnych wzorców. Jeśli logika cenowa zmieni się w przyszłym miesiącu, aby dostosować się do nowej zmiany na rynku, dostrojony model natychmiast stanie się przestarzały. Będziesz zmuszony rozpocząć kosztowny i czasochłonny cykl uczenia od nowa.

3. Ryzyko halucynacji

Magister prawa (LLM) jest świetny z języka, ale fatalnie radzi sobie ze sztywną matematyką i skomplikowanymi schematami blokowymi. Jeśli spróbujesz zmusić model probabilistyczny do zapamiętania 50-etapowej, zastrzeżonej logiki łańcucha dostaw, gwarantuję, że w końcu ulegnie halucynacji, pewnie wykonując niewłaściwy proces z prędkością światła.

Jeśli nie dopracujemy sztucznej inteligencji, w jaki sposób sprawimy, że zrozumie ona naszą wyjątkową przewagę konkurencyjną i będzie w stanie ją wykorzystać?

W nowoczesnej architekturze korporacyjnej nie szkolimy sztucznej inteligencji w zakresie naszych reguł biznesowych. Kontekstualizujemy ją i dajemy jej narzędzia. Osiągamy to poprzez dwa paradygmaty: RAG i wywoływanie funkcji.

RAG (Generacja Wzbogacona o Odzyskiwanie)

Zamiast zmuszać sztuczną inteligencję do zapamiętywania skomplikowanych zasad Twojej firmy, umów z dostawcami czy też unikalnych reguł magazynowania, korzystasz z RAG.

Można powiedzieć, że RAG jest swego rodzaju egzaminem otwartym dla sztucznej inteligencji.

Zamiast zmieniać wewnętrzny mózg sztucznej inteligencji, bierzesz całą dokumentację swojego sekretnego przepisu (standardowe procedury operacyjne, podręczniki zasad itd.) i indeksujesz je w bezpiecznej Bazie Danych Wektorowych.

Kiedy planista pyta sztuczną inteligencję: „Jak poradzić sobie z opóźnioną dostawą od Dostawcy X dla tej konkretnej linii produktów?”, sztuczna inteligencja nie zgaduje na podstawie swojego wstępnego szkolenia. Najpierw przeszukuje bazę danych wektorów. Wyszukuje dokładną, zastrzeżoną regułę dla danego scenariusza, odczytuje ją i formułuje odpowiedź, łącząc swoją płynną inteligencję z Twoimi sztywnymi, opartymi na faktach regułami.

Nigdy nie szkoliłeś sztucznej inteligencji. Po prostu dałeś jej dokładnie taki dokument, jakiego potrzebowała, dokładnie wtedy, kiedy go potrzebowała. Jeśli jutro zmienisz swoją politykę, po prostu zaktualizujesz dokument w bazie danych. Nie wymaga ponownego szkolenia.

Wywoływanie funkcji: agent jako koordynator

Chociaż RAG jest fantastyczny w przypadku tekstów i polityk korporacyjnych, co z transakcyjną logiką biznesową? Co, jeśli Twoim sekretnym składnikiem jest wysoce złożony algorytm, który oblicza spersonalizowane koszty transportu w oparciu o ograniczenia w czasie rzeczywistym i wielu zmiennych?

Absolutnie nie chcesz, żeby LLM próbował wykonywać takie obliczenia. Zamiast tego użyj wywołania funkcji (API agentów). Właśnie w tym miejscu koncepcja rozszerzalności Cloud ERP naprawdę się sprawdza.

W nowoczesnym środowisku Cloud ERP, takim jak Infor LN, Twoja niestandardowa logika biznesowa nie jest już ukryta w głównej bazie danych, lecz jest budowana na obrzeżach systemu jako rozszerzenie, do którego można uzyskać dostęp za pośrednictwem bezpiecznych interfejsów API.

Dzięki funkcji Function Callingujawniasz istnienie i cel swojego algorytmu przewozowego bezpośrednio sztucznej inteligencji.

Dostarczasz sztucznej inteligencji cyfrowy zestaw narzędzi. Mówisz jej: „Kiedy użytkownik prosi o obliczenie kosztów transportu, nie próbuj sam wykonywać obliczeń. Wywołaj to konkretne API, podaj mu miejsce docelowe i wagę, a następnie podaj użytkownikowi dokładną wartość, którą zwróci”.

Sztuczna inteligencja przekształca się w orkiestratora. Działa jak inteligentny most między użytkownikiem a Twoim zakodowanym na stałe sekretnym składnikiem. Sztuczna inteligencja obsługuje intencje języka naturalnego, ale prawdziwą ciężką pracę wykonuje Twoje bezbłędne, niestandardowe rozszerzenie API.

Kompromisy

Mówiąc szczerze, musimy przyznać, że odejście od precyzyjnego dostrajania i poleganie wyłącznie na RAG i wywoływaniu funkcji nie jest rozwiązaniem idealnym i nieuchronnie, prędzej czy później, będziemy musieli zająć się problemami. Ta architektura niesie ze sobą szereg kompromisów:

• Opóźnienia i koszty tokenów: ponieważ RAG wymaga od sztucznej inteligencji pobierania i odczytywania dokumentów za każdym razem, gdy zadawane jest pytanie, wydłuża to czas reakcji o milisekundy (lub sekundy). Co więcej, wielokrotne wysyłanie dużych fragmentów pobranego kontekstu do interfejsu API LLM zużywa więcej tokenów, zwiększając z czasem koszty operacyjne.
• Zależność wyszukiwania: system RAG jest tak inteligentny, jak jego wyszukiwarka. Jeśli Twoja baza danych wektorowych wyszuka niewłaściwą politykę firmy, sztuczna inteligencja z pewnością poda użytkownikowi błędną odpowiedź na podstawie tego błędnego kontekstu.
• Warunek modernizacji: wywoływanie funkcji zakłada, że ​​architektura ERP jest wystarczająco nowoczesna, aby udostępnić starsze dostosowania jako przejrzyste, łatwe do użycia interfejsy API. Jeśli Twój sekretny składnik jest beznadziejnie zaplątany w monolityczny, starszy kod, będziesz musiał zainwestować znaczne środki w oddzielenie i modernizację tej logiki, zanim agent AI będzie mógł ją w ogóle zorganizować.

Moje ostateczne ujęcie

Kryzys, z którym w nadchodzącej dekadzie zmierzą się użytkownicy tradycyjnych systemów ERP, nie polega na tym, że systemy chmurowe zniszczą ich własność intelektualną. Brutalna rzeczywistość jest taka, że ​​ich własność intelektualna jest obecnie uwięziona w formacie, którego sztuczna inteligencja nie jest w stanie wykorzystać.

Jeśli chcesz osiągnąć ogromny zwrot z inwestycji w sztuczną inteligencję w przedsiębiorstwie, zasady architektury są jasne:

1. Przestań dostosowywać rdzeń swojego systemu ERP. Nie oznacza to, że przestajesz dostosowywać system do potrzeb swojej firmy. Oznacza to, że utrzymujesz kod bazowy ściśle według standardu, aby sztuczna inteligencja mogła go odczytać natywnie.
2. Przestańcie próbować udoskonalać modele sztucznej inteligencji, wykorzystując brudne, przestarzałe dane.
3. Przemyśl swój niestandardowy kod i przebuduj go na zewnętrzne interfejsy API, korzystając z nowoczesnych technik.
4. Udostępnij swoim agentom AI dostęp do tych interfejsów API za pomocą funkcji wywoływania i ugruntuj ich wiedzę przy użyciu RAG.

Twoja autorska logika to najcenniejszy zasób Twojej firmy. Przestań próbować uczyć ją algorytmu probabilistycznego. Zmień ją w narzędzie, przekaż autonomicznemu agentowi i pozwól inteligencji robić to, co potrafi najlepiej: koordynować.

Napisane przez Andreę Guaccio 

14 kwietnia 2026 r