Ewolucja inteligencji ERP: od danych statycznych do agentów autonomicznych
(Wprowadzenie do serii 5-częściowej)
Stoimy u progu największej zmiany w historii ERP od czasu migracji z zielonych ekranów (interfejsów opartych na znakach) do graficznych interfejsów Windows w latach 90. ubiegłego wieku.
Ta zmiana zmieniła nasze spojrzenie na system. Ta zmiana zmienia to, kto wykonuje pracę.
Ale obecnie rynek tonie w szumie informacyjnym. Jeśli zapytasz pięciu różnych ekspertów, co oznacza AI w ERP, otrzymasz pięć różnych odpowiedzi.
„Czy to ChatGPT podłączony do mojego magazynu?” „Czy to chatbot odpowiadający na zgłoszenia do pomocy technicznej?” „Czy to robot, który automatycznie kupuje materiały, gdy zapasy są niskie?”
Zamieszanie jest ogromne, a przede wszystkim, szum wokół niego jest niebezpieczny. Dyrektorzy ds. informatyki i dyrektorzy ds. łańcucha dostaw są pod ogromną presją, aby wdrożyć sztuczną inteligencję, ale często brakuje im jasnego planu inżynieryjnego, który by to umożliwił.
Sprzedaje się im marzenie o autonomicznym przedsiębiorstwie, podczas gdy w rzeczywistości opierają się na bazie danych pełnej duplikatów i niepowiązanych ze sobą starszych procesów.
Weryfikacja rzeczywistości
W Infor LN CloudSuite plan działania jest w zasadzie bardzo jasny, jednak wymaga on ścisłej ewolucji technologii, danych i, co najważniejsze, sposobu myślenia.
Nie możesz od razu przejść do Agentów Autonomicznych, jeśli Twoje dane podstawowe są nieczytelne. Nie możesz zaufać sztucznej inteligencji w zakresie wykonywania transakcji finansowych, jeśli nie rozumiesz fundamentalnej różnicy między generatywnym (który pisze e-maile) a predykcyjnym (który prognozuje popyt).
Musimy przestać traktować sztuczną inteligencję jak magiczną różdżkę i zacząć traktować ją jako dziedzinę inżynieryjną.
Mapa drogowa serii
W ciągu najbliższych 5 odcinków będę publikować serię dogłębnych analiz zatytułowaną: Ewolucja inteligencji ERP.
Odrzucimy marketingowe slogany i przyjrzymy się inżynieryjnej rzeczywistości inteligentnego przedsiębiorstwa. Przeanalizujemy architekturę Infor, ujawnimy zagrożenia i zdefiniujemy nowe role ludzkie niezbędne do przetrwania.
Oto mapa drogowa, którą wspólnie przemierzymy:
Część 1: AI kontra GenAI kontra agentowa AI – dekodowanie krajobrazu Infor
Zanim zaczniemy budować, musimy zdefiniować. Jednym z głównych powodów, dla których projekty AI kończą się niepowodzeniem, jest niezrozumienie zestawu narzędzi. Architektura Infor to triada odrębnych technologii. W tym pierwszym odcinku zdekodujemy konkretne różnice między:
- Infor AI (uczenie maszynowe): pasjonat matematyki, który przewiduje przyszłość na podstawie danych historycznych.
- GenAI (LLMs): kreatywny asystent rozumiejący język i kontekst.
- Agentyczna AI: autonomiczny pracownik, który może wykonywać wieloetapowe zadania. Przeanalizujemy, dlaczego ich mieszanie jest receptą na porażkę i jak je powiązać z problemami biznesowymi.
Przeczytaj cały artykuł tutaj.
Część 2: Generative BI – komunikacja z danymi
Era statycznych pulpitów nawigacyjnych dobiega końca. Przez długi czas użytkownicy biznesowi polegali na analitykach IT w zakresie tworzenia raportów. Gdyby CEO zapytał: „Dlaczego marża we Włoszech spada?”, odpowiedź zajęłaby trzy dni i wymagałaby zapytań SQL.
W części 2 zgłębiamy demokratyzację danych za pomocą Text-to-SQL . Zobaczymy, jak Generative BI pozwala użytkownikom na proste zadawanie złożonych pytań systemowi ERP w języku naturalnym i otrzymywanie natychmiastowych, wizualnych odpowiedzi. To niweluje lukę między złożonością techniczną a wglądem w biznes.
Przeczytaj cały artykuł tutaj
Część 3: Złudzenie agenta – dlaczego Twój system ERP nie jest gotowy na autopilota
Branża obiecuje autonomiczne przedsiębiorstwa. Nazywam to „złudzeniem agenta”. Choć technologia sztucznej inteligencji opartej na agentach istnieje, zarządzanie nią nie. Przeanalizujemy, dlaczego przekazanie kluczy agentowi zorientowanemu na wynik (który sam wyznacza ścieżkę do celu) bez zorganizowanej kontroli stanowi ogromne ryzyko finansowe. Omówimy, dlaczego „ udział człowieka w pętli” nie jest błędem ani ograniczeniem, ale najważniejszą funkcją bezpieczeństwa następnej dekady.
Przeczytaj cały artykuł tutaj.
Część 4: Zabójca sztucznej inteligencji – dlaczego brudne dane doprowadzą Twojego agenta do bankructwa
„Garbage In, Garbage Out” było uciążliwe. Ludzki planista mógł zobaczyć pusty czas realizacji i zgadnąć prawidłową wartość. Z agentami, „Garbage In” zmienia się w „Disaster Out”. Agent widzi pusty czas realizacji i zamawia transport lotniczy, niszcząc Twoją marżę w milisekundach.
W Części 4 omówimy, dlaczego Master Data Governance nie jest już nudnym zadaniem IT, ale najważniejszym warunkiem wdrożenia sztucznej inteligencji. Udowodnimy, że bez czystych danych Twój Inteligentny Magazyn jest jedynie automatycznym generatorem chaosu.
Przeczytaj cały artykuł tutaj.
Część 5: Audytor algorytmów – nowa rola eksperta ERP
Na koniec stajemy przed najbardziej osobistym pytaniem: Co się z nami stanie? Jeśli Agent monitoruje stan zapasów, a GenBI odpowiada na pytania, co pozostaje konsultantowi i superużytkownikowi? Odpowiedź brzmi: Wszystko, ale inaczej.
W miarę jak sztuczna inteligencja przejmuje zadania wykonawcze o niskiej wartości (tzw. „wykonawca”), człowiek musi ewoluować w kierunku nowej, bardziej wartościowej roli: audytora algorytmów. Przyjrzymy się trzem nowym umiejętnościom (analiza przyczynowości, zarządzanie wyjątkami, zarządzanie), które musisz opanować, aby utrzymać się na rynku w nadchodzących latach.
Przeczytaj cały artykuł tutaj.
Dlaczego ta seria jest teraz ważna
Nie mówimy tu o science fiction ani prototypach badawczo-rozwojowych. Technologia opisana w tej serii (Infor AI, integracja GenAI) jest dostępna już teraz lub znajduje się w najbliższej przyszłości na mapie drogowej do 2026 roku.
Firmy, które zrozumieją tę ewolucję, zyskają ogromną przewagę konkurencyjną w zakresie szybkości i zwinności. Ci, którzy ją zignorują, lub co gorsza, ci, którzy rzucą się na nią bez zrozumienia podstaw, spędzą kolejne lata na sprzątaniu bałaganu.
Napisane przez Andreę Guaccio
10 grudnia 2025 r