ERP-intelligensutvecklingen: Från statiska data till autonoma agenter

(Introduktion till serien i 5 delar)

Vi står på gränsen till det enskilt största skiftet i ERP-historien sedan migreringen från gröna skärmar (teckenbaserade gränssnitt) till grafiska Windows-gränssnitt på 1990-talet.

Den förändringen förändrade hur vi ser på systemet. Denna förändring förändrar vem som gör jobbet.

Men just nu drunknar marknaden i buller. Om du frågar fem olika experter vad AI i ERP innebär får du fem olika svar.
”Är det ChatGPT inkopplat i mitt lager?” ”Är det en chatbot som svarar på supportärenden?” ”Är det en robot som automatiskt köper material när lagret är lågt?”

Förvirringen är stor, och framför allt är hypen farlig. IT-chefer och leverantörskedjechefer är under enorm press att anamma AI, men de saknar ofta en tydlig teknisk färdplan för att nå dit.

De säljs drömmen om ett självkörande företag medan de sitter på en databas full av dubbletter och frånkopplade äldre processer.

Verklighetskontrollen

I Infor LN CloudSuite- ekosystemet är färdplanen faktiskt väldigt tydlig, men den kräver en strikt utveckling av teknik, data och, viktigast av allt, tankesätt.

Du kan inte hoppa direkt till Autonoma Agenter om din masterdata är smutsig. Du kan inte lita på att en AI utför finansiella transaktioner om du inte förstår den grundläggande skillnaden mellan en generativ modell (som skriver e-postmeddelanden) och en prediktiv modell (som prognostiserar efterfrågan).

Vi måste sluta behandla AI som en trollstav och börja behandla det som en ingenjörsdisciplin.

Seriens färdplan

Under de kommande fem avsnitten kommer jag att publicera en djupdykande serie med titeln: ERP Intelligence Evolution.
Vi kommer att rensa bort marknadsföringsmodeorden och titta på den tekniska verkligheten för det intelligenta företaget. Vi kommer att dissekera Infor-arkitekturen, exponera riskerna och definiera de nya mänskliga roller som krävs för att överleva.

Här är färdplanen vi ska resa tillsammans:

Del 1: AI vs. GenAI vs. Agentic AI – Avkodning av informationslandskapet

Innan vi bygger måste vi definiera. En av de största anledningarna till att AI-projekt misslyckas är ett missförstånd av verktygen. Infors arkitektur är en treenighet av distinkta teknologier. I det här första avsnittet kommer vi att avkoda de specifika skillnaderna mellan:

• Infor AI (Maskininlärning): Mattenörden som förutspår framtiden baserat på historia.
• GenAI (jur.kand.): den kreativa assistenten som förstår språk och sammanhang.
• Agentisk AI: den autonoma arbetaren som kan utföra uppgifter i flera steg. Vi kommer att analysera varför det är ett recept för misslyckande att blanda ihop dem och hur man kopplar dem till era affärsproblem.

Läs hela artikeln här.

Del 2: Generativ BI – Att prata med dina data

Eran med statiska instrumentpaneler är över. Under lång tid har affärsanvändare varit beroende av IT-analytiker för att skapa rapporter. Om en CEO frågade: "Varför minskar marginalen i Italien?", tog svaret tre dagar av SQL-frågor.

I del 2 utforskar vi demokratiseringen av data via text-till-SQL- teknik. Vi kommer att se hur generativ BI låter användare enkelt ställa komplexa ERP-frågor på naturligt språk och få omedelbara, visuella svar. Detta överbryggar klyftan mellan teknisk komplexitet och affärsinsikt.

Läs hela artikeln här

Del 3: Agentvillfarelsen – Varför ditt ERP-system inte är redo för autopilot

Branschen lovar självkörande företag. Jag kallar det Agentvillfarelsen. Medan tekniken för agentbaserad AI finns, gör inte styrningen det. Vi kommer att analysera varför det är en enorm ekonomisk risk att överlämna nycklarna till en resultatdriven agent (en som hittar sin egen väg mot ett mål) utan orkestrerad kontroll. Vi kommer att diskutera varför Human-in-the-Loop inte är en bugg eller en begränsning, utan den viktigaste säkerhetsfunktionen under det kommande decenniet.

Läs hela artikeln här.

Del 4: AI-dödaren – Varför smutsig data kommer att ruinera din agent

"Skräp in, skräp ut" brukade vara ett irritationsmoment. En mänsklig planerare kunde se en tom ledtid och gissa rätt värde. Med agenter blir skräp in till katastrof ut. En agent ser en tom ledtid och beställer flygfrakt, vilket förstör din marginal på millisekunder.

I del 4 kommer vi att diskutera varför Master Data Governance inte längre är en tråkig IT-fråga, utan den enskilt viktigaste förutsättningen för AI-implementering. Vi kommer att bevisa att utan ren data är ert smarta lager bara en automatiserad kaosgenerator.

Läs hela artikeln här.

Del 5: Algoritmgranskaren – ERP-expertens nya roll

Slutligen står vi inför den mest personliga frågan: Vad händer med oss? Om agenten övervakar aktien och GenBI svarar på frågorna, vad finns då kvar för konsulten och superanvändaren? Svaret är: Allt, men annorlunda.

I takt med att AI:n tar över de lågvärdiga utförandeuppgifterna (Göraren) måste människan utvecklas till en ny roll med högre värde: Algoritmgranskaren. Vi kommer att utforska de tre nya färdigheterna (Kausalitetsanalys, Undantagshantering, Styrning) som du behöver behärska för att förbli relevant under de kommande åren.

Läs hela artikeln här.

Varför den här serien är viktig nu

Vi pratar inte om science fiction eller prototyper inom forskning och utveckling. Tekniken som beskrivs i den här serien (Infor AI, GenAI-integration) är tillgänglig nu eller finns i den omedelbara planen för 2026.

De företag som förstår denna utveckling kommer att få en enorm konkurrensfördel i snabbhet och smidighet. De som ignorerar den, eller ännu värre, de som rusar in i den utan att förstå grunderna, kommer att spendera de kommande åren med att städa upp röran.

Skriven av Andrea Guaccio 

10 december 2025