Одной из основных современных тенденций развития ПО является акцент на внедрение решений на основе искусственного интеллекта.  В этой статье Алексей Насакин, руководитель направления «Управление производством» компании «Национальная платформа», не будет обсуждать хорошо известные и популярные среди «широких масс пользователей» решения на основе ИИ, такие как Chat GPT. Эксперт попробует разобраться в другом, менее освещенном вопросе - какие именно функциональности на основе ИИ-моделей предлагают поставщики ERP-систем и как их наличие влияет на процесс выбора поставщика и ход проекта внедрения.

Влияние ИИ-функциональности на процесс выбора поставщика и методологию внедрения ERP -систем

Сначала поговорим о неочевидных аспектах и проблематике выбора ИИ-решений в контексте внедрения ERP-систем.

Традиционно, в основе взаимоотношений между покупателем и поставщиком ERP-системы лежит понятие гарантий работоспособности решения и его дальнейшей техподдержки со стороны вендора. Если в системе работает только программный код, разработанный вендором, здесь все понятно. Но что произойдет с гарантиями и дальнейшей техподдержкой, если в решение будут интегрированы продукты на основе искусственного интеллекта?

В связи с этим при выборе поставщика ERP-системы, содержащей ИИ-функциональность, возникают дополнительные требования.

1. Наличие исключительных прав на используемую ИИ-модель. Если поставщик использует «модели с открытым исходным кодом», или просто модели, созданные другими компаниями, то он не сможет дать гарантий работы и обновлений, так как фактически не является разработчиком этого программного кода.

2. Гарантия релевантности данных, на которых обучалась модель. Любая модель проходит два цикла обучения: например, большая языковая модель сначала обучается на колоссальном объёме данных у разработчика, а затем уже «доучивается» у конкретного заказчика.

Проще говоря, если ИИ-модель тренировали только на «японских» данных, достаточно вероятно, что на вопрос про столовые приборы, она в первую очередь будет рассказывать про охаси - палочки для еды. То есть по сути любая ИИ-модель несет на себе «отпечаток» наборов данных, на которых ее тренировали «в момент рождения».

Как правило, ни один автор не раскрывает полностью наборы данных, на которых тренируются их модели. К тому же пока нет инструментов и процедур, по которым создатель может верифицировать наборы данных для «до-обучения» в момент внедрения у конечного заказчика. Соответственно, гарантировать компании-заказчику отсутствие «галюцинаций модели» не может никто — ни автор модели, ни его партнер — внедренец.

Таким образом, сегодня в области «ИИ в ERP» практически не приходится говорить о классическом «решении из коробки» в плане поддержки и ответственности. Заказчику можно только рекомендовать каждый раз обращать внимание на то, кто и на основании чего гарантирует работоспособность модели и корректность наборов данных, на которых она обучалась и будет до-обучаться в рамках конкретного проекта.

Что касается изменений в методологии внедрения ERP-систем, то наличие ИИ- функциональности, чаще всего, требует реализации дополнительных этапов – очистки и разметки исходных данных и, собственно, самого процесса тренировки моделей.

Основные преимущества внедрения решений на основе моделей ИИ в рамках ERP-систем

Среди преимуществ внедрения решений на основе моделей ИИ в рамках ERP-систем я бы в первую очередь выделил оптимизацию цепочек поставок на основе анализа данных об уровне запасов, производственных графиков и наличии спроса с учетом сезонных кривых. Из недавних публичных кейсов: на российском молочном заводе был внедрен новый инструмент анализа продаж на основе ИИ. Решение позволило детально анализировать спрос на продукцию для более эффективного ее распределения по торговым точкам. Благодаря этому продажи увеличились на 7% прибыль – на 30%, при этом производственные затраты изменились незначительно.

Часто решения на основе ИИ помогают при обработке первичных финансовых документов для ускорения процессов проведения различного рода «сверок». Например, сервис «1С: Распознавание первичных документов» помогает бухгалтерам вводить документы в программу 1С. В систему загружается скан или фотография, далее сервис распознает первичный документ, определяет его тип, автоматически считывает данные, сопоставляет контрагентов, номенклатуру и автоматически создает документ в программе 1С.

Еще один вариант применения ИИ-решений — выявление неявных корреляций, закономерностей и тенденций в производственной деятельности, которые было бы трудно обнаружить иным способом. Данный подход особенно эффективен в MES-системах, которые аккумулируют большие исторические базы различных показателей производственного процесса.

Выявленные закономерности могут использоваться для решения следующих задач:

▪ прогнозирование сбоев оборудования, например, модуль OCI Anomaly Detection от Oracle предлагает готовую платформу для создания специфических моделей с целью обнаружения аномалий на ранних этапах;
▪ оптимизации производительности систем;
▪ повышение качества продукции;
▪ диагностика проблем с продуктом или производственным процессом (для анализа первопричин проблемы нужно обработать тысячи сигналов с производственной линии, а использование машинного обучения для их автоматической обрезки сокращает количество сигналов на два порядка, а значит, и общее время поиска неполадки); 
▪ выработка обоснованных рекомендаций о порядке сборки сложных прецизионных изделий.

Кроме этого, с помощью внедрения решений на основе моделей ИИ в рамках ERP-систем можно снизить трудоемкость основных кадровых процедур, будь то подбор кадров за счет автоматизации поиска кандидатов или прием и адаптация персонала (например, прогноз прохождения испытательного срока). Американская сеть ресторанов быстрого питания использовала цифрового помощника для упрощения процессов ИТ-поддержки. Когда пользователю ERP-системы требуется помощь, решения предоставляет ссылки на учебные пособия или справочную документацию по ней. Цифровой помощник также может направить пользователя к живому ИТ-агенту и отправить ему информацию о контексте проблемы, например, снимки экрана, чтобы облегчить устранение проблемы.

Интеграция ИИ в ERP-системы приведет к ряду изменений, как внутри компаний, так и на рынке в целом. Это ускорит автоматизацию рутинных процессов, таких как обработка финансовых документов, проведение сверок и управление запасами. ИИ сделает ERP-системы более адаптивными и гибкими. Например, компании смогут быстрее реагировать на изменения спроса или сбои в цепочках поставок. Однако интеграция ИИ также вызовет необходимость инвестировать в инфраструктуру для обработки больших объемов данных и обучения моделей.

При этом интеграция ИИ в ERP-системы может усилить конкуренцию вендоров на рынке. Компании, которые быстрее внедрят и эффективно используют ИИ, получат преимущество перед теми, кто отстает в реализации решений на базе искусственного интеллекта. Это может привести к дальнейшей консолидации рынка, где крупные игроки с развитыми ИИ-решениями будут доминировать, а мелкие и средние компании будут вынуждены искать ниши или партнерства для выживания.

Таким образом, интеграция ИИ в ERP-системы — это не просто технологический шаг, а трансформация бизнес-моделей, которая повлияет на структуру компаний, рынок труда и конкурентную среду.

Об авторе: Алексей Насакин, руководитель направления «Управление производством» компании «Национальная платформа».

Источник: IT World.