Генеративният ИИ навлиза бързо в системите, които компаниите използват всеки ден.
Това включва и ERP.
Това не е изненадващо. Една ERP система вече знае много за бизнеса. Тя знае какво е продадено, какво е купено, какво има на склад, какво се произвежда, кои клиенти плащат със закъснение, кои доставчици доставят навреме, къде разходите растат и къде нещо не изглежда съвсем правилно.
Сега си представете да добавите ИИ върху всичко това.
Изведнъж ERP системата не само съхранява информация. Тя може да започне да я интерпретира.
Тя може да забелязва модели.
Тя може да предупреждава хората.
Тя може да сравнява днешния ден с миналата година.
Тя може да обясни защо маржът може да спада.
Тя може да каже на производствения мениджър, че бракът се увеличава.
Тя може да каже на отдел „Покупки“, че даден доставчик е станал по-скъп.
Тя може да предупреди финансовия отдел, че клиент, който обикновено плаща след 15 дни, сега е на 42 дни.
Тук ИИ става много интересен.
Но тук е и мястото, където трябва да бъдем внимателни.
Защото има много голяма разлика между ИИ, който помага на компанията да взема по-добри решения, и ИИ, който взема решенията вместо компанията.
Тази разлика е по-важна от всякога.
Представете си, че това се случва в обикновена понеделник сутрин
Производствен мениджър отваря SIX ERP в 8:10 сутринта.
Обикновено той би прегледал таблото за управление. Може би проверява вчерашната продукция, сравнява някои числа, разговаря с началника на смяна и след това бавно разбира какво се е случило.
С ИИ системата би могла да го поздрави по различен начин.
Тя би могла да каже:
Вчерашната продукция беше нормална, но консумацията на материали беше с 8,7% по-висока от очакваната. По-голямата част от разликата дойде от производствена линия 3. Бракът на тази линия се е увеличил по време на късната смяна. Цените на доставчиците останаха непроменени.
Това е полезно.
Много полезно.
Мениджърът не трябва да търси в десет отчета.
Той вече знае къде да гледа.
Но сега си представете, че ИИ продължава:
Препоръчително действие: спрете производствена линия 3 незабавно.
Това вече е друг въпрос.
Може би спирането на линията е правилно.
Може би е напълно погрешно.
Може би бракът е бил причинен от еднократна тестова партида.
Може би нов работник е въвел грешно количество.
Може би материалът е бил осчетоводен със закъснение.
Може би поддръжката вече е отстранила проблема в 6:00 сутринта.
ИИ може да вижда данните, които са му достъпни.
Опитният производствен мениджър може да знае историята зад данните.
И това е същността.
ИИ може да бъде невероятно добър в откриването на сигнала. Хората все още са изключително важни при вземането на решение какво всъщност означава сигналът.
ИИ може да се превърне в един от най-добрите контрольори, които една компания някога е имала
Много се говори за това как ИИ ще замени работни места.
В една ERP среда едно от най-ценните приложения може да бъде нещо различно.
ИИ може да се превърне в постоянен контрольор.
Помислете как често работят бизнесите днес.
В края на месеца някой създава отчет.
Ръководството разглежда отчета.
Някой забелязва, че разходите са се повишили.
Тогава започват въпросите.
Защо разходите се повишиха?
От отдел „Покупки“ ли беше?
От производството ли беше?
От енергията ли беше?
От извънреден труд ли беше?
От транспорта ли беше?
Хората започват да търсят.
Няколко дни по-късно компанията разбира какво се е случило преди три или четири седмици.
ИИ може да промени това.
Вместо да чака до края на месеца, системата може да наблюдава непрекъснато.
Тя може да сравнява хиляди трансакции в момента на тяхното случване.
Тя може да забележи, че цените на материалите бавно се покачват.
Тя може да забележи, че в един склад има необичайни движения на стоки.
Тя може да забележи, че един търговски представител дава отстъпки, които са далеч над средните.
Тя може да забележи, че извънредният труд се увеличава в същото време, когато производствената продукция спада.
Тя може дори да забележи малки промени, преди човек обикновено да ги сметне за важни.
Това е един от най-силните аргументи за ИИ в ERP системите.
Не защото ИИ трябва да стане шеф.
А защото ИИ може да стане колегата, който никога не се уморява да проверява числата.
Машината вижда всичко. Човекът вижда ситуацията.
Нека вземем прост пример с доставчик.
ERP системата показва двама доставчици.
Доставчик А продава компонент за 9,80 €.
Доставчик Б продава същия компонент за 9,25 €.
Доставчик Б е по-евтин.
Изпълнението на доставките е почти еднакво.
Качеството е почти еднакво.
Една ИИ система може да погледне числата и да каже:
Прехвърлете повече покупки към Доставчик Б. Очаквани годишни спестявания: 74 000 €.
Тази препоръка може да бъде напълно логична.
Но тогава мениджърът по покупките казва:
„Не.“
Защо?
Защото преди пет години, когато друг доставчик се провали по време на най-натоварения месец от годината, Доставчик А отвори склада си в събота вечер и изпрати камион.
Защото Доставчик А познава производствения график на компанията.
Защото, когато фабриката внезапно се нуждае от допълнителни 5000 бройки, Доставчик А обикновено намира начин.
Защото мениджърът по покупките знае, че Доставчик Б изглежда отлично на хартия, но става ненадежден всеки декември.
Къде е тази информация?
Може би никъде.
Може да не е в ERP системата.
Може да не е в договор.
Тя може да живее в главата на човек, който е работил в отдел „Покупки“ в продължение на двадесет години.
Този вид знание често се нарича неявно знание.
Това е знанието, което хората събират, докато вършат работата си.
Те научават кой клиент винаги казва, че поръчката е спешна, дори когато не е.
Те научават коя машина издава странен шум два дни преди нещо да се счупи.
Те научават на кой доставчик може да се вярва, когато всички останали казват „не“.
Те научават кой служител може да реши труден производствен проблем, без да прави голяма драма от това.
Една база данни е пълна с факти.
Опитът често е пълен с контекст.
Една добра компания се нуждае и от двете.
Това също е въпрос на поколения, но вероятно не по начина, по който хората мислят
Би било лесно да се каже:
„По-възрастните служители разбират бизнеса. По-младите служители разбират технологиите.“
Това би било твърде просто.
Има блестящи млади служители и ужасни опитни такива.
Има по-възрастни служители, които разбират ИИ изключително добре.
А милениалите вече не са наистина ново поколение в работната сила. Много от тях вече са опитни мениджъри, специалисти и лидери на компании.
По-интересният момент е за самия опит.
Поколението Z навлиза в компаниите във време, когато ИИ става нещо нормално.
За много по-млади служители искането на помощ от ИИ система може да се усеща толкова естествено, колкото търсенето в Google за поколението преди тях.
Това може да бъде огромно предимство.
Един 22-годишен служител може да е в състояние да използва ИИ по-бързо и по-естествено от някой, който е работил в компанията 30 години.
Но има нещо, което ИИ не може просто да даде на този служител за една нощ.
Той не може да им даде спомена за това, че са видели десет различни кризи.
Той не може да им даде усещането да знаят кога един клиент е наистина ядосан и кога просто преговаря.
Той не може да им даде спомена за провал на доставчик от 2018 г.
Той не може да им даде опита да видят производствен план, който изглежда перфектно в Excel и след това се разпада в цеха.
Тези неща идват с времето.
Най-умната компания няма да избира между млади дигитални таланти и опитни служители.
Тя ще ги свърже.
Представете си млад купувач, който се чувства комфортно да работи с ИИ, седнал до мениджър по покупките с 25-годишен опит.
ИИ открива необичайното движение на цените.
Младият служител разбира как да изследва данните.
Опитният мениджър обяснява защо числото е важно.
Това е много по-силно, отколкото всеки от тях да работи сам.
Истинската опасност невинаги е в това, че ИИ греши
Понякога по-голямата опасност е, че хората спират да го подлагат на съмнение.
Представете си, че препоръка от ИИ се появява на красиво табло за управление.
Има графики.
Има оценка на увереността.
Има параграф, обясняващ заключението.
Изглежда професионално.
Системата казва:
Намалете инвентара от готова продукция с 18%.
Един мениджър си мисли:
„ИИ е прегледал милиони записи. Вероятно знае.“
Клик.
Одобряване.
Появява се следващото предложение.
Одобряване.
Още едно.
Одобряване.
След известно време човекът технически все още одобрява решенията.
Но той вече не решава наистина.
Той просто кликва.
Това е един от най-важните рискове около ИИ.
Хората естествено се доверяват на системи, които изглеждат уверени.
А модерният ИИ е изключително добър в това да звучи уверено.
Това може да бъде опасно.
Човек, който казва „Не съм сигурен“, ни прави внимателни.
Машина, която дава обяснение от три параграфа с числа и спретнато заключение, може да ни накара да се отпуснем твърде много.
Но обяснението все пак може да бъде погрешно.
Увереният отговор все пак може да бъде лош отговор
Генеративният ИИ не мисли като калкулатор.
Калкулаторът или ви дава 2 + 2 = 4, или е счупен.
ИИ е различен.
Той създава отговори въз основа на модели.
Това означава, че понякога може да произведе нещо, което изглежда напълно вярно, дори когато част от него е неправилна.
Това става особено опасно в бизнес софтуера.
Представете си, че ИИ агент казва на ръководството:
Рентабилността на продуктова група C спадна, защото разходите за навло се увеличиха с 14%.
Всички започват да обсъждат логистиката.
Но какво, ако разходите за навло са били въведени два пъти в един период?
Какво, ако превалутирането е било грешно?
Какво, ако една голяма фактура е била осчетоводена в грешния месец?
ИИ може да е анализирал числата правилно.
Самите числа са били грешни.
Ето защо качеството на данните става още по-важно, когато ИИ навлезе в ERP.
Лошите данни винаги са били проблем.
ИИ може да направи лошите данни по-опасни, защото може да ги превърне в много убедителна история.
ИИ може също така да разбере погрешно защо нещо се е случило
Това е друг важен проблем.
Да предположим, че една ERP система забележи, че винаги, когато извънредният труд се увеличава, качеството спада.
Това е реален модел.
ИИ може да докладва:
Големият извънреден труд изглежда намалява качеството на продукцията.
Това може да е вярно.
Работниците може да са уморени.
Но може би истинската история е друга.
Може би извънредният труд се увеличава, защото компанията произвежда необичайно трудни продукти.
Тези продукти също така създават повече проблеми с качеството.
В този случай извънредният труд не е причинил проблема.
И двете неща са били причинени от нещо друго.
Хората също правят тази грешка.
Но когато ИИ дава отговор бързо и уверено, хората може да спрат да търсят други обяснения.
Ето защо ИИ често трябва да казва:
„Ето най-вероятното обяснение.“
А не:
„Това определено е причината.“
Има голяма разлика.
Миналото също може да даде грешен урок
ИИ се учи от данни.
Бизнесите обикновено имат много исторически данни.
Това звучи перфектно.
Но историята невинаги е нещо, което трябва да повтаряме.
Представете си, че една компания винаги е поддържала твърде големи наличности.
Ако ИИ се учи от старото поведение на компанията, той може да реши, че високият инвентар е нещо нормално.
Представете си, че ръководството исторически е давало най-добрите проекти само на малка група хора.
Ако една ИИ система се учи от тези стари решения, тя може да продължи същия модел.
Или си представете, че компанията винаги е приемала лошо платежно поведение от един основен клиент.
ИИ може да научи, че това е просто начинът, по който се прави бизнес.
Историческите данни ни казват какво се е случило.
Те не ни казват автоматично какво трябва да се случи след това.
Понякога цялата причина ръководството да въведе нова система е, че старият начин е бил грешен.
А понякога светът просто се променя
Тук опитът става много важен.
ИИ обича моделите.
Бизнесът обича да разчупва моделите.
Започва война.
Граница се затваря.
Доставчик фалира.
Появява се ново данъчно правило.
Цените на енергията скачат.
Фабрика се наводнява.
Голям клиент обявява, че затваря завод.
Изведнъж предходните пет години не са много добър ориентир за следващия месец.
Хората, които са преминавали през необичайни ситуации преди, могат да разпознаят, че нещо се е променило.
Те могат да кажат:
„Спрете да използвате нормалните предположения. Това не е нормална година.“
Една ИИ система също може да открие промяна, но тя трябва да бъде проектирана така, че да знае кога нейните стари модели стават по-малко полезни.
Един много добър ИИ понякога трябва да казва:
„Нямам достатъчно надеждна историческа информация за тази ситуация.“
Това е добър отговор.
Една от най-големите грешки е да се даде на ИИ грешна цел
Представете си да кажете на ИИ агент:
Намалете инвентара с 20%.
Той може да успее.
Инвентарът намалява.
Чудесно.
Но доставките към клиентите стават по-бавни.
Производството започва да чака компоненти.
Спешните превози се увеличават.
Фабриката спестява 200 000 € от инвентар, но харчи 300 000 € за решаване на проблемите.
ИИ постигна целта.
Компанията загуби пари.
Или кажете на ИИ:
Намалете разходите за покупки.
Той преминава към по-евтини доставчици.
Шест месеца по-късно рекламациите за качество са се удвоили.
Или кажете:
Подобрете краткосрочния паричен поток.
Той забавя плащанията към доставчиците.
Паричният поток се подобрява този месец.
След това двама важни доставчици намаляват кредитните условия на компанията.
ИИ може да е направил точно това, което е бил помолен да направи.
Проблемът беше във въпроса.
Бизнесите са свързани системи.
Обикновено не можете да оптимизирате едно число, без това да повлияе на нещо друго.
Опитните мениджъри знаят това, защото са го виждали да се случва.
ИИ се нуждае от правила, граници и множество цели.
Бизнесът не е само числа
Това може да звучи очевидно, но е лесно да се забрави.
Компаниите са също така и взаимоотношения.
Един клиент може да е нерентабилен тази година, но стратегически важен.
Един доставчик може да е малко скъп, но невероятно надежден.
Един служител може да има средни показатели за производителност, но да е човекът, на когото всички се обаждат, когато нещо се обърка.
Един мениджър продажби може да реши да не увеличава цената на клиент, защото знае, че предстои много по-голям проект.
Една ИИ система може да не знае тези неща, освен ако някой не ги е въвел в системата.
Ето защо напълно саморегулиращите се компании са толкова привлекателна идея и същевременно толкова опасна.
Числата могат да изглеждат ясни.
Истинският живот често е хаотичен.
Колкото по-бързо работи ИИ, толкова по-бързо може да прави и грешки
Има още нещо, което хората понякога забравят.
Автоматизацията увеличава скоростта.
Това обикновено се счита за полза.
Но грешките също стават по-бързи.
Един купувач човек може да направи една лоша поръчка за покупка.
Един автоматизиран ИИ агент може да направи 500 преди обяд.
Един мениджър човек може да одобри една лоша отстъпка.
Един ИИ агент за ценообразуване може да промени цените за 20 000 клиенти.
Това не означава, че трябва да избягваме автоматизацията.
Това означава, че автоматизацията се нуждае от спирачки.
Автомобилите станаха по-бързи с времето.
Те също така получиха по-добри спирачки, предпазни колани, сензори и системи за безопасност.
ИИ в ERP системите се нуждае от същото мислене.
Колкото повече власт даваме на системата, толкова по-силен трябва да стане контролът около нея.
Няколко умни ИИ агента все пак могат да създадат един глупав резултат
Това може да се превърне в истинско предизвикателство за ERP системите.
Представете си бъдеща компания с няколко ИИ агента.
Един контролира инвентара.
Един управлява покупките.
Един наблюдава паричния поток.
Един оптимизира ценообразуването.
Един наблюдава доставчиците.
Всеки от тях има своя собствена работа.
Сега се случва нещо странно.
ИИ за инвентара решава, че наличностите са твърде високи и намалява гаранционния запас.
ИИ за покупки вижда задаващ се недостиг и започва да прави спешни покупки.
Финансовият ИИ вижда, че нуждите от парични средства се увеличават и забавя плащанията към доставчиците.
ИИ за риск от доставчици забелязва оплаквания от доставчици и понижава техните резултати.
След това ИИ за покупки сменя доставчиците.
Производството получава малко по-различен материал.
Качеството спада.
ИИ за продажби вижда оплаквания от клиенти и започва да дава отстъпки.
Всеки ИИ агент следваше собствената си логика.
Заедно те създадоха бъркотия.
Ето защо една компания не може просто да добавя все повече и повече агенти и да приема, че става по-умна.
Някой трябва да гледа цялата система.
Това може да бъде друг слой ИИ.
Но в това трябва да участват и хора.
Има и друга опасност, за която трябва да говорим: хората може да спрат да се учат
Представете си млад финансов контрольор, който се присъединява към компания.
В миналото този човек можеше да прекара години в учене.
Той би изследвал странни числа.
Той би разговарял с отдел „Покупки“.
Той би спорил с производството.
Той би откривал грешки при осчетоводяването.
Той би научил защо паричният поток е различен от печалбата.
Той бавно би трупал опит.
Пет години по-късно той става много добър.
Сега си представете, че ИИ прави цялото трудно проучване.
Всяка сутрин служителят получава съобщение:
Идентифицирано отклонение. Причина: увеличено използване на материали. Препоръчителна корекция: 47 320 €.
Служителят натиска „Одобряване“.
Работата е по-бърза.
Но какво научиха те?
Това е сериозен дългосрочен въпрос.
Ако ИИ извършва цялата аналитична работа за начинаещи, откъде ще дойдат бъдещите старши експерти?
Компаниите трябва да внимават да не автоматизират процеса на учене до степен на изчезване.
ИИ трябва да помага на по-младите служители да разберат бизнеса.
Той не трябва да прави разбирането ненужно.
Тук добрият дизайн на ERP системата може да направи разликата
Представете си вместо това ИИ да каже:
Използването на материали е с 8,4% над стандарта. Най-голямата разлика идва от линия 2 по време на нощната смяна. Три възможни причини са необичайно висок брак, неправилно осчетоводяване на материал или промяна в производствената рецепта.
След това системата пита:
Искате ли да видите основните трансакции?
Сега служителят се учи.
Те могат да отворят движенията на материалите.
Те могат да инспектират производствената поръчка.
Те могат да видят коя смяна е била засегната.
Те могат да я сравнят с предишни поръчки.
ИИ не просто дава отговора.
Той помага на служителя да проучи.
Това имаме предвид, когато казваме, че ИИ трябва да прави хората по-силни.
На ИИ трябва да бъде позволено да прави повече, когато рискът е малък
Не всяко решение се нуждае от комисия.
Няма причина една компания да изисква три подписа, защото ИИ иска да поръча офис хартия за 35 €.
Някои задачи са повтарящи се, нискорискови и лесни за отмяна.
На ИИ трябва да бъде позволено да автоматизира много от тях.
Например автоматичното категоризиране на входящите имейли обикновено е с нисък риск.
Създаването на проект на поръчка за покупка е с нисък риск.
Повторната поръчка на евтин опаковъчен материал в рамките на известен лимит също може да бъде разумна.
Но правилата трябва да се променят, когато последствията станат по-големи.
Една ИИ система, препоръчваща покупка за 400 000 €, вероятно не трябва да я изпълнява сама.
Една ИИ система, оценяваща дали служител трябва да бъде уволнен, със сигурност не трябва да бъде крайният вземащ решение.
Една ИИ система може да подкрепя тези решения.
Тя не трябва да ги притежава.
Полезно правило е просто:
Колкото по-трудно е да се поправи една грешка, толкова повече човешки контрол трябва да остане.
Мислете за ИИ като за изкачване по стълба на автономията
Една компания не трябва да избира между напълно ръчно и напълно автономно управление.
Има много стъпки между тях.
На първо ниво ИИ просто информира.
Той казва:
Наличностите вероятно ще свършат след девет дни.
На следващото ниво ИИ препоръчва.
Предлагаме да поръчате още 3000 бройки.
След това ИИ може да подготви действието.
Поръчката за покупка е създадена и готова за одобрение.
По-късно, в рамките на определени граници, ИИ може да изпълнява.
Опаковъчен материал под гаранционния запас. Стойност на поръчката 280 €. Автоматично презаредено.
Това може да има смисъл.
Но колкото по-високо се изкачва ИИ, толкова по-внимателно компанията трябва да пита:
Кой е отговорен?
Какво може да промени ИИ?
Колко пари може да похарчи?
Кои клиенти може да засегне?
Какво се случва, ако сгреши?
Можем ли да отменим действието?
Можем ли да спрем системата незабавно?
Това са управленски въпроси, а не само технически.
Човешкият контрол трябва да бъде реален контрол
Има една популярна фраза в областта на ИИ:
Човек във веригата (Human in the loop).
Звучи безопасно.
Но само по себе си не е достатъчно.
Представете си, че ИИ създава 400 препоръки всеки ден.
Един мениджър има тридесет минути, за да ги одобри.
Клик.
Клик.
Клик.
Клик.
Технически в процеса има човек.
Но този човек всъщност не контролира нищо.
Той просто се превръща в лицето, чието име се появява в одитната пътека.
Реален човешки контрол означава, че лицето има достатъчно време, знания и информация, за да не се съгласи.
Това означава, че ERP системата трябва да показва защо ИИ е направил препоръката.
Мениджърът трябва да може да вижда изходните данни.
Системата трябва да показва несигурност.
И мениджърът трябва да може да каже:
„Не. Аз знам нещо, което системата не знае.“
Това е реален контрол.
Най-полезният бутон може да бъде „Оспори ИИ“
Представете си, че мениджър по покупките получава тази препоръка:
Променете предпочитания доставчик от А на Б. Очаквана икономия: 74 000 € на година.
Мениджърът не е съгласен.
Вместо просто да кликне върху „Отхвърляне“, той пише:
Доставчик А осигурява гарантиран спешен капацитет по време на пиковия сезон. Доставчик Б не го прави.
Сега се случва нещо интересно.
Човекът току-що е добавил знание към системата.
Следващия път ИИ може да вземе тази информация под внимание.
Това е мястото, където човешкият опит и ИИ започват да се учат един от друг.
ERP системата вече не съдържа само трансакции.
Тя започва да съдържа причините зад решенията.
Това може да стане изключително ценно.
Особено когато опитни служители се пенсионират.
Трябва да използваме ИИ, за да запазим опита, а не да го изхвърляме
Много компании имат хора, които знаят неща, които никой друг не знае.
Мениджърът на склада, който знае защо определен продукт никога не трябва да се подрежда на три палета височина.
Производственият мениджър, който знае, че една машина се държи лошо при много горещо време.
Търговецът, който знае, че един клиент винаги преговаря агресивно през декември, но винаги купува през януари.
Мениджърът по покупките, който знае кой доставчик всъщност ще вдигне телефона в 2:00 часа сутринта.
Компаниите губят това знание, когато хората напускат.
ИИ създава интересна възможност.
Вместо да питаме:
„Как ИИ може да замени нашите опитни служители?“
трябва да попитаме:
„Как ИИ може да ни помогне да уловим това, което нашите опитни служители знаят?“
Това е много по-добър въпрос.
Ако ERP системите започнат да съхраняват не само решения, но и обяснения, изключения и научени уроци, ИИ може да помогне на бъдещите служители да използват този опит.
ИИ може да стане учител за следващото поколение
Това може да бъде едно от най-положителните приложения на ИИ.
Представете си, че млад служител вижда проблем с доставка от доставчик.
Вместо просто да каже какво да се прави, системата обяснява:
Преди да смените доставчика, проверете текущите договори, отворените поръчки за покупка, историята на качеството, алтернативния капацитет, сезонността и всички стратегически споразумения.
Този служител започва да разбира как мисли един опитен купувач.
Представете си, че млад производствен плановик е напът да премести поръчка.
ИИ казва:
Тази промяна решава днешния проблем с капацитета, но ще създаде недостиг на материали в четвъртък.
Сега служителят се научава да мисли две стъпки напред.
Това е много по-ценно, отколкото ИИ просто да върши работата мълчаливо.
Една страхотна ИИ система понякога трябва да отговаря на въпрос.
Понякога тя трябва да задава такъв.
В какво ИИ е наистина добър
Има области, в които хората с удоволствие трябва да оставят машината да върши голяма част от работата.
ИИ е много добър в преглеждането на огромни количества данни.
Той може да сравнява хиляди фактури.
Той може да забележи необичайни отстъпки.
Той може да открие странни движения на стоки.
Той може да намери доставчици, чието изпълнение на доставките се влошава.
Той може да сравнява реалното потребление на материали с планираното потребление.
Той може да прогнозира паричния поток.
Той може да оцени търсенето.
Той може да обясни какво се е променило в бизнеса.
Това е особено мощно, защото повечето компании вече разполагат с информацията.
Проблемът е, че информацията е разпръсната в твърде много таблици, отчети и екрани.
ИИ може да превърне тези данни в разговор.
Един изпълнителен директор може просто да попита:
Защо печалбата в Германия спадна миналия месец?
Системата може да започне проучване.
След това:
Кои клиенти причиниха по-голямата част от разликата?
След това:
По-ниски продажни цени или по-високи разходи беше причината?
След това:
Покажи ми петте най-големи необичайни трансакции.
Това променя начина, по който хората взаимодействат с ERP системата.
Системата вече не само докладва.
Тя помага на хората да мислят.
ИИ може също така да стане колегата, който продължава да задава неудобни въпроси
Това може да бъде дори по-ценно.
Добрият контрол не е само в откриването на грешки.
Той е в оспорването на предположенията.
Представете си, че търговец иска да даде 17% отстъпка.
ИИ казва:
Средната отстъпка на този клиент е 6%. При 17% поръчката пада под нормалната цел за брутен марж на компанията. Моля, обяснете причината.
Това не спира търговеца.
Може би има много добра причина.
Може би това е първата поръчка от много по-голям договор.
Но сега решението е видимо.
Или си представете, че отдел „Покупки“ продължава да купува от скъп доставчик.
ИИ пита:
Сравнимите доставчици са с 8% по-евтини. Защо този доставчик все още е предпочитан?
Може би отговорът е надеждност.
Добре.
Запишете го.
ИИ става втори чифт очи.
Това е много силна роля.
Една добра ИИ система трябва също така да знае кога да каже „Не знам“
Това може да звучи странно.
Хората обикновено очакват ИИ да отговаря.
Но един от признаците на зряла бизнес система е да знае кога да не действа.
Представете си, че ИИ открие, че две бази данни не съвпадат.
Едната казва, че инвентарът е 4800 бройки.
Другата казва 5600.
Най-лошото възможно поведение би било тихо да избере едната и да продължи.
По-добрият отговор е:
Не мога да направя надеждна препоръка, защото два важни източника на данни не съвпадат.
Или:
Тази трансакция е извън моите правомощия.
Или:
Пазарните условия са много различни от периода, използван за тази прогноза.
Или:
Изисква се човешко решение.
Това не е слабост.
Това е добър контрол.
Бъдещата компания не трябва да бъде изградена около един вид интелигентност
Най-силните бизнеси в крайна сметка могат да комбинират три вида интелигентност.
Първият е машинен интелект.
Бърз.
Търпелив.
Много добър в сравняването, изчисляването и откриването на модели.
Вторият е организационен интелект.
Той живее вътре в ERP системата.
Правилата на компанията.
Нейните работни процеси.
Нейните трансакции.
Нейните отговорности.
Нейните разрешения.
Нейната история.
Третият е човешки интелект.
Опит.
Преценка.
Взаимоотношения.
Етика.
Креативност.
Здрав разум.
Отговорност.
Печелившата компания не е тази, която премахва един от тези слоеве.
Това е компанията, която кара и трите да работят заедно.
И така, какво трябва да стане SIX ERP в този свят?
За нас бъдещето на ERP не е система, която тихо превзема компанията.
Това е система, която прави компанията по-лесна за разбиране.
ERP системата все още трябва да бъде надеждният източник на бизнес информация.
Бизнес анализите (Business Intelligence) трябва да помагат на хората да виждат какво се случва.
ИИ трябва да улеснява задаването на въпроси, намирането на проблеми, разбирането на модели и откриването на рискове.
Агентите могат да отидат по-далеч и да извършват контролирани действия.
Но тези действия трябва да имат граници.
Системата трябва да знае:
какво може да прави,
какво може да препоръчва,
за какво трябва да иска разрешение,
и кога трябва да спре.
Това е видът автономия, който вярваме, че има смисъл.
Не максимална автономия.
Контролирана автономия.
Истинският въпрос не е „Може ли ИИ да го направи?“
За почти всяка софтуерна демонстрация днес някой пита:
„Може ли ИИ да автоматизира това?“
Все по-често отговорът е „да“.
Това вече не е най-интересният въпрос.
По-добрият въпрос е:
Трябва ли?
И ако да:
При какви условия?
С какви лимити?
Кой го проверява?
Кой е отговорен?
Какво се случва, когато сгреши?
Може ли да бъде спрян?
Може ли действието да бъде отменено?
Служителите все още ли ще разбират процеса след пет години?
Тези въпроси са по-важни от лъскава демонстрация на ИИ.
Един ден компаниите може да съжаляват, че са изградили системи, които никой не разбира
Представете си една компания след десет години.
ИИ планира производството.
ИИ поръчва материали.
ИИ определя цените.
ИИ управлява инвентара.
ИИ оценява доставчиците.
ИИ създава финансови прогнози.
Всички са впечатлени.
След това се случва нещо необичайно.
Системата започва да взема лоши решения.
Ръководството пита защо.
Никой не знае.
Хората, които са разбирали старите процеси, са се пенсионирали.
По-младите служители никога не са ги научили, защото ИИ винаги се е занимавал с всичко.
Компанията е изградила много напреднала система.
Но никой вече не разбира наистина компанията.
Това не е дигитална трансформация.
Това е зависимост.
Трябва да избягваме изграждането на такова бъдеще.
Възможно е по-добро бъдеще
Сега си представете нещо друго.
ИИ наблюдава цялата компания.
Той забелязва странни неща веднага.
Той предупреждава хората, преди проблемите да станат скъпи.
Той обяснява накъде се движат разходите.
Той подготвя поръчки.
Той проверява фактури.
Той помага на мениджърите да разберат бизнеса.
Той учи по-младите служители как мислят опитните хора.
Той записва знанията на служителите, прекарали двадесет години в решаване на проблеми.
Той оспорва решения, когато числата изглеждат странни.
И когато едно решение стане важно, сложно или опасно, той казва:
Тук е нужен човек.
Това е много по-силна визия.
Тя използва най-добрата част от ИИ, без да се преструва, че софтуерът внезапно е придобил двадесетгодишен бизнес опит.
ИИ трябва да прави изчисленията — а не да управлява компанията
Генеративният ИИ ще стане част от ERP.
Това вече не е под въпрос.
Възможността е твърде голяма.
ИИ може да направи компаниите по-бързи.
Може да ги направи по-прозрачни.
Може да открива рискове по-рано.
Може да направи бизнес анализите по-лесни за използване.
Може да премахне огромно количество повтаряща се работа.
Може да помогне на по-младите служители да учат по-бързо.
И може да даде на опитните служители аналитична мощ, каквато никога не са имали досега.
Но компаниите трябва да бъдат внимателни с една идея:
автопилот.
Бизнесът не е самолет, летящ в празно небе по фиксиран маршрут.
Той се променя постоянно.
Клиентите се променят.
Хората се променят.
Пазарите се променят.
Доставчиците се променят.
Регулациите се променят.
Случват се неочаквани неща.
Опитът все още има значение.
Отговорността все още има значение.
Преценката все още има значение.
Следователно бъдещето не трябва да бъде:
Хора или ИИ.
То трябва да бъде:
Хора с ИИ.
Нека ИИ търси.
Нека изчислява.
Нека наблюдава.
Нека сравнява.
Нека предупреждава.
Нека препоръчва.
Нека извършва безопасни действия, когато правилата са ясни.
Но когато последиците са сериозни, запазете контрола в ръцете на отговорен човек.
Защото най-доброто ERP на бъдещето не трябва да бъде автопилот за предприятието.
То трябва да бъде много по-добра кабина за хората, отговорни за неговото управление.
Източници и допълнителна литература
Тази статия се основава на изследвания и насоки от организации, включително Европейската комисия относно човешкия надзор съгласно Акта на ЕС за ИИ, Рамката за управление на риска от ИИ на NIST, изследвания на ОИСР относно генеративния ИИ и обучението на работното място, изследвания на Международната организация на труда относно ИИ и работните места, Microsoft Research относно ИИ и критичното мислене, Индекса на ИИ на Станфорд и изследвания, публикувани в Nature относно човешкото доверие в системите с ИИ.
