AI povezan s ERP podacima vrijedi onda kada ljudima pomaže razumjeti stvarno stanje poslovanja i donijeti provjerljivu odluku. Rizik nastaje kada AI dobije nepotpun, zastario ili pogrešno protumačen kontekst, preširok pristup podacima ili mogućnost da djeluje bez odgovarajuće kontrole. Zato povezivanje AI-ja i ERP-a nije samo tehnička integracija: to je dizajn procesa, odgovornosti i granica odlučivanja.
ERP objedinjuje podatke koji poslovnoj odluci daju značenje: artikle, kupce, dobavljače, narudžbe, zalihe, proizvodne naloge, rokove, knjiženja i ovlaštenja. AI bez tog konteksta može sastaviti uvjerljiv tekst, ali ne može pouzdano odgovoriti na pitanje koje ovisi o aktualnom stanju procesa.
Primjerice, pitanje „Možemo li obećati isporuku do petka?” nije samo pitanje o dostupnoj zalihi. Odgovor može ovisiti o potvrđenim narudžbama, rezervacijama, otvorenim proizvodnim nalozima, planiranom primitku, statusu kvalitete, pravilima isporuke i dopuštenjima osobe koja pita. Poslovni AI podaci zato nisu samo izvoz tablice ili slobodno dostupna baza. Oni su podaci povezani s poslovnim pravilima, izvorom, vremenom nastanka i pravom pristupa.
Dobar sustav mora moći razdvojiti tri stvari:
Ta razlika smanjuje opasnost da se pretpostavka predstavi kao činjenica ili da se povjerljiv podatak prikaže osobi bez poslovne potrebe.
Vrijednost ne nastaje samim povezivanjem modela s bazom podataka. Nastaje u ponavljajućim situacijama u kojima zaposlenik troši vrijeme na pronalaženje podataka, usporedbu stanja ili pripremu sljedećeg koraka.
U proizvodnji AI može pomoći objasniti zašto je nalog u riziku: nedostaje li materijal, kasni li operacija, postoji li otvorena ovisnost ili je promijenjen plan. U računovodstvu može sažeti stavke koje traže provjeru, ali ne bi trebao prikazivati interpretaciju kao konačno knjiženje. U prodaji može pripremiti pregled otvorenih ponuda i obveza prema kupcu, uz poštovanje prava pristupa. U nabavi može izdvojiti odstupanja između naručenih količina, rokova i potvrda dobavljača.
U svakom od tih slučajeva korisna AI implementacija počinje konkretnim pitanjem:
Takav pristup povezuje AI s radnim procesom, a ne s općenitim obećanjem automatizacije. U kontekstu Povezanog poslovanja , važno je promatrati tok podataka između funkcija, a ne samo pojedinačni ekran ili jedan upit.
Korisno je od početka imenovati razinu uloge AI-ja. Te razine imaju različitu poslovnu korist, ali i različit rizik.
Pomoćnik odgovara na pitanja, sažima dokumente ili povezuje relevantne ERP zapise. Može, primjerice, pripremiti pregled narudžbi kojima prijeti kašnjenje i navesti zapise na kojima se pregled temelji.
Ovdje čovjek i dalje tumači odgovor i odlučuje što će učiniti. Ključne kontrole su točnost dohvaćenih podataka, ograničenje pristupa prema korisničkoj ulozi te mogućnost da korisnik provjeri izvor. Ovo je često razumno polazište jer omogućuje učenje o stvarnim pitanjima korisnika bez automatske promjene poslovnih zapisa.
Preporuka ide dalje. AI može predložiti prioritet provjere, nacrt odgovora kupcu, mogući redoslijed obrade ili skup stavki za pregled. Prijedlog nije odluka. Treba jasno pokazati na kojim se podacima i pravilima temelji, koje pretpostavke sadrži te tko ga potvrđuje.
Rizik raste kada preporuka utječe na cijenu, rok, plaćanje, raspored rada ili odnos s kupcem. Tada nije dovoljno reći da je prijedlog „generirao AI”. Proces mora odrediti odgovornu osobu, način eskalacije i situacije u kojima se preporuka ne smije koristiti bez dodatne provjere.
Autonomna akcija može kreirati zapis, promijeniti status, poslati poruku, pokrenuti tijek odobravanja ili izvršiti drugu radnju u sustavu. To može biti opravdano za usko definiran, ponovljiv i kontroliran zadatak, ali zahtijeva strože granice od pomoćnika ili preporuke.
Prije takve radnje treba odrediti dopušteni opseg, potrebne uvjete, granice iznosa ili količina, iznimke, mogućnost zaustavljanja i pregled zapisa o izvršenju. Nije svaka radnja pogodna za autonomiju. Što su posljedice teže povratne, financijski osjetljivije ili važnije za odnos s kupcem, to je važnija prethodna ljudska potvrda.
ERP prava pristupa ne smiju se zaobići zato što korisnik razgovara s AI sučeljem. Ako zaposlenik nema pravo otvoriti određeni dokument ili polje u ERP-u, AI mu ne bi smio prepričati sadržaj tog dokumenta niti ga uključiti u sažetak.
To u praksi traži jasne odgovore na nekoliko pitanja:
Pristup po načelu najmanjih potrebnih ovlasti ne uklanja sav rizik, ali sprječava da praktičnost razgovornog sučelja postane prečac oko uspostavljenih poslovnih kontrola.
Kod poslovne primjene nije dovoljno spremiti samo konačnu poruku AI-ja. Koristan trag odluke može obuhvatiti korisnički upit, identitet ili ulogu korisnika, vrijeme, korištene izvore i verzije relevantnih pravila, predloženu ili izvršenu radnju te ljudsku potvrdu ili odbijanje kada je ona potrebna.
Svrha takvog zapisa nije stvaranje privida potpune sigurnosti. On omogućuje odgovor na praktična pitanja: Zašto je prijedlog nastao? Koji su podaci bili dostupni u tom trenutku? Tko je odobrio promjenu? Može li se greška ispraviti i postupak poboljšati?
Upravljanje rizicima treba planirati prije šire uporabe, a ne tek nakon incidenta. NIST AI Risk Management Framework 1.0 nudi okvir za promišljanje upravljanja AI rizicima. Za organizacije koje prate europski regulatorni kontekst, korisno je pratiti i stranicu Europske komisije o AI Actu . Ti izvori ne zamjenjuju analizu vlastitog procesa, podataka i odgovornosti.
Prvi slučaj upotrebe ne bi trebao biti onaj s najviše podataka, nego onaj s dovoljno jasnim granicama. Dobar kandidat obično ima ponavljajuće pitanje, ograničen skup izvora, mjerljiv način provjere i osobu koja već danas nosi odgovornost za odluku.
Zamislimo voditelja proizvodnje koji želi dnevno prepoznati naloge s povećanim rizikom za rok. AI može pripremiti listu na temelju statusa naloga, dostupnosti materijala i planiranih datuma. Voditelj provjerava izvorne zapise, procjenjuje iznimke i odlučuje o prioritetu. Sustav bilježi da je pregled pripremljen, koje je naloge obuhvatio i koje su odluke potvrđene.
Ovaj slučaj ima jasnu podjelu rada: AI ubrzava pripremu pregleda, ERP ostaje izvor poslovnog stanja, a čovjek odlučuje o intervenciji. Tek nakon stabilne uporabe i provjere može se razmatrati ima li smisla automatizirati usko ograničenu radnju, poput otvaranja zadatka za dodatnu provjeru.
AI može pogrešno protumačiti pitanje, previdjeti važnu iznimku ili uvjerljivo formulirati odgovor koji nije potkrijepljen podacima. ERP podaci također mogu biti nepotpuni, zakašnjeli ili nekonzistentni. Integracija ne popravlja sama od sebe kvalitetu šifrarnika, statusa ili poslovnih pravila.
Zato dobar dizajn uključuje mogućnost da AI kaže da nema dovoljno podataka, pokaže izvor i preda slučaj čovjeku. Također treba testirati rubne slučajeve: neuobičajene nazive artikala, djelomične isporuke, promjene statusa tijekom dana, iznimne ovlasti i proturječne zapise.
Odgovorna AI implementacija nije projekt u kojem se jednom postave pravila pa se više ne provjeravaju. Pitanja korisnika, procesi, ovlasti i podaci mijenjaju se tijekom rada. Kontrole, evidencija i vlasništvo nad procesom trebaju se mijenjati zajedno s njima.
Prije izbora alata odaberite jednu poslovnu odluku i zapišite njezin tijek: ulazne ERP podatke, korisničke uloge, dopuštenu razinu pomoći, obaveznu ljudsku provjeru, iznimke i trag koji treba ostati iza odluke. To je konkretna osnova za procjenu je li AI i ERP integracija opravdana za taj slučaj.
ORKA pristup AI nadogradnji poslovnih procesa može biti relevantan kada organizacija želi taj nacrt povezati sa stvarnim procesima i ERP kontekstom. Za razgovor o jednom jasno omeđenom slučaju upotrebe možete razgovarati s ORKA timom .