AI w systemach ERP — zastosowania i ograniczenia

AI w ERP pomaga analizować dane i automatyzować procesy firmy. Asystent AI w Asseco ERP odpowiada na pytania oraz wykonuje operacje zlecone przez użytkownika. Agent może sam prowadzić proces, a wyjątki przekazuje do rozstrzygnięcia¹. Poniższa lista kontrolna pomaga ocenić zastosowania, dane i przydatność funkcji w codziennej pracy.

Czym jest AI w ERP z perspektywy danych i decyzji?

AI w ERP korzysta z danych systemu zarządzającego procesami firmy. Może na ich podstawie przygotować prognozę, wykryć odstępstwo albo ułatwić użytkownikowi znalezienie informacji. Uczenie maszynowe tworzy modele rozpoznające zależności w danych, zamiast polegać wyłącznie na ręcznie zapisanych regułach. Według McKinsey AI stosowana do prognozowania w łańcuchu dostaw może zmniejszyć błąd prognozy o 20–50%².

Wynik modelu nie jest jeszcze decyzją biznesową. Prognoza popytu może pomóc ułożyć plan zakupów, ale to firma ustala, kto zatwierdzi zamówienie. Musi też określić sposób postępowania z wyjątkami.

O przydatności funkcji decyduje jej związek z konkretnym działaniem. Może nim być zmiana planu produkcji, sprawdzenie dokumentu albo odpowiedź na pytanie użytkownika. Bez takiego powiązania nawet trafny wynik trudno wykorzystać w procesie.

Sztuczna inteligencja jako narzędzie do analizy i wspierania decyzji

Sztuczna inteligencja wspiera decyzję wtedy, gdy użytkownik widzi wynik analizy i kontekst potrzebny do jego oceny. SAP Analytics Cloud wykorzystuje AI do prognozowania marży, popytu i przepływów pieniężnych oraz budowania scenariuszy „co jeśli”³. Scenariusze pozwalają porównać skutki różnych założeń, ale wybór wariantu i zatwierdzenie działania należą do firmy.
W przykładzie SAP prognoza kosztów utrzymania sklepów osiągnęła oczekiwany błąd MAPE 20,77% po dodaniu kolejnych zmiennych⁴.

Jak funkcja AI korzysta z danych modułów ERP?

Funkcja AI ma praktyczne zastosowanie, jeśli jej wynik da się powiązać z rekordem źródłowym i działaniem w ERP. Art. 12 unijnego aktu o AI wymaga od systemów wysokiego ryzyka automatycznego rejestrowania zdarzeń. Zapisy te mają umożliwiać prześledzenie działania systemu⁵.

• Źródło danych pokazuje, czy analiza korzysta z zamówień, stanów magazynowych czy zapisów finansowych.
• Znaczenie pól pozwala odróżnić datę zamówienia od daty dostawy, a planowany koszt od zaksięgowanego.
• Odbiorca wyniku to użytkownik, który ocenia prognozę lub sygnał o odstępstwie przed zmianą danych w ERP.

Znajomość źródła, znaczenia pól i odbiorcy ułatwia ocenę wyniku. Pokazuje, czy można go bezpiecznie wykorzystać w danym procesie. Pozwala też wskazać miejsce, w którym człowiek powinien podjąć decyzję.

Prognozy, anomalie i język naturalny: które zadanie odpowiada Twojemu procesowi?

Rodzaj zadania AI warto dopasować do decyzji podejmowanej przez użytkownika. McKinsey wskazuje, że zastosowanie AI w łańcuchu dostaw może umożliwić zmniejszenie łącznego poziomu zapasów o 20–50%⁶. Taki wynik nie mówi jednak, którą funkcję wybrać do konkretnego procesu.

Funkcja wbudowana czy narzędzie zewnętrzne: gdzie przebiega granica odpowiedzialności?

Sposób udostępnienia AI wpływa na przepływ danych i odpowiedzialność za integrację. Sam w sobie nie przesądza o jakości prognozy. Różnice przedstawia tabela.

SAP Business One może korzystać z modeli predykcyjnych do planowania podaży i produkcji przez integrację z SAP Analytics Cloud³. W takim układzie trzeba ustalić, gdzie trafi wynik analizy. Produkt ERP i połączoną usługę analityczną należy ocenić jako odrębne elementy procesu⁷.

Przygotowanie danych i procesów do wdrożenia AI w ERP

Przygotowanie danych i procesów wpływa na użyteczność AI w ERP. Nieaktualne rekordy lub niezgodny interfejs mogą sprawić, że wynik nie przyda się w pracy operacyjnej. Przed integracją należy ocenić 3 cechy danych: aktualność, kompletność i ustandaryzowanie, a także zgodność interfejsów obu rozwiązań⁸. Zakres tych prac powinien wynikać z procesu, który firma chce usprawnić⁹.

Od problemu operacyjnego do zakresu wdrożenia

Zakres wdrożenia AI warto wyprowadzić z powtarzalnego problemu, nie z samej dostępności funkcji. Przykładem jest ręczne przypisywanie pozycji dokumentu do indeksu towarowego. Tak opisane zadanie wskazuje dane wejściowe i oczekiwany wynik. Określa również sytuacje, w których pracownik musi poprawić propozycję systemu¹⁰.

Etapy uruchomienia funkcji AI i punkty akceptacji

Uruchomienie funkcji AI wymaga osobnej akceptacji danych wejściowych, wyniku i sposobu obsługi błędów. Właściciel procesu ustala, jakie rekordy obejmie próba, a użytkownik sprawdza wyniki na znanych przypadkach. Administrator kontroluje zapis zmian w ERP. Dopiero jasne zasady przyjmowania, poprawiania i odrzucania wyniku pozwalają włączyć funkcję do codziennej pracy.

Lista kontrolna danych: kompletność, uprawnienia i sposób zapisu

Lista kontrolna danych łączy przygotowanie rekordów z uprawnieniami i sposobem zapisu wyniku. Dotyczy danych używanych w wybranym procesie, nie całego ERP naraz. Jeśli obejmują one dane osobowe, art. 32 RODO wymaga środków technicznych i organizacyjnych odpowiednich do ryzyka, także przy zabezpieczaniu dostępu¹¹.

• Rekordy wejściowe zawierają pola potrzebne do wykonania zadania.
• Uprawnienia użytkownika ograniczają dostęp funkcji do informacji potrzebnych w zadaniu. Zakres odczytu i zapisu powinien odpowiadać roli osoby zatwierdzającej wynik¹².
• Sposób zapisu określa, czy wynik pozostaje propozycją, czy zmienia rekord ERP. Historia zmian powinna odróżniać sugestię AI od decyzji pracownika.
• Interfejs integracyjny przenosi dane między ERP a usługą AI. Przed uruchomieniem trzeba ustalić znaczenie pól i sposób zgłaszania błędów połączenia.

Test gotowości firmy i obecnego systemu ERP

Test gotowości ERP polega na przejściu całego zadania: od rekordu źródłowego do zatwierdzonego wyniku. Firma wskazuje właściciela procesu, przygotowuje poprawne i błędne rekordy oraz ustala, kto rozstrzyga wyjątki. Obecny system musi pozwalać odczytać potrzebne dane i zapisać wynik zgodnie z przyjętym obiegiem pracy¹³.

Gotowość do wdrożenia oznacza przypisanie danych, odpowiedzialności i miejsca zapisu wyniku do konkretnego procesu. Każdy z tych elementów powinien być widoczny podczas próby. Wtedy można ocenić nie tylko działanie modelu, lecz także pracę użytkownika.

Wybór systemu ERP z AI: warunki, które warto sprawdzić

System ERP z AI należy wybierać według zadania w procesie firmy i odpowiedzialności za wynik. Ocena dotyczy konkretnego produktu oraz edycji, a nie samego producenta. Koszt licencji lub subskrypcji trzeba rozpatrywać osobno od wdrożenia, integracji i utrzymania funkcji. Microsoft podaje poniższe ceny subskrypcji Business Central przy rozliczeniu rocznym; stawki nie obejmują VAT¹⁴.

Kryteria dopasowania funkcji do branży, skali i procesu

Dopasowanie AI do ERP zależy od rodzaju danych, liczby obsługiwanych spraw i decyzji użytkownika. W APplus przedstawiono 4 dostępne funkcje AI, ale ich liczba nie przesądza o przydatności dla danej firmy¹⁵. Skala działalności wpływa z kolei na liczbę wyjątków wymagających oceny przed zatwierdzeniem wyniku.

Branża wyznacza kontekst oceny funkcji. W produkcji ważny będzie jej związek z planowaniem, a w handlu z obiegiem zamówień i dokumentów. Tabela porządkuje te różnice.

4 kryteria oceny produktu, edycji i sposobu udostępnienia AI

Ocena ERP wykorzystującego AI obejmuje 4 kryteria wskazane przez enova365: audytowalność decyzji, nadzór człowieka, wyjaśnialność działania oraz jakość danych i ograniczanie stronniczości¹⁶. Audytowalność pozwala ustalić, jakie dane i działania doprowadziły do wyniku. Każde kryterium trzeba odnieść do funkcji w rozpatrywanej edycji produktu, także gdy korzysta ona z usługi zewnętrznej.

Tabela pokazuje, co należy ustalić dla konkretnej funkcji AI. Ocena powinna obejmować zarówno sam wynik, jak i możliwość jego sprawdzenia. Znaczenie ma również kontrola nad zmianą w ERP.

Jak ustalić miernik skuteczności przed uruchomieniem funkcji?

Miernik skuteczności AI powinien opisywać rezultat zadania, nie sam fakt użycia funkcji. Przy przypisywaniu dokumentów firma może mierzyć odsetek propozycji przyjętych bez poprawki, czas pracy użytkownika i liczbę błędnych zapisów. Definicje tych mierników muszą być takie same dla pracy bez AI i próby z AI. Porównanie pokaże, czy funkcja ogranicza pracę, czy tylko przenosi ją na sprawdzanie poprawek.

AI Act: jak ocenić zastosowanie funkcji, a nie samą nazwę systemu?

AI Act wymaga oceny konkretnego zastosowania AI. Przy wyborze ERP omawia się 4 kategorie ryzyka: niedopuszczalne, wysokie, ograniczone i minimalne¹⁶. Firma powinna określić cel funkcji, dane wejściowe, osoby objęte wynikiem oraz jego wpływ na decyzję. Wyszukiwanie dokumentu wymaga innej analizy niż funkcja wpływająca na decyzję dotyczącą pracownika. Sama nazwa „ERP z AI” nie określa kategorii ryzyka.

Decyzję o wyborze ERP powinien rozstrzygać wynik funkcji w konkretnym procesie. Liczą się również możliwość jego kontroli i praca potrzebna do uruchomienia. Żaden z tych elementów nie wynika z samej nazwy producenta.

Rozwój funkcji AI w ERP: co zmienia się w pracy z systemem?

Rozwój AI w ERP może przesunąć część pracy użytkownika z przygotowywania danych na ocenę propozycji i wyjątków. Zakres zmiany zależy od funkcji. Algorytm może zaproponować zlecenie, przeanalizować zużycie części albo wskazać odchylenie czasu produkcji. W ocenie produktu trzeba odróżnić funkcję już działającą w procesie od zapowiedzi jej udostępnienia.

Algorytm w podstawowym procesie ERP: które kroki pozostają pod kontrolą użytkownika?

Użytkownik ERP nadal zatwierdza lub koryguje propozycję algorytmu. Agent Asseco ERP rozpoznaje wzorce powtarzalnej produkcji w historii zleceń i proponuje zlecenie dla planisty¹. Planista może je przyjąć albo poprawić przed uwzględnieniem w planie. Art. 14 unijnego aktu o AI wymaga nadzoru człowieka nad systemami wysokiego ryzyka; nie oznacza to automatycznie, że agent Asseco należy do tej kategorii⁵.

Proalpha ERP połączone z Nemo porównuje rzeczywiste i planowane czasy produkcji, wykrywa odchylenia oraz prognozuje czas realizacji¹⁷. Process Mining analizuje przebieg procesu na podstawie zapisanych zdarzeń i pomaga ustalić, gdzie wykonanie odbiega od planu. W przykładzie INOTEC Sicherheitstechnik terminowość dostaw (Liefertreue) wzrosła z 86% do 96%; wynik tej firmy nie jest prognozą dla innego zakładu^17,18.

Agenci i kolejne funkcje: jak odróżnić zapowiedź od dostępnej możliwości?

Dostępność agenta AI oznacza możliwość użycia określonego działania w konkretnym produkcie. Samo umieszczenie funkcji w planie rozwoju nie wystarcza. Przedstawiciel Asseco Business Solutions wskazał, że nowe wersje Asseco ERP ukazują się co pół roku¹⁹. Comarch zapowiada wprowadzenie około 20 agentów AI, lecz zapowiedź nie potwierdza dostępności każdego z nich w używanej edycji ERP²⁰.

Proalpha AI Hub obejmuje ponad 30 gotowych aplikacji AI, a Proalpha przedstawia 7 przykładów zastosowań. Pierwsza liczba dotyczy aplikacji, druga przykładów; nie opisują tego samego katalogu¹⁷. Aplikacja Product Carbon Footprint zbiera dane o CO₂ z hali produkcyjnej i analizuje je w odniesieniu do produktów¹⁷. Asystent sprzedaży Proalpha korzysta z wcześniejszych ofert i projektów przy przygotowywaniu nowych propozycji¹⁷.

Przypadki użycia w terenie: jak wybrać proces do próby?

Próba AI w terenie powinna dotyczyć procesu, w którym propozycję można porównać z rzeczywistym zużyciem, dostawą lub wykonaniem pracy. Nemo Parts Advisor analizuje dane procesowe z Proalpha i proponuje terminy oraz wielkości zamówień na podstawie faktycznego zużycia¹⁷. Opisany przykład dotyczy grupy Apra zatrudniającej około 400 pracowników w 6 lokalizacjach. Skala tej organizacji stanowi kontekst przykładu, a nie warunek użycia funkcji^17,18.

Planowanie zapasów można poddać próbie, gdy firma porówna proponowane zamówienia z historią zużycia i terminami dostaw. Kierownik zakupów powinien oddzielnie ocenić części zużywane regularnie oraz potrzebne przy awarii. W klasyfikacji popytu progi ADI = 1,32 i CV² = 0,49 pomagają rozróżnić regularne zużycie od popytu sporadycznego i zmiennego²¹.

Elastyczność modeli: co oznacza dla danych, integracji i utrzymania?

Elastyczność AI w ERP wymaga ustalenia źródła danych modelu, zakresu możliwych działań i odpowiedzialności za połączenie. AIoT łączy analizę AI z danymi urządzeń internetu rzeczy. Połączenie takich danych z ERP może umożliwić przewidywanie awarii maszyn i automatyczne zamawianie części zamiennych³.

Integracja modelu wymaga wskazania osoby odpowiedzialnej za poprawność sygnału z urządzenia. Trzeba też przypisać odpowiedzialność za regułę zamówienia i błąd połączenia. Funkcja przydaje się w pracy operacyjnej, gdy jej propozycja lub działanie ma znane źródło danych oraz właściciela procesu.

Integracja z ERP i asystenci: lista kontroli przed uruchomieniem

Integracja AI z ERP wymaga jasnych zasad odczytu i zapisu danych. Firma powinna ustalić, czy funkcja działa w granicach uprawnień użytkownika. Próba na własnych danych musi objąć poprawny przypadek, wyjątek i próbę dostępu do informacji spoza roli użytkownika.

Asystent AI: jakie czynności warto przetestować na danych firmy?

Asystenta AI warto sprawdzić na pytaniu wymagającym danych z kilku obszarów ERP. Osobna próba powinna dotyczyć informacji, do których użytkownik nie ma dostępu. Asystent Asseco ERP sprawdza jednym pytaniem 9 warunków zamknięcia okresu, korzystając między innymi z danych o zaksięgowanych dokumentach, dekretacji i listach płac¹. Pokazuje przy tym wyłącznie dane dostępne użytkownikowi zgodnie z jego uprawnieniami¹.

SAP Joule przyjmuje polecenia tekstowe i głosowe. Na podstawie danych w systemie SAP odpowiada na pytania i tworzy wykresy³. Próba powinna sprawdzić znaczenie pytania, zakres użytych danych oraz to, czy użytkownik potrafi odtworzyć wynik.

Od czego zacząć ocenę integracji z obecnym ERP?

Ocenę integracji warto rozpocząć od dokumentu źródłowego, pól przekazywanych do ERP i miejsca zapisu wyniku. Integracja SaldeoSMART z SAP Business One odczytuje faktury za pomocą OCR, czyli optycznego rozpoznawania tekstu, i importuje dane bez ręcznego przepisywania³. Dla tej integracji wskazano obniżenie kosztu wprowadzania faktur do 50%. Ten wynik nie określa kosztów licencji, wdrożenia, integracji ani utrzymania w innej firmie^3,22.

SAP AI Foundation na platformie SAP Business Technology Platform udostępnia narzędzia do tworzenia rozszerzeń AI. Należą do nich chatboty i agenci integrowani z systemami SAP³. Przy ocenie rozszerzenia trzeba uwzględnić odpowiedzialność za połączenie, aktualizacje i obsługę błędów.

Asseco Softlab ERP i Asseco Merit ERP: jak sprawdzić dostępność asystenta w konkretnym produkcie?

Asseco Softlab ERP i Asseco Merit ERP należy oceniać w odniesieniu do używanego produktu i uprawnień danej roli. Asystenci oraz agenci AI pracują na danych, uprawnieniach i regułach biznesowych tych systemów¹. Asseco informuje o ponad 50 funkcjach AI dostępnych produkcyjnie w Asseco ERP. Nie oznacza to, że każda działa w obu produktach i w każdej konfiguracji¹.

• Produkt i edycja wskazują środowisko, w którym ma działać wybrana funkcja.
• Rola użytkownika określa dane dostępne dla asystenta podczas wykonywania zadania.
• Reguła biznesowa wskazuje moment, w którym wynik wymaga akceptacji pracownika.

MŚP: jak zamienić opis trendu w wymagania dla dostawcy?

MŚP powinno przełożyć hasło „asystent AI” na opis czynności wykonywanej we własnym ERP. Wymaganie musi wskazywać dokument wejściowy, oczekiwany wynik, uprawnionego użytkownika i sposób poprawy błędu. W ofercie należy oddzielić licencję lub subskrypcję od prac wdrożeniowych, integracji i późniejszego utrzymania¹⁰.

Przydatność asystenta rozstrzyga wykonanie zadania w konkretnym produkcie. Sama liczba funkcji w katalogu producenta tego nie potwierdza. Znaczenie ma wynik, który użytkownik może sprawdzić i wykorzystać.

Dane, odpowiedzialność i AI Act w procesach ERP

AI w ERP wymaga przypisania odpowiedzialności za dostęp do danych i zatwierdzanie wyniku. Osobno trzeba ocenić ryzyko danego zastosowania. Nazwa funkcji nie mówi jeszcze, jakie informacje otrzyma model ani czy wynik wpłynie na decyzję dotyczącą człowieka.

Dostęp do danych i prywatność: co ustalić przed przekazaniem informacji do AI?

Dostęp AI do danych powinien ograniczać się do informacji potrzebnych w zadaniu. Firma musi ustalić, które pola opuszczają ERP, gdzie są przetwarzane, kto widzi wynik i jak długo zapisane pozostaje zapytanie. W systemach Asseco ERP dane przekazywane do AI są anonimizowane albo przetwarzane w zamkniętym środowisku¹⁹. Sposób przetwarzania trzeba odnieść do wybranej funkcji i kategorii przekazywanych danych.

Od pomysłu do zasad użycia funkcji AI w firmie

Zasady użycia AI powinny określać dozwolone zadanie, osobę odpowiedzialną za wynik i sposób obsługi błędu. Nadzór ludzki daje możliwość oceny wyniku oraz zatrzymania lub poprawienia działania, zanim wywoła ono skutek w procesie. Comarch deklaruje, że człowiek zachowuje ostateczną kontrolę nad decyzjami jego agentów AI²⁰.

• Zakres użycia wskazuje proces i dane, na których pracuje funkcja AI.
• Akceptacja wyniku przypisuje użytkownikowi decyzję o przyjęciu, poprawie lub odrzuceniu propozycji.
• Obsługa błędu określa, kto przywraca poprawny zapis w ERP i dokumentuje przyczynę korekty.

Kiedy konkretne zastosowanie może wymagać oceny ryzyka na gruncie AI Act?

AI Act wymaga analizy zastosowania, gdy wynik systemu wpływa na obszar objęty przepisami, na przykład decyzję dotyczącą pracownika. Wyszukiwanie danych w ERP i ocena pracownika to różne zastosowania. Analiza powinna objąć cel funkcji, użycie wyniku, dane oraz możliwość ingerencji człowieka.

Harmonogram AI Act przewiduje stosowanie zakazów dotyczących niedopuszczalnego ryzyka od 2 lutego 2025 r., przepisów o modelach ogólnego przeznaczenia od 2 sierpnia 2025 r., większości pozostałych przepisów od 2 sierpnia 2026 r. oraz dalszych regulacji w 2027 r.¹⁶. Maksymalna kara 35 mln EUR lub 7% rocznego światowego obrotu dotyczy naruszenia zakazów określonych w AI Act. Nie jest to pułap właściwy dla każdej niezgodności systemu wysokiego ryzyka^16,23.

Ocena ryzyka dotyczy skutków konkretnego użycia AI. Do tego zastosowania należy dopasować zasady dostępu i nadzoru. Inna funkcja w tym samym ERP może wymagać odrębnej analizy.

Nieplanowana praca w ERP: poprawki, wyjątki i ręczne kontrole

Nieplanowana praca w ERP zaczyna się wtedy, gdy odczytaną fakturę trzeba poprawić, dekretacja budzi wątpliwości albo dokument trafia do niewłaściwego akceptanta. W ocenie AI liczy się więc nie tylko automatyczny zapis. Trzeba uwzględnić czas wyjaśniania wyjątków. Próba powinna prześledzić dokument od odczytu do księgowania, wraz z czynnościami nadal wykonywanymi przez użytkownika²⁴.

BusinessOCR firmy Asseco odczytuje dane z faktur i zamówień bez osobnego szablonu dla każdego dostawcy¹. enova365 OCR AI służy do automatyzacji wprowadzania papierowych dokumentów księgowych¹⁶. W obu przypadkach należy porównać rozpoznane pola z dokumentem źródłowym. Sam odczyt nie potwierdza ich poprawności.

AI w Asseco ERP może proponować podział kosztu faktury na miejsca powstawania kosztów, czyli jednostki, którym przypisuje się wydatek, oraz wskazywać akceptantów¹. Funkcja może też rozpoznać fakturę kosztową, zaproponować dekretację – przypisanie kwot do kont księgowych – podzielić koszty i skierować dokument do akceptacji. Wynik weryfikuje użytkownik¹⁹. Agent Asseco ERP może automatycznie przeprowadzić powtarzalną fakturę zakupową od bufora do księgowania na podstawie umowy i stałego podziału kosztów¹.

Lista pokazuje etapy obiegu faktury, na których automatyzację trzeba odróżnić od ręcznej kontroli. Każdy etap może zakończyć się wyjątkiem. Warto więc oceniać cały obieg, nie tylko szybkość odczytu.

• Odczyt dokumentu wymaga porównania danych z OCR z fakturą źródłową. Błędny numer kontrahenta lub kwotę trzeba poprawić przed dalszym obiegiem.
• Przypisanie kosztów wymaga sprawdzenia proponowanego miejsca powstawania kosztów i dekretacji. Nietypowy wydatek powinien trafić do osoby uprawnionej do jego rozliczenia.
• Akceptacja i księgowanie wymagają rozróżnienia dokumentów obsługiwanych według stałych reguł od tych, które użytkownik zatrzymuje do wyjaśnienia.

Przydatność AI w obiegu faktur zależy także od liczby poprawek i ręcznych kontroli. Szybszy odczyt dokumentu nie wystarcza, jeśli późniejsze etapy pochłaniają więcej pracy. Wynik próby powinien obejmować oba te aspekty.

Sales Order Agent: punkty kontroli przed zapisem zamówienia

Sales Order Agent wymaga kontroli danych klienta, warunków sprzedaży i dostępności towaru przed zapisaniem zamówienia w ERP. Agent sprzedażowy Asseco ERP może rozpoznać zamówienie w e-mailu i dopytać o brakujące parametry. Sprawdza też stan magazynu oraz limit kredytowy, a następnie może utworzyć zamówienie¹. Firma musi jednak ustalić, kiedy wynik zatwierdza handlowiec.

Lista wskazuje punkty kontroli przy zamianie wiadomości klienta w zamówienie ERP. Każdy z nich dotyczy innych danych. Razem pozwalają sprawdzić poprawność zapisanego dokumentu.

• Treść e-maila określa klienta, produkt, ilość i warunki dostawy. Niejasny parametr trzeba wyjaśnić przed zapisem.
• Stan magazynowy pokazuje dostępność zamawianego produktu. Proponowany termin realizacji powinien odpowiadać danym w ERP.
• Limit kredytowy wskazuje, czy zamówienie mieści się w przyjętych warunkach sprzedaży. Przekroczenie limitu wymaga działania zgodnego z regułą firmy.
• Zapis zamówienia powinien pozwolić użytkownikowi porównać pozycje dokumentu z wiadomością klienta.

Przydatność agenta sprzedażowego zależy od poprawności zamówienia zapisanego w ERP. Rozpoznanie e-maila jest tylko początkiem procesu. Ostateczny dokument musi odpowiadać ustaleniom z klientem.

Mail z korektą zamówienia: jak zweryfikować zmianę w ERP?

Mail z korektą zamówienia trzeba zestawić z aktualnym dokumentem ERP. Dopiero potem użytkownik może ocenić zmianę zaproponowaną przez AI. Samo podobieństwo wiadomości do wcześniejszego zamówienia nie rozstrzyga sprawy.

• Użytkownik identyfikuje zamówienie na podstawie klienta i numeru dokumentu z korespondencji. Podobna treść wiadomości nie wystarcza do wyboru rekordu.
• Użytkownik zestawia żądane zmiany z dotychczasowymi pozycjami zamówienia. Oddziela korektę ilości, produktu i terminu od informacji, które pozostają bez zmian.
• Użytkownik porównuje propozycję AI z mailem i danymi ERP. Niejasne żądanie kieruje do wyjaśnienia, zamiast zapisywać domyślną interpretację.
• Użytkownik zatwierdza korektę po ocenie jej skutków. Zachowuje powiązanie wiadomości, propozycji AI i zatwierdzonej zmiany, by móc później ustalić przyczynę zapisu.

Ścieżka decyzji pozwala odtworzyć źródło korekty. Ułatwia też poprawienie błędnego zapisu. Dzięki niej wiadomo, co wynikało z maila, a co było propozycją AI.

Autonomiczny ERP: granice samodzielnego działania systemu

Autonomiczny ERP może prowadzić określony proces bez osobnego polecenia użytkownika na każdym etapie. Granice działania wyznaczają jednak reguły zatwierdzania i obsługi wyjątków. Comarch deklaruje, że agenci przetwarzający dokumenty mogą pracować 24 godziny na dobę; to informacja o czasie działania, nie gwarancja poprawnego rozliczenia każdej faktury²⁰.

Agentic AI oznacza podejście, w którym agent planuje i wykonuje kolejne działania w ramach zadania. RPA automatyzuje powtarzalne czynności według zdefiniowanych reguł. Hiperautomatyzacja łączy różne metody automatyzacji w jednym procesie. Agent przestaje działać samodzielnie, gdy faktura nie spełnia reguł albo wymaga decyzji uprawnionej osoby.

• Warunek uruchomienia wskazuje dokumenty, które agent może przetwarzać bez osobnego polecenia.
• Punkt zatwierdzenia określa działanie prowadzące do zapisu księgowego lub zobowiązania do płatności.
• Obsługa wyjątku kieruje dokument do użytkownika, gdy agent nie może zastosować ustalonej reguły.

Samodzielność ERP należy oceniać według granic działania agenta. Ważna jest także możliwość zatrzymania procesu i przekazania wyjątku człowiekowi. Sam czas pracy agenta nie odpowiada na te pytania.

Comarch ERP XL: jak sprawdzić obszary zastosowania AI i ML?

Comarch ERP XL warto ocenić na przykładach z należności, dokumentów i planowania zapasów. Wynik AI trzeba w każdym przypadku porównać z decyzją podejmowaną w firmie. Lista wskazuje, co zestawić podczas takiej próby.

• Limit kredytowy kontrahenta. Rekomendowany limit i rating należy porównać z historią transakcji oraz płatności, którą Comarch ERP XL wykorzystuje do ich wyznaczania²⁵.
• Termin spłaty należności. Prognozowaną przez Comarch ERP XL datę faktycznej zapłaty za dokument należy zestawić z terminem umownym. Różnica pomaga ocenić plan wpływów²⁵.
• Odczyt dokumentów. Dane rozpoznane i skategoryzowane przez Comarch OCR trzeba porównać ze skanem lub zdjęciem. Po utworzeniu dokumentu w Comarch ERP XL należy też sprawdzić oryginał zapisany jako załącznik²⁵.
• Zapotrzebowanie materiałowe. Prognozę popytu opartą na historycznych transakcjach należy porównać z planowanym zapotrzebowaniem na towary lub materiały; przedstawiony horyzont prognozy wynosi 3 tygodnie²⁵.

Przydatność AI w Comarch ERP XL zależy od zgodności wyniku z procesem firmy. Może chodzić o kontrolę należności, obieg dokumentów albo planowanie zakupów. Każdy z tych procesów wymaga własnego sposobu oceny.

AI w Mobile Merchandising: co sprawdzić przed automatyzacją pracy w terenie?

AI w Mobile Merchandising należy oceniać przez pryzmat pracy poza biurem. Znaczenie mają dane dostępne na urządzeniu, działanie bez sieci i sposób przekazania wyniku do ERP. Firma powinna ustalić, co użytkownik zrobi podczas przerwy w łączności. Potrzebna jest też zasada rozstrzygania rozbieżności po przywróceniu połączenia.

Voice Picking, czyli głosowa kompletacja zamówień, pokazuje odrębny wariant pracy mobilnej. Funkcja w Asseco ERP korzysta z modelu działającego lokalnie na urządzeniu, bez aktywnego połączenia z siecią podczas pracy modelu¹. Kompletacja magazynowa i merchandising terenowy to różne procesy. Działanie Voice Picking nie potwierdza dostępności tej funkcji w aplikacji merchandisera.

Próba w terenie powinna wskazać czynności dostępne bez sieci. Osobno należy sprawdzić te, które wymagają późniejszej wymiany danych z ERP. Wynik próby musi obejmować również sposób rozwiązania rozbieżności.

ChatERP: lista pytań o odpowiedzi, uprawnienia i źródła danych

ChatERP należy oceniać osobno jako interfejs odpowiedzi i narzędzie do wykonywania operacji. Obsługuje 2 rodzaje czynności: odpowiada na pytania o dane w języku naturalnym oraz wykonuje działania w Comarch ERP XL, na przykład blokuje transakcje z dłużnikami²⁵. Odpowiedź i zmiana zapisu w ERP wymagają innych zasad dostępu oraz kontroli.

• Źródło odpowiedzi powinno pozwalać użytkownikowi ustalić, z których danych ERP pochodzi informacja.
• Uprawnienia do danych powinny ograniczać odpowiedź do informacji dostępnych dla roli użytkownika.
• Uprawnienia do operacji powinny wskazywać, kto może zlecić blokadę transakcji i czy działanie wymaga zatwierdzenia.
• Historia działania powinna pokazywać, kto wydał polecenie i który zapis w ERP się zmienił.

ChatERP przydaje się w procesie, gdy użytkownik odróżnia odpowiedź od wykonanej operacji. Powinien też móc prześledzić skutek polecenia. To ważne zwłaszcza wtedy, gdy działanie zmienia dane w ERP.

Ceny i warunki sprawdzone u źródeł: październik 2026.