Artificial Intelligence w systemach ERP naprawdę działa

Z Jackiem Lisowskim, członkiem zarządu Asseco Business Solutions odpowiedzialnym za systemy ERP marek Macrologic, Softlab i Safo by Asseco, rozmawiamy o tym:

• w jaki sposób generatywna AI je zmienia,
• w jakich obszarach stanowi szczególne wsparcie dla użytkownika, projektach rozwojowych realizowanych przez ABS,
• perspektywach rynku i charakterystyce nowoczesnych rozwiązań wspierających zarządzanie.

Od kilkunastu miesięcy wśród głównych tematów pojawiających się w branży IT pojawia się tzw. generatywna sztuczna inteligencja. Powstają kolejne modele LLM i rozwiązania biznesowe oparte na GenAI. Jak to wszystko przekłada się na rozwój systemów ERP?

Mówiąc o wpływie na nasze systemy, trzeba zacząć od wpływu AI na naszych klientów, a ten jest ogromny. Niektórzy klienci oczekują, że system ERP z AI zacznie wykonywać działania dotychczas niemożliwe do zalgorytmizowania i zastąpi w niektórych miejscach ludzi, redukując etaty.

Inni widzą sztuczną inteligencję jako „czarną skrzynkę”, która w magiczny sposób kilkakrotnie poprawi wyniki firmy, ot tak, to się po prostu wydarzy. Jeszcze inni podchodzą do tematu bardziej sceptycznie, ale tyle mówi się o AI, więc boją się, że konkurencja zdobędzie to „rewolucyjne” narzędzie i ich wyprzedzi. Wszyscy mają jakieś oczekiwania, realne lub nie.

Gdzie w systemach ERP, w jakich procesach biznesowych jest miejsce na wsparcie AI?

Zaznaczę tylko, że rozmawiamy o AI w czerwcu 2024 roku. To bardzo ważne ze względu na rosnące wykładniczo tempo rozwoju sztucznej inteligencji. Trzy miesiące temu nasza rozmowa byłaby całkiem inna. Za trzy będziemy wiedzieć o AI znacznie więcej niż dziś.

Tym, co obecnie jest popularnie rozumiane jako sztuczna inteligencja, są modele językowe LLM. Świetnie sprawdzają się w rozwiązaniach, takich jak czaty, asystenci, tłumaczenia, rozpoznawanie mowy i tekstu, czyli generalnie interpretowanie i przetwarzanie języka. To naprawdę daje użytkownikom realną wartość. Usprawnia ich pracę.

Przykładem z obszaru back office jest rozpoznawanie dokumentów, inteligentne OCR. Sztuczna inteligencja w kolejnych krokach pomaga również te dokumenty umieścić w obiegu. Mamy fakturę zakupową zarejestrowaną w systemie. Genius, nasz silnik AI, podpowiada, jak podzielić koszty i do kogo skierować ten dokument do akceptacji. Inteligentnie automatyzujemy takie procesy. Żmudne, powtarzalne czynności wykonuje system, ale oczywiście zawsze to użytkownik weryfikuje i podejmuje decyzję.

Dalej, weźmy możliwości tłumaczenia. Mieliśmy dotychczas translatory, ale one nie rozumiały tłumaczonej treści i nie znały kontekstu. Sztuczna inteligencja tłumaczy „ze zrozumieniem” i całkowicie zmienia kwestię wielojęzyczności systemu ERP. Eliminuje koszty tłumaczeń, ułatwia działanie w przypadku zatrudniania pracowników niepolskojęzycznych, ale też otwiera firmom drogę na rynki zagraniczne. Wysoka jakość tłumaczeń AI pozwala, np. w obszarze sprzedażowym, bez obaw generować oferty w dowolnym języku czy komunikować się z klientami.

Jeśli chodzi o sprzedaż, AI może porównywać oferty czy towary. Może też kategoryzować e-maile od klientów i od razu kierować je do właściwych osób. Przydaje się także umiejętność generowania tekstu. Mamy np. moduł, który tworzy opisy produktów do sklepu internetowego. A te możemy oczywiście przetłumaczyć na dowolny język.

Co z rozpoznawaniem i generowaniem mowy?

Jeśli chodzi o rozpoznawanie mowy, AI ma obecnie – według badań – w 100% możliwości percepcyjne dorosłego człowieka. To rewolucjonizuje sposób komunikacji użytkownika z systemem. Świetnym przykładem jest nasz Voice Picking osadzony w module WMS.

Już wcześniej stosowaliśmy komunikaty głosowe, ale teraz – dzięki AI – komunikacja odbywa się w dwie strony, i to bez konieczności dostępu do internetu. Do niedawna standardowo magazynier w naszych systemach pracował na terminalu radiowym wyposażonym w ekran z klawiaturą. Teraz dzięki AI wbudowanemu w nasz system WMS do pracy w magazynie mogą wystarczyć słuchawki z mikrofonem łączące się z dowolnym urządzeniem mobilnym.

Użytkownik może całkowicie sterować aplikacją, mówiąc. System informuje głosowo magazyniera, jakie działanie ma zrealizować: np. do jakiej lokalizacji – regał, półka, miejsce paletowe – ma się udać. Jakie produkty i w jakiej ilości ma zebrać. Gdzie ma je dostarczyć. Z kolei magazynier ma wolne ręce i nie odrywając wzroku od towaru, głosowo potwierdza realizację poszczególnych zadań, a wszystko to oczywiście trafia do systemu.

Kiedyś takie rozwiązanie wymagało kosztownej współpracy z oprogramowaniem zewnętrznych firm, integrowania go ze skomplikowanym sprzętem. Teraz nasi programiści w kilka miesięcy opracowali klienta „voice picking” z AI, który jest prostszy i ma znacznie większe możliwości. Na tym polega stosowanie AI w systemach ERP.

W jaki sposób i w jakim zakresie wirtualni asystenci mogą wspierać użytkowników rozwiązań klasy ERP?

Asystent czy agent AI to drugi filar rewolucji komunikacji z systemem. To już nie jest prosty chatbot, ale asystent proaktywny, tak naprawdę nowy interfejs. Użytkownik, który ma do wykonania jakąś pracę, nie musi szukać funkcji, wystarczy, że powie lub napisze asystentowi co chce zrobić. W odpowiedzi otrzyma link do odpowiedniego miejsca w systemie.

Weźmy znów obszar back office. Księgowy pyta: jak wystawić fakturę unijną? Asystent odpowiada, podaje link do odpowiedniego modułu i opcji, prowadzi krok po kroku. Kadrowej asystent AI przypomni, że niektórym pracownikom kończą się badania lekarskie. Wymieni osoby z linkami do ich profili pracowniczych, na koniec proponując, że wygeneruje dla nich skierowania. Kadrowa potwierdzi i zrobione.

To właśnie robi asystent AI. Analizuje to, co się dzieje w systemie, pracuje za użytkownika, informuje o wykonaniu zadania i konieczności potwierdzenia. Z jednej strony ułatwia i przyspiesza poruszanie się po systemie ERP, z drugiej – pomaga korzystać z danych w nim zgromadzonych, np. przygotować się na spotkanie z klientem. Handlowiec może poprosić asystenta o informacje o danym kontrahencie, średniej sprzedaży, poszczególnych marżach.

Oczywiście jeśli chodzi o dane, to musimy przede wszystkim pamiętać o bezpieczeństwie. Nasz model językowy standardowo w takich zastosowaniach nie ma dostępu do danych klientów. Nie ma więc mowy o przesyłaniu danych biznesowych do chmury publicznej czy uczeniu się na ich podstawie.

Używamy asystenta jako interpretera, takiego „tłumacza z ludzkiego na ERP”. Jeśli zapytam o najlepszego klienta z ostatniego miesiąca, największą marżę, wartości obrotów – to nasz model językowy przetworzy zapytanie do bazy danych, ale w bazie zadziała sam system.

Czy to znaczy, że wirtualni asystenci zastępują dotychczasowe, graficzne interfejsy obsługi oprogramowania biznesowego?

Oczywiście, że nie. Ale pamiętajmy, jak wielką rewolucją było wprowadzenie interfejsów graficznych. AI jest kolejnym, epokowym krokiem w komunikacji człowieka z komputerem. Możemy rozmawiać z systemami i aplikacjami w języku naturalnym.

Jeśli chodzi o UX i UI, to te dyscypliny już teraz intensywnie czerpią z możliwości sztucznej inteligencji. Dajemy np. naszym użytkownikom asystenta interfejsu. Można mu powiedzieć, jakie zadanie chcemy wykonać, a on dostosuje układ kolumn, kontrolek i przycisków tak, by jak najbardziej ułatwić wykonanie takiego zadania. Ponadto zasugeruje optymalny układ interfejsu, w sposób inteligentny dostosowany do potrzeb i ról danego użytkownika oraz miejsca pracy.

Pamiętajmy, że sprzedawca stojący na środku salonu z tabletem inaczej pracuje na interfejsie dotykowym, niż osoba pracująca przy komputerze stacjonarnym czy menedżer akceptujący wnioski „w biegu” na smartfonie. Cały UX i UI, również w czasach AI, sprowadza się do tego, by użytkownikom pracowało się łatwiej, szybciej i wygodniej.

Sztuczna inteligencja to jednak nie tylko rozwiązania GenAI. Co z innymi modelami sztucznej inteligencji?

Sieci neuronowe i techniki mieszane – LLM z sieciami neuronowymi – dają nam możliwości analityczne i predykcyjne. Możemy je uczyć tak, jak w przypadku naszej aplikacji dla przedstawicieli handlowych, która skanuje półkę w sklepie, rozpoznaje obraz i interpretuje to, co „widzi”. Praktycznie od razu daje użytkownikowi informację, np. masz za mało danych produktów albo znajdują się na niewłaściwej półce.

Na bazie sieci neuronowych rozbudowaliśmy o predykcje płatności nasz moduł do zarządzania cash-flow oraz – oparty na automatyzacji – moduł windykacji. W nim nasi klienci mogą otrzymać model, który z bardzo wysokim prawdopodobieństwem powie, kiedy i czy dany kontrahent zapłaci faktury. Taką wiedzę mogą wykorzystać do podejmowania działań, np. miękkiej windykacji.

Inteligentny moduł windykacji podpowie takie działania, np. zaproponuje wysłanie e-maila, blokadę czy przekazanie do firmy windykacyjnej. Oczywiście stale jest tu obecny czynnik ludzki. Szerszy kontekst współpracy z kontrahentem i wyznaczone cele czasem wymuszają działania indywidualne, to jest nie do uniknięcia.

Pracujemy również, tym razem na bazie LLM, nad analizą i kategoryzacją e-maili przychodzących i wychodzących, która pozwoli na kolejną automatyzację działań. AI, zamiast pracownika, odczyta i zinterpretuje dziesiątki e-maili od kontrahentów, kategoryzując je. Wiadomości przestaną gubić się w skrzynkach handlowców. Trafią więc do systemu z odpowiednim oznaczeniem, np. jako przyjęcie oferty, odmowa, informacje windykacyjne.

Wspomniał Pan o kilku scenariuszach wykorzystania AI w różnych obszarach biznesowych, ale nie mówiliśmy jeszcze o produkcji.

Dotąd mówiliśmy ściśle o sztucznej inteligencji, ale nie zapominajmy o inteligentnej automatyzacji.

Zarządzanie produkcją to obszar, w którym od kilkunastu lat budujemy i doskonalimy algorytmy planowania produkcji. Uwzględniamy dostępność maszyn, cykle technologiczne, przezbrojenia, wyposażenie niezbędne na linii produkcyjnej, konieczne przeglądy, przestoje, kooperacje, dostępność fachowców czy planowanie zaopatrzenia.

Mamy pewne predykcje i analizy, integrację z modułem WMS. To pełna automatyzacja, a algorytmy w każdej wersji systemów są coraz lepsze i bardziej zautomatyzowane. Trzeba natomiast zwrócić uwagę, że osadzanie AI w tak skomplikowanym procesie, na który wpływa tak wiele czynników, w obecnym momencie może być po prostu nieskuteczne.

Weźmy jeden z aspektów branych pod uwagę podczas planowania produkcji, czyli planowanie zaopatrzenia. Czy sieci neuronowe mogą przewidzieć sytuację na rynku? Pamiętajmy, że te sieci potrzebują danych, pełnego obrazu powtarzalnych cykli środowiska. My natomiast mamy za sobą kilka lat, a co za tym idzie, danych ekstremalnych.

Predykcja zaopatrzenia wymaga predykcji popytu, który zależy od wielu kolejnych czynników. Nie mówiąc już o sytuacji globalnej, jak pandemia czy konflikt zbrojny, czasem wystarczy jedna wypowiedź polityka czy viral w internecie, aby zamieszać na rynku.

W praktyce więc nie mamy powtarzalnej sytuacji rynkowej, dlatego eksperci zajmujący się zaopatrzeniem odnoszą się do sztucznej inteligencji sceptycznie. Automatyzacja i analiza to ogromne wsparcie, a resztą muszą zająć się kompetentni pracownicy, którzy dzięki automatyzacji innych działań, mają na to czas.

Czy zatem nie możemy liczyć na to, że rozwiązania oparte na AI będą w stanie skutecznie prognozować wszelkie możliwe zdarzenia rynkowe?

Przypomnę znów, że rozmawiamy w czerwcu 2024 roku, za chwilę obecna wiedza o AI już nie będzie aktualna. Już dziś są dostępne mechanizmy sugestii, które podpowiedzą np., że – biorąc pod uwagę temperaturę, wojnę cenową i globalne okoliczności – warto produkować więcej wody gazowanej.

Natomiast czekamy na to, że AI będzie w stanie wskazać nam takie parametry czy zmienne, których dotychczas człowiek nie był w stanie samodzielnie zidentyfikować lub zinterpretować w rozsądnym czasie, adekwatnym do tempa zmian zachodzących na rynku. Jako Asseco Business Solutions inwestujemy w badania AI. Nawet jeśli teraz eksperci są sceptyczni, to my cały czas pracujemy, by dać naszym klientom swego rodzaju „wyrocznię”, jeśli tylko będzie to możliwe.

Natomiast widać już teraz, że nie trzeba mieć „wyroczni”, aby sztuczna inteligencja oraz automatyzacja przynosiły przedsiębiorcom korzyści, takie jak choćby oszczędność czasu i pracy pracowników oraz korzystanie z najnowszych technologii niższymi nakładami.

Jakie cechy powinien mieć nowoczesny system klasy ERP?

Najważniejszą obecnie cechą systemu ERP, oczywiście oprócz tych bezdyskusyjnych – jak pełna funkcjonalność, niezawodność i bezpieczeństwo – jest dostępność. Dostępność rozumiana szeroko, bo składają się na nią: wysokiej jakości interfejs, zarówno graficzny, głosowy, jak i AI; technologia HTML, która umożliwia pracę w przeglądarkach internetowych na dowolnym urządzeniu i praktycznie wszędzie oraz ciągłość pracy tak, by zaczętą na komputerze pracę można było dokończyć np. na tablecie. Dostępność musi dotyczyć każdego modułu, każdej funkcjonalności i rozwiązania, dostępnego również w chmurze (w modelu SaaS).

Trzeba myśleć o dostępności także jako możliwości elastycznego rozwoju. My opracowaliśmy dla naszych systemów ERP chmurową platformę, usługę Businesscloud. Oferujemy w niej m.in. usługi: Businesscommerce do wsparcia sprzedaży internetowej poprzez integrację z czołowymi marketplace’ami i firmami kurierskimi, Businessbank do komunikacji z bankami, Businesslink do wymiany e-dokumentów pomiędzy partnerami biznesowymi i KSeF, Portal HR i wiele innych.

Dzięki temu nasi klienci mogą znacząco poszerzyć możliwości funkcjonalne swoich systemów. Mają też możliwość elastycznego reagowania na zmieniające się czy nowe potrzeby oraz sytuację na rynku.

Co motywuje Państwa do dalszych poszukiwań potencjału AI?

Przytoczę tu słowa naszego programisty. Zapytany, dlaczego pracuje w Asseco Business Solutions, odpowiedział, że interesuje go rozwój i najnowsza technologia IT. I znajduje to u nas. Mnie interesuje rozwój, najnowsza technologia IT i praca z tak fantastycznymi ludźmi. I to również znajduję w Asseco Business Solutions.