Opóźnienie dostawy materiału może wpłynąć jednocześnie na harmonogram produkcji, wykorzystanie zasobów, termin realizacji zamówienia i jego rentowność. Dane potrzebne do oceny tych konsekwencji zwykle znajdują się już w przedsiębiorstwie. Wyzwaniem pozostaje ich powiązanie i przełożenie na działanie.
Właśnie w tym obszarze rozwijają się zastosowania sztucznej inteligencji w oprogramowaniu biznesowym. Systemy ERP dostarczają kontekst operacyjny: informacje o zamówieniach, zapasach, kosztach, zdolnościach produkcyjnych i zobowiązaniach. AI może ułatwiać interpretację tych danych, wskazywać zależności oraz wspierać realizację wybranych zadań. O wartości takiego rozwiązania decyduje jednak sposób jego włączenia w procesy przedsiębiorstwa.
Co AI wnosi do systemu ERP?
Automatyzacja od dawna stanowi część rozwiązań ERP. Reguły zatwierdzania dokumentów, obliczanie zapotrzebowania materiałowego czy rozliczanie kosztów nie wymagają generatywnej sztucznej inteligencji. Dlatego przy ocenie nowych funkcji warto precyzyjnie określić, z jakim mechanizmem mamy do czynienia.
Modele predykcyjne służą do prognozowania i wykrywania wzorców, na przykład w zapotrzebowaniu lub historii awarii. Generatywna AI pomaga pracować z językiem i dokumentacją: wyszukuje informacje, przygotowuje podsumowania oraz wyjaśnia wyniki analiz. Agenci AI mogą natomiast wykonywać sekwencje czynności, korzystając z udostępnionych narzędzi i danych – w granicach przyznanych uprawnień.
Te możliwości mogą się uzupełniać. Prognoza wskazuje ryzyko, asystent przedstawia jego kontekst, a agent przygotowuje określone działanie do zatwierdzenia. Nie oznacza to jednak, że każda decyzja powinna zostać zautomatyzowana. Obliczenia finansowe, reguły księgowe i ograniczenia technologiczne nadal wymagają jednoznacznych mechanizmów kontroli.
Największy potencjał tkwi w obsłudze wyjątków
Standardowe operacje są zazwyczaj dobrze opisane i obsługiwane przez istniejące funkcje systemu. Więcej pracy wymagają sytuacje odbiegające od planu: brak komponentu, rozbieżność na fakturze, zmiana priorytetu zamówienia lub awaria urządzenia.
Rozważmy przedsiębiorstwo produkcyjne, które otrzymuje informację o przesunięciu dostawy. Sam alert nie rozwiązuje problemu. Trzeba ustalić, które zlecenia są zagrożone, czy dostępny jest zamiennik, jakie są możliwości zmiany kolejności produkcji i ile będzie kosztować alternatywne rozwiązanie.
To przykładowy scenariusz, w którym AI może wspierać zebranie informacji i przygotowanie wariantów postępowania. Warunkiem jest dostęp do aktualnych danych oraz uwzględnienie rzeczywistych ograniczeń, takich jak zatwierdzone technologie, dostępność maszyn czy warunki umów. Propozycja możliwa do opisania nie zawsze jest możliwa do wykonania.
Podobne podejście można zastosować w finansach, zakupach i serwisie. Punktem wyjścia powinien być konkretny problem operacyjny, którego rozwiązanie można później ocenić.
Dane muszą być spójne i osadzone w kontekście
Sama obecność informacji w bazie nie wystarcza. Znaczenie mają ich aktualność, kompletność i jednoznaczność. Status zamówienia musi odpowiadać rzeczywistej sytuacji, jednostki miary powinny być spójne, a kartoteki materiałowe nie mogą zawierać niekontrolowanych duplikatów.
Równie ważne są definicje biznesowe. „Dostępny zapas” może oznaczać stan fizyczny, ilość pomniejszoną o rezerwacje albo materiał dopuszczony do wykorzystania po kontroli jakości. Bez rozróżnienia tych pojęć nawet poprawnie odczytane dane mogą prowadzić do błędnych wniosków.
Przed wdrożeniem AI warto więc określić źródła informacji, zasady ich aktualizacji i odpowiedzialność za jakość. Należy także sprawdzić integracje z pozostałymi aplikacjami. Jeżeli istotna część procesu odbywa się poza ERP, analiza oparta wyłącznie na jego danych może być niepełna.
Od rekomendacji do działania – gdzie postawić granicę?
Odpowiedź na pytanie użytkownika i zmiana danych w systemie mają różne konsekwencje. Przygotowanie zestawienia nie wymaga takiego samego poziomu kontroli jak wysłanie zamówienia do dostawcy czy modyfikacja planu produkcji.
Zakres samodzielności AI powinien zależeć od wpływu działania na działalność firmy, jego odwracalności oraz wartości finansowej. Dla wybranych czynności można dopuścić automatyczne wykonanie. Inne powinny wymagać akceptacji osoby odpowiedzialnej za proces.
Projekt musi uwzględniać również obsługę wyjątków: brak danych, sprzeczne informacje, przekroczenie uprawnień lub nieudaną operację. Potrzebna jest historia działań pozwalająca ustalić, z jakich informacji skorzystano, co zostało zmienione i kto zatwierdził decyzję. Dzięki temu nadzór nad automatyzacją staje się częścią codziennego zarządzania.
Jak ocenić system ERP z funkcjami AI?
Prezentacja produktu powinna pokazywać pełny przebieg zadania: od danych wejściowych, przez analizę, po zapis wyniku i obsługę błędu. Najbardziej użyteczne są scenariusze odzwierciedlające działalność przedsiębiorstwa, także te obejmujące niekompletne informacje lub nietypowe przypadki.
Podczas wyboru rozwiązania warto zweryfikować:
- Zakres funkcjonalny: które możliwości są dostępne produkcyjnie, a które znajdują się w fazie testów lub planów rozwoju.
- Powiązanie z procesami: czy AI respektuje istniejące reguły, uprawnienia i ścieżki akceptacji.
- Możliwość kontroli: czy użytkownik widzi źródła informacji i może zweryfikować wynik.
- Koszt wykorzystania: jakie licencje, integracje i nakłady na utrzymanie będą potrzebne.
- Sposób pomiaru efektów: czy rozwiązanie skraca cały proces, czy jedynie jeden z jego etapów.
Ostatni punkt ma szczególne znaczenie. Szybsze przygotowanie rekomendacji nie musi oznaczać oszczędności, jeśli jej sprawdzenie wymaga długiej pracy specjalisty. W ocenie należy uwzględnić również liczbę korekt, udział spraw wymagających interwencji i koszt obsługi pojedynczego przypadku.
IFS Cloud jako środowisko dla Industrial AI
IFS Cloud łączy funkcje ERP z zarządzaniem majątkiem przedsiębiorstwa, łańcuchem dostaw i serwisem terenowym. Taki zakres pozwala powiązać dane finansowe z informacjami o zasobach, zleceniach i realizowanych pracach. Stanowi to podstawę zastosowań Industrial AI w procesach produkcyjnych, utrzymaniowych i usługowych.
Kierunek ten rozwija również zaprezentowane w październiku 2026 roku IFS Intelligence. Zgodnie z informacjami producenta rozwiązanie łączy pracę z danymi operacyjnymi z przygotowaniem i wykonywaniem działań podlegających firmowym zasadom dostępu oraz zatwierdzania. Przy planowaniu wdrożenia trzeba zweryfikować dostępność poszczególnych funkcji, wymagania integracyjne i warunki licencyjne.
Dla przedsiębiorstwa rozważającego system ERP najważniejsze pozostaje dopasowanie technologii do sposobu działania organizacji. Warto rozpocząć od procesu o jasno określonych zasadach, wiarygodnych danych i mierzalnym wyniku. Pozwala to sprawdzić użyteczność AI w rzeczywistych warunkach, zanim obejmie ona kolejne obszary działalności.
—
Artykuł sponsorowany
