Искусственный интеллект в ERP: где бизнес уже получает эффект, а где пока не стоит ждать чудес

ИИ постепенно встраивается в корпоративные процессы — как через возможности самих ERP-систем, так и через подключаемые сервисы, аналитические платформы и специализированные решения. Но вокруг этой темы по-прежнему много завышенных ожиданий.

Одни считают, что искусственный интеллект вскоре сможет самостоятельно управлять предприятием. Другие воспринимают его исключительно как очередной маркетинговый тренд.

Практика показывает более реалистичную картину: сегодня ИИ прежде всего помогает автоматизировать отдельные операции, обрабатывать большие объемы информации и поддерживать сотрудников при принятии решений.

Где искусственный интеллект уже приносит практическую пользу

Российские ERP-платформы и связанные с ними сервисы постепенно получают инструменты для решения конкретных прикладных задач.

📈 Прогнозирование продаж и запасов

ИИ может анализировать накопленную историю продаж, сезонность и другие доступные данные, помогая формировать прогнозы и поддерживать планирование закупок, запасов и производства.

При этом результат зависит не только от возможностей алгоритма. Важны полнота накопленной истории, качество исходных данных, стабильность процессов и особенности конкретного бизнеса.

ИИ не гарантирует точность прогноза сам по себе, но может существенно ускорить анализ большого количества факторов.

🔍 Поиск отклонений и потенциальных рисков

Алгоритмы могут помогать выявлять нетипичные операции, изменения затрат, отклонения в закупочных ценах, нарушения сроков и другие ситуации, требующие внимания специалиста.

Задача ИИ в данном случае — не принять решение самостоятельно, а быстрее выделить потенциально проблемные участки среди большого объема операций. Например, система может обратить внимание на резкое изменение цены, необычную закупку или несоответствие операции привычному сценарию. Дальнейшую оценку проводит ответственный сотрудник.

📄 Обработка первичных документов

Это одно из наиболее зрелых направлений применения интеллектуальных технологий в корпоративных системах. Распознавание сканов, извлечение реквизитов и подготовка данных для ввода в информационную базу позволяют сократить объем ручной работы и ускорить обработку документов.

Однако результат по-прежнему требует контроля, особенно если документ имеет нестандартную форму, содержит ошибки или загружен в низком качестве.

🗂 Работа с нормативно-справочной информацией

ИИ может использоваться для классификации номенклатуры, сопоставления похожих записей и поиска возможных дублей. Это особенно важно для крупных компаний, в которых справочники формировались годами и велись по разным правилам в отдельных подразделениях и информационных системах.

При этом технология не заменяет методологию управления НСИ. В компании все равно должны быть определены владельцы справочников, правила ввода и изменения данных, а также порядок проверки и согласования информации.

🤝 Поддержка пользователей

Интеллектуальные помощники могут находить инструкции, отвечать на типовые вопросы и подсказывать сотруднику порядок действий в системе.

В отдельных решениях и пилотных проектах появляются интерфейсы, позволяющие обращаться к корпоративным базам знаний на естественном языке. Но для их корректной работы недостаточно просто подключить языковую модель. Необходимы актуальная документация, понятная структура данных, разграничение прав доступа и защита корпоративной информации.

Где искусственный интеллект пока не заменяет человека

ИИ способен обрабатывать данные, находить закономерности и формировать рекомендации. Но он не берет на себя ответственность за управленческие решения.

Например, в закупках алгоритм может:

• сравнить коммерческие предложения;
• выделить отклонения в ценах;
• спрогнозировать возможный дефицит;
• ранжировать варианты по заданным критериям;
• обратить внимание специалиста на риск.

Однако окончательный выбор поставщика требует учета не только цены, но и надежности контрагента, качества продукции, условий поставки, стратегических договоренностей и других факторов. Ответственность за решение по-прежнему остается за человеком.

То же самое относится к утверждению бюджета, изменению производственного плана, выбору инвестиционного проекта или перестройке бизнес-процессов.

Кроме того, выводы ИИ напрямую зависят от информации, к которой он имеет доступ. Если данные неполные, противоречивые или устаревшие, рекомендации также могут оказаться ошибочными.

Поэтому наиболее реалистичный сценарий ближайших лет — не автономное управление предприятием, а совместная работа специалистов и интеллектуальных инструментов.

В проектах автоматизации предприятия нередко сталкиваются с разрозненными справочниками, дублями контрагентов и номенклатуры, нестабильными интеграциями и ручной обработкой информации в Excel. В такой цифровой среде ИИ не исправляет исходные проблемы автоматически. Напротив, он может быстрее распространять ошибки и формировать выводы на основе недостоверной информации.

Поэтому подготовка данных, нормативно-справочной информации и интеграций должна становиться обязательным этапом перед внедрением или масштабированием ИИ-сценариев.

Особенно хорошо это видно на примере закупок.

Чтобы система могла корректно сравнивать цены, прогнозировать потребности, выявлять отклонения и формировать рекомендации, ей необходимы единые и актуальные данные:

• о номенклатуре;
• поставщиках;
• текущих и будущих потребностях;
• складских остатках;
• договорах и условиях поставки;
• истории закупок;
• коммерческих предложениях.

Эти данные могут формироваться не только в ERP, но и в специализированных системах управления закупками.

Эффективность ИИ определяется не только возможностями конкретного алгоритма, но и зрелостью всего цифрового контура предприятия: ERP, SRM, WMS, систем электронного документооборота, BI-платформ и корпоративных справочников.

Вместо вывода

В ближайшие годы преимущество получат не те компании, которые первыми добавят в презентацию слова «искусственный интеллект», а те, которые смогут встроить ИИ в конкретные бизнес-процессы и обеспечить его качественными данными.

ИИ становится важным инструментом повышения эффективности, но не заменяет ERP, процессное управление и экспертизу сотрудников.

ERP по-прежнему остается цифровым ядром предприятия: в ней формируется значительная часть данных об операциях, ресурсах и результатах деятельности. На этой основе интеллектуальные сервисы могут прогнозировать, выявлять отклонения и помогать специалистам принимать более обоснованные решения. При этом максимальный эффект возникает не от одной технологии, а от согласованной работы всей цифровой архитектуры предприятия.