AI zmienia ERP. Wpływ AI i automatyzacji na rozwój i personalizację systemów ERP [Wywiad]
Technologia AI znajduje coraz szersze zastosowanie. Nie dziwi więc, że sięgają po nią również producenci systemów klasy ERP, chcąc udoskonalić swoje oprogramowanie. Sztucznej inteligencja nie tylko staje się wsparciem dla użytkownika korzystającego z tych rozwiązań, ale pozwala również szerzej wykorzystać ich funkcjonalności. Jaki zatem jest kierunek rozwoju systemów ERP pod wpływem technologii AI?
Obecnie niemal każdy producent wzbogacił już swoje oprogramowanie o algorytmy sztucznej inteligencji. Pojawiają się w nich wirtualni agenci, jak i narzędzia oparte o ML, LLM, NLP czy DL. Wszystko po to, aby było efektywniej w obsłudze i zarządzaniu, a przede wszystkim z korzyścią dla biznesu. O zastosowaniu AI w systemach klasy ERP opowiada Daniel Duda, Dyrektor Rozwiązań dla Biznesu w OPTeam.
1. Jak oceniasz obecny stan integracji AI z systemami enterprise w Polsce?
O ile miniony 2024 rok był okresem intensywnych eksperymentów w obszarze sztucznej inteligencji, tak 2025 jest już czasem jej wykorzystania w rozwiązaniach klasy enterprise. Producenci oprogramowania dla biznesu w dużym stopniu korzystają już z AI do udoskonalenia swojej oferty, sięgając po uczenie maszynowe czy przetwarzanie języka naturalnego. Przykładowo Comarch od dawna rozwija funkcjonalności AI i machine learning, dostępne jako rozszerzenia do swoich systemów. Należą do nich m. in. inteligentne OCR, asystenci księgowości i sprzedaży czy predykcyjne raportowanie. Tak więc sztuczna inteligencja staje się istotnym elementem systemów ERP, mocno zwiększając ich potencjał w zakresie automatyzacji i personalizacji obsługiwanych procesów.
Widać to mocno na kilku przykładach, gdzie najszybciej dostrzeżono korzyści z wdrożenia AI. Pierwszy to optymalizacja procesów, które mogą być doskonalone na podstawie historycznych danych i zdolności predykcyjnych sztucznej inteligencji. Drugi to eliminacja wąskich gardeł, które AI jest w stanie identyfikować szybciej, jednocześnie wskazując ich przyczyny i sposoby eliminowania. Trzeci to prognozowanie, które w tak dynamicznej rzeczywistości pozwala firmom lepiej planować zakupy czy sprzedaż i przygotowywać się na ewentualne zdarzenia. Czwarty, to personalizacja relacji z klientami, prowadzonej z nimi komunikacji z wykorzystaniem zindywidualizowanych informacji czy też ofert. Piąty to wsparcie w budowaniu kompetencji zespołów, gdzie HR może wykorzystać AI jako narzędzie pomocne w projektowaniu ścieżek rozwoju pracowników. Wszystko więc sprowadza się do analityki, która ze sztuczną inteligencją okazuje się szybsza i dokładniejsza. Mając dostęp do ogromnych zasobów informacji, AI w krótszym czasie jest w stanie przetworzyć dane i dostarczyć precyzyjne wyniki.
2. Z jakimi oczekiwaniami klientów spotykasz się najczęściej odnośnie AI?
Oczekiwania wynikają przede wszystkim z potrzeby usprawnień, zatem dotyczą możliwych ulepszeń, które mają ułatwiać prace. Zmieniają się w zależności od tego, czy AI ma obejmować całą firmę, czy tylko jej obszary bądź wybrane procesy. Najczęściej koncentrują się na automatycznej analizie dużych ilości danych i automatyzacji powtarzalnych zadań, czyli zdawałoby się zagadnieniach, w przypadku których ewentualne korzyści z wdrożenia AI są najbardziej namacalne.
Dotyczą też samego procesu implementacji, mianowicie, aby AI współpracowała z istniejącym systemem ERP bez jego przebudowy, a w oparciu o integrację przez API lub gotowe moduły. Znacznie częściej firmy chcą zaczynać od małych projektów z czasem rozszerzanych na kolejne obszary funkcjonalne systemu ERP. Skalowalność niewątpliwie ma związek z weryfikowaniem skuteczności sztucznej inteligencji i optymalnym rozłożeniem wdrożenia. Firmom zależy, aby implementacja nie zakłócała bieżących procesów.
3. Jakie są największe wyzwania techniczne przy integracji lub/i implementacji AI z systemami takimi jak Comarch ERP lub TimeLine?
Oba systemy są przygotowane pod integrację z AI, a wyzwania techniczne w większości będą tożsame. Choć trzeba zaznaczyć, że wdrożenia z wykorzystaniem powyższych systemów różnią się w zależności od branży w jakiej działa przedsiębiorstwo, jak również obszaru obsługiwanego przez dane oprogramowanie. Comarch ERP swoim zasięgiem może obejmować wszystkie działy firmy, podczas gdy TimeLine traktujemy jak dziedzinowe rozwiązanie dla produkcji, które współpracuje z innym systemem ERP. Jednak dla każdego obszaru, HR, księgowość, sprzedaż, produkcja czy innego, konieczne jest stworzenie właściwych scenariuszy ze wskazaniem kluczowych zagadnień. Istotne jest więc ustalenie, w jakich procesach ma asystować sztuczna inteligencja, następnie jakimi danymi dysponujemy, na których będzie bazować AI. I tutaj szczególne znaczenie ma złożoność procesów, często bardzo unikalnych, oraz jakość danych, które powinny być aktualne, kompletne i ustandaryzowane, co przy rozproszonych źródłach może być wyzwaniem. Kolejną istotną kwestią przy integracji narzędzia AI i systemu ERP jest przygotowanie kompatybilnych interfejsów, aby zapewnić ich płynną współpracę. Ponadto zgodność z regulacjami branżowymi, które muszą zostać zachowane.
4. Jak rozwiązujecie kwestie bezpieczeństwa i compliance, szczególnie w kontekście danych wrażliwych?
Kwestie bezpieczeństwa i zgodności z regulacjami są kluczowe przy integracji AI z systemem ERP. Podstawą implementacji jest przecież szereg danych, w tym wrażliwych, które podlegają wielu przepisom, np. RODO, SOX czy regulacje branżowe. Dlatego częścią procesu implementacji jest uwzględnienie w nim technologii wspierających bezpieczeństwo, jak szyfrowanie danych, zarządzanie uprawnieniami RBAC, warstwa uwierzytelniania MFA czy SIEM w celu monitorowania nietypowych zachowań po stronie AI. Ważne są również testy bezpieczeństwa, mające zweryfikować ochronę przed ewentualnymi atakami. Obok technologii konieczne jest podjęcie działań w wymiarze organizacyjnym i proceduralnym, w które powinien być włączony inspektor danych osobowych.
4. Jak wygląda typowy proces implementacji AI w systemie ERP?
Proces składa się z kilku etapów i rozpoczyna się analizą potrzeb biznesowych w obszarach, w których sztuczna inteligencja ma zostać zaimplementowana. Dobrze jest wyznaczyć KPI, aby już po wdrożeniu można było mierzyć efekty i wprowadzać ewentualne udoskonalenia. Chodzi o bardzo konkretne mierniki, przeliczalne, które dokładnie pokażą np. procent usprawnia procesu, czas wykonania działania czy poziom redukcji kosztu. Kolejnym krokiem jest zmapowanie procesów i ocena ilościowa oraz jakościowa danych dostępnych w systemie ERP oraz współpracujących z nim innych rozwiązań dziedzinowych. Często konieczne jest stworzenie jednolitej bazy, ustandaryzowanej i zabezpieczonej, dla wdrażanych modeli AI. Następnie przechodzi się do projektowania rozwiązania AI w oparciu o wybrany model AI/ML/LLM, technologię i narzędzie. Wstępnym krokiem może być stworzenie prototypu i próbkowanie jego możliwości na małej bazie danych, aby stopniowo ją zwiększać i oceniać dokładność wdrażanych rozwiązań AI. Po testach można już podjąć decyzję, czy narzędzie nadaje się do skalowania, czy wymaga dalszych modyfikacji. W momencie, gdy jest ono gotowe następuje integracja z systemem ERP poprzez dedykowany moduł lub połączenie z API. Wdrożenie produkcyjne zawsze poprzedzają testy w wydajnościowe, jakościowe, zgodności i bezpieczeństwa, do których zależy ostatecznie uruchomienie. Trzeba pamiętać, że na wdrożeniu proces implementacji narzędzi AI jednak się nie kończy, ponieważ wymagają one utrzymania i rozwoju podobnie jak każde inne oprogramowanie. Może nieco w innym wymiarze, ale monitoring i aktualizacja modeli AI wciąż są niezbędne dla uzyskiwania jakościowych wyników.
5. Jakie konkretne korzyści biznesowe widzisz u klientów po wdrożeniu AI?
Największą korzyścią jest lepsze i pełniejsze wykorzystanie posiadanych danych, które stanowią bazę do precyzyjnych raportów. To z kolei przekłada się na decyzyjność we wszystkich wymiarach, operacyjnym, finansowym i biznesowym, pozwalając przewidywać i łatwiej dostosowywać się do zmian rynkowych. Kolejną korzyścią jest automatyzacja powtarzalnych procesów, która prowadzi do oszczędności czasu tam, gdzie dotychczas w grę wchodziły manualne działania. W rezultacie odnotowywana jest również redukcja pewnej części kosztów. System ERP wsparty sztuczną inteligencją sprzyja poprawie jakości usług, głównie za sprawą automatyzacji w obszarze workflow i personalizacji komunikacji. Myślę, że warto też podkreślić szybszą adaptację do zmian rynkowych, ponieważ AI trafnie wykrywa i przewiduje trendy.
6. Co byś poradził firmom, które dopiero myślą o integracji AI z systemami ERP?
Myślę, że byłaby to nie tyle rada, co stwierdzenie. Z AI będzie podobnie jak z system ERP. Najpierw alternatywa, potem wybór, aż w końcu konieczność. Technologia jest po to, aby z niej korzystać. Wiele firm już dostrzegło zalety połączenia ERP i AI, wykorzystując potencjał tych narzędzi. Statystyki pokazują, że jest to słuszna decyzja. Ważne jednak, aby świadomie podejść do implementacji, poznać i zrozumieć potrzeby biznesowe, przygotować się do tego technologicznie i organizacyjnie. Oprzeć transformację AI o dobrze przemyślaną i zaplanowaną strategię.

Daniel Duda, Dyrektor Rozwiązań IT dla Biznesu, OPTeam
Posiada wieloletnie doświadczenie w digitalizacji procesów zarządzania. Pomaga w poprawie produktywności i adaptacji do zmieniających się warunków, doradzając rozwiązania, które najlepiej odpowiadają zidentyfikowanym potrzebom. Zrealizował wiele projektów z wykorzystaniem systemów ERP, MRP, MES, APS, BI, WMS czy narzędzia klasy low-code.