ERP sustav potpomognut umjetnom inteligencijom (*)

ERP je tradicionalno zadužen za pripremu izvješća i omogućavanje analize rezultata poslovanja u realnom vremenu. Međutim, danas poduzeća imaju sve veću potrebu iskoristiti inovativne tehnologije za prepoznavanje trendova, preporuku akcija, procjenu brojnih međuodnosa i pojednostavljenje dinamičkog poslovanja [1]. Integriranje umjetne inteligencije s ERP sustavima  obećava ispunjenje navedenih potreba.

Umjetna inteligencija (UI), termin koji je skovao znanstvenik John McCarthy 1955. godine, doživjela je golemu transformaciju u posljednjem desetljeću. Definiranje umjetne inteligencije izazovno je zbog dva glavna pitanja: (1) što čini ljudsku inteligenciju i (2) mogu li aspekti ljudskog intelekta biti podložni računalnoj simulaciji. OECD [2] definira da je “sustav umjetne inteligencije sustav temeljen na stroju koji može, za određeni skup ciljeva definiranih od strane ljudi, davati predviđanja, preporuke ili odluke koje utječu na stvarna ili virtualna okruženja. Sustavi umjetne inteligencije dizajnirani su za rad s različitim razinama autonomije”.

Umjetna inteligencija je značajno promijenila način na koji softver radi i funkcionira unutar poduzeća. Danas dostupan ERP softver je kompliciraniji  u odnosu na ranije verzije, čak i one od prije samo pet godina [3]. Zbog sve veće integracije AI rješenja unutar arhitekture ovih sustava, ovi moderni ERP sustavi često se nazivaju inteligentnim ERP sustavima.

Slika 1 prikazuje model ERP-a pokretanog umjetnom inteligencijom, tj. ERP sustava s integriranim elementima umjetne inteligencije. Model se temelji na Gartnerovom modelu composable (sastavljivi) ERP-a [4] sa zapakiranim poslovnim mogućnostima (PBC – Packaged Business Capabilities) kao osnovnim softverskim komponentama. PBS elementi  kapsuliraju i odražavaju dobro definiranu poslovnu sposobnost prepoznatljivu poslovnom korisniku i zapakiranu za programski pristup [4]. Kako se aplikacije počinju raščlanjivati na komponente i definiraju granice, bitno je razmotriti što će biti iznutra, a što izvana, te koristiti API-je za povezivanje dijelova (na primjer, PBC-ova) s drugim vrstama IT komponenti (npr. Micro Services, Apps, Macro Services, i sl.). Nadograđeni model uključuje inteligentni PBC baziran na umjetnoj inteligenciji  koji omogućuje integraciju UI u ERP arhitekturu i (inteligentni) podatkovni PBC također baziran na UI koji priprema i transformira podatke za inteligentni PBC.

Kako bi integriranje AI s ERP sustavom jamčilo dodatnu vrijednost za poduzeće, nužno je uspostaviti novi poslovni model i temeljna načela interakcije UI s radom pojedinaca, organizacijskim funkcijama i poslovnim procesima [5].

Neke od prednosti ERP sustava koje pokreće umjetna inteligencija su:

• Poboljšanje procesa donošenja odluka. Jedna od primarnih prednosti ERP sustava je mogućnost poboljšanja i usmjeravanja radnih tokova i definiranja bilo čega, od rezultata do strategije [6]. AI može dodatno poboljšati ove mogućnosti obradom većih količina podataka nego što je to prije bilo moguće.
• Jednostavna integracija više odjela i jednostavnije upravljanje svim dijelovima poduzeća. ERP sustavi pokretani UI mogu kombinirati podatke iz brojnih odjela u jednu bazu podataka i rukovati golemim količinama podataka.
• Razvoj suvremenih načina upravljanja ljudskim resursima i mijenjanje načina na koji organizacija upravlja svojim ljudskim resursima [7].
• Novi poslovni modeli donose prednosti kao što su smanjenje troškova, poboljšanje kvalitete usluga, povećana koordinacija i učinkovitost te povećana učinkovitost isporuke [8].

Transformacija i pokretanje sljedeće faze digitalne tranzicije u industrijama koje su eksponencijalno rasle tijekom posljednjeg desetljeća [9].

Unatoč brojnim prednostima, integriranje umjetne inteligencije s ERP sustavima nosi i određene izazove, kao što su:

• Nedostatak objektivnosti i opreza koji se pojavljuje kod umjetne inteligencije u stvari odražavaju pristranosti ljudi koji je dizajniraju [10].
• Ulaganje u pohranu podataka, računalnu snagu i drugu digitalnu imovinu nije dovoljno. Rezultati algoritama umjetne inteligencije ponekad su manje specifični nego što se u početku očekivalo, tako da mnoga poduzeća shvaćaju da je još uvijek potrebno ljudsko tumačenje, razmišljanje i djelovanje za postizanje opipljivih i vrijednih rezultata [11].
• Skaliranje UI usluga izvan potvrđenih i provjerenih rješenja na veće grupe klijenata koristeći UI poslovne modele i demonstrirana rješenja [12]. Kako bi to bilo moguće, nužno je puno bolje razumijevanje načela na kojima se temelje inovacije poslovnog modela baziranog na umjetnoj inteligenciji, gdje su mogućnosti umjetne inteligencije integrirane u poslovne operacije kao što su stvaranje vrijednosti, isporuka i prikupljanje podataka kako bi se osigurao skalabilni rast.
• Iako internetske platforme olakšavaju poduzećima iskorištavanje inteligentnih tehnologija, one nisu gotova industrijska rješenja. Presudno je raditi s dobavljačem koji poznaje nijanse poslovanja i semantiku ERP informacija. Iskustvo u domeni koje dobavljač ERP-a ima (npr. za  određene industrijske potrebe ili funkcionalna područja) ključno je za razvoj inteligentnih sustava za učinkovito i brzo optimiziranje procesa [13].
• Zbog resursa potrebnih za rad s takvim tehnologijama, implementacija je komplicirana. Poduzeća trebaju puno vremena kako bi se pripremila za njihovo uvođenje, kao i za obuku kako i u koju svrhu koristiti te alate [6].
• Sigurnost podataka. Briga za privatnost podataka je najvažnija kada se razvija model strojnog učenja koji koristi osjetljive podatke [14]. Ogromna prepreka zaštite privatnosti postoji u području privatnosti umjetne inteligencije zbog razlika u razumijevanju privatnosti između poduzeće i pojedinaca.

Kao integrirani dio ERP sustava, UI ima potencijal promijeniti cjelokupnu prirodu svakodnevnog  poslovanja, podići ukupnu efikasnost, konkurentnosti i opstojnosti poduzeća. Stoga je smanjenje operativnih troškova integriranja UI i ERP sustava glavni preduvjet za razvoj i masovniju primjenu takvih rješenja u poduzećima.

Reference:

[1] Appelbaum, D, Kogan, A., Vasarđhelyi, M., Yan, Z.: Impact of business analytics and enterprise systems on managerial accounting, International Journal of Accounting Information Systems, 25, (2017).

[2] OECD: Recommendation of the council on artificial intelligence, OECD/LEGAL/0449, (2019).

[3] Yathiraju, N.: Investigating the use of an Artificial Intelligence Model in an ERP Cloud-Based System, International Journal of Electrical, Electronics and Computers, 7(2), (2022).

[4] Free, D.: The Composable Enterprise, https://bian.org/wp-content/uploads/2021/12/BIAN-The-Composable-Enterprise-2021-12-08.pdf, last accessed 2022/12/09, (2021).

[5] Iansiti, M., Lakhani, K. R.: Competing in the age of AI: How machine intelligence changes the rules of business, Harvard Business Review, 98,(2020).

[6] Viorel-Costin, B.: The Current Opportunities Offered by AI And RPA Near to the ERP Solution – Proposed Economic Models and Processes, Inside Production Area. A Case Study, Annals of the „Constantin Brâncuşi” University of Târgu Jiu, Economy Series, (1), (2022).

[7] Dhamija, P., Bag, S.: Role of artificial intelligence in operations environment: A review and bibliometric analysis, The TQM Journal, 32(4), (2020).

[8] Davenport, T. H., Ronanki, R.: Artificial intelligence for the real world, Harvard Business Review, 96(1), (2018).

[9] Salam, M.A.: Analyzing manufacturing strategies and Industry 4.0 supplier performance relationships from a resource-based perspective, Benchmarking: An International Journal, 28(5), (2021).

[10] Hammond, K.: 5 Unexpected sources of bias in artificial intelligence, https://techcrunch.com/2016/12/10/5-unexpected-sources-of-bias-in-artificial-intelligence/, last accessed 2022/12/20, (2016).

[11] Tarafdar, M., Beath, C. M., Ross, J. W.: Using AI to enhance business operations, MIT Sloan Management Review, 60(4), (2019).

[12] Boström, T., Parida, V., Lahti, T., Wincent, J.: AI-enabled business-model innovation and transformation in industrial ecosystems: A framework, model and outline for further research, Journal of Business Research, 127, (2021).

[13] Mahmood, F., Khan, A-Z., Bokhari, R.H.: ERP issues and challenges: A research synthesis, Kybernetes, 49(3), (2019).

[14] Gaur, M.: Privacy preserving machine learning challenges and solution approach for training data in ERP systems, International Journal of Computer Engineering and Technology, https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3679275, last accessed 2022/12/20, (2020).