ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ERP-СИСТЕМАХ: ОБЗОР И ПРИМЕНЕНИЕ

АННОТАЦИЯ

В статье рассматривается потенциал искусственного интеллекта в системах планирования ресурсов предприятия, анализирует современные тенденции и ограничения.

ABSTRACT

The article examines the potential of artificial intelligence in enterprise resource planning systems, analyzes current trends and limitations.

Ключевые слова: искусственный интеллект, планирование ресурсов предприятия, машинное обучение, интеграция, оптимизация, анализ данных.

Keywords: artificial intelligence, enterprise resource planning, machine learning, integration, optimization, data analysis.

Искусственный интеллект (Artificial Intelligence, AI, ИИ) представляет собой разветвленную область компьютерных наук, направленную на разработку и применение систем, способных решать задачи, которые требуют человеческого интеллекта. Он стремится к созданию интеллектуальных агентов, способных адаптироваться к новым ситуациям, обучаться на основе опыта, принимать решения в неопределенных и сложных ситуациях, а также взаимодействовать с людьми и другими агентами в натуральном языке [1].

Платформы планирования ресурсов предприятия (ERP – Enterprise Resource Planning) объединяют важнейшие бизнес-операции, включая производство, инвентаризацию, бухгалтерский учет, управление персоналом и цепочками поставок, а также интегрированные системы для автоматизации и аналитики. ERP интегрирует и координирует процессы с участием поставщиков и клиентов, улучшая информационные потоки и сокращая время и затраты на коммуникацию [2].

ERP-системы предлагают широкие преимущества и услуги для всего предприятия, они помогают предприятию путем совместного использования и передачи информации и данных между всеми функциональными подразделениями как внутри, так и за пределами предприятия [3].

Искусственный интеллект и машинное обучение (ML - Machine Learning) вносят значительный вклад в революционное изменение методов работы и функционирования программного обеспечения в организациях. Искусственный интеллект и машинное обучение предоставили бизнесу метод удовлетворения ожиданий клиентов в выборе более инновационных, удобных и безопасных способов доступа, расходования, использования, сбережения и инвестирования своих средств [4].

Доступное сегодня программное обеспечение для ERP-систем сложнее, чем предшественники, даже те, которые использовались всего пятью годами ранее. [5] Внедрение машинного обучения и искусственного интеллекта в ERP-системы является реакцией на растущую бизнес-среду, которая характеризуется большими данными, интернетом вещей (Iot) и потребностью в поддержке принятия обоснованных решений [6].

Внедрение ИИ в ERP-системы поможет менеджерам добиться результатов, которые будут более эффективными и рациональными [7]. Одним из результатов может является автоматизация рутинной административной и координационной деятельности, что позволяет более эффективно использовать имеющееся время. Искусственный интеллект высвобождает время менеджеров, и они могут сосредоточиться на других аспектах управления. ERP-системы, интегрирующие искусственный интеллект и чат-боты, предоставляют менеджерам такую возможность [3].

Предиктивный анализ в ERP на основе исторических данных для принятия решений на будущее или для анализа данных не представляет собой ничего сложного. Вначале важно найти примеры использования и соответствующие данные из собственной ERP/CRM-системы компании. Если такой информации нет, можно найти различные источники данных в интернете. Далее необходимо агрегировать данные и сохранить их в базе данных. Затем данные анализируются и подготавливаются для составления окончательной расширенной отчетности. Наконец, на основе этого отчета принимаются окончательные и технические решения для различных сценариев использования [8].

Искусственный интеллект, в основном NLP (Natural Language Processing – обработка естественного языка) и ML, является одним из основных факторов развития электронной коммерции, и спрос на него растет с каждым днем. Рост применения ИИ в электронном бизнесе за два года превысил 600 % [9]. Обработка естественного языка позволяет ERP-системам понимать пользователей и взаимодействовать с ними более интуитивно, поскольку они могут интерпретировать и отвечать на голосовые команды или текстовые запросы.

Еще одно преимущество интеграции заключается в том, что искусственный интеллект способен улучшить работу ERP-системы и упростить контроль над ее дизайном и удобством использования.

Понятие общего искусственного интеллекта относится к компьютеру, который способен обучаться и выполнять сложные задачи так же, как это может делать человеческий мозг. ИИ узкого назначения используется для выполнения одиночных и простых действий [10]. Автоматизация продаж использует ИИ узкого назначения. Каждая компания в определенный момент сталкивается с необходимостью управлять продажами, и ИИ способен преуспеть в этой области. Для отдела продаж очень важна предиктивная аналитика [11]. Можно включить искусственный интеллект в ERP-систему, чтобы аналитика работала быстрее и без заминок. Это позволит выявить потенциальные возможности продаж, провести автоматический анализ цен и обеспечить максимальную отдачу от инвестиций. Этой практикой пользуются не только предприятия, работающие по принципу "бизнес для потребителя" (B2C - business-to-consumer), но и компании, работающие по принципу "бизнес для бизнеса" (B2B - business-to-business).

Термин "инвентаризация" относится к запасам различных предметов, например, к запасам сырья. Термин "управление запасами" означает процесс планирования, организации, управления и поддержания необходимого уровня запасов таким образом, чтобы минимизировать затраты для удовлетворения спроса клиентов [12]. Производители могут управлять своими заказами, пополнять или исключать запасы с помощью инструментов, основанных на искусственном интеллекте.

Стоит отметить, что недостаток или перерасход бюджета проекта является одной из проблем внедрения ERP-системы в целом. ERP-система – многогранный и сложный проект, на её конечную стоимость влияют множество факторов, это обуславливает разброс цен на рынке. Также внедрение ERP-системы обычно требует значительных временных затрат. Процесс внедрения может занять от нескольких месяцев до нескольких лет, в зависимости от сложности проекта и квалификации команды внедрения. Интеграция искусственного интеллекта с такой системой приведет к дополнительным затратам, поэтому значительные денежные вложения могут оказаться для компании недостатком.

Также при внедрении ERP-системы руководство может встречаться с сопротивлением департаментов в предоставлении конфиденциальной информации, что впоследствии уменьшает эффективность системы [13]. Это недоверие и опасения могут кратно возрасти, если департаменты будут знать, что конфиденциальная информация будет обрабатываться искусственным интеллектом.

Список литературы:

1. M. Haenlein, A. Kaplan A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence // California Management Review. 2019. №4. URL: https://journals.sagepub.com/doi/abs/10.1177/0008125619864925?journalCode=cmra (дата обращения: 26.05.2024).
2. F. Molina-Castillo, R.Rodríguez, C. López-Nicolas, H. Bouwman. The role of ERP in busi-ness model innovation: Impetus or impediment // Digital Business Volume 2, Issue 2, 2022. URL: https://www.sciencedirect.com/science/article/pii/S2666954422000047 (дата обраще-ния 26.05.2024)
3. N. Yathiraju. Investigating the use of an Artificial Intelligence Model in an ERP Cloud-Based System // International Journal of Electrical, Electronics and Computers (IJECC). Vol-7, Issue-2 2022. URL: https://dx.doi.org/10.22161/eec.72.1 (дата обращения 28.05.2024)
4. N. Kulkarni, K.V. Pradeep Kumar, K. Suresh Kumar, D. Nidhi Sree, S. Durga. The Role of implementing Artificial Intelligence and Machine Learning Technologies in the financial ser-vices Industry for creating Competitive Intelligence. 2022. URL: https://doi.org/10.1016/j.matpr.2021.11.577 (дата обращения 29.05.2024)
5. 1 A. R. Kunduru. Effective Usage of Artificial Intelligence in Enterprise Resource Planning Applications // International Journal of Computer Trends and Technology. 2023. URL: https://doi.org/10.14445/22312803/IJCTT-V71I4P109 (дата обращения 29.05.2024)
6. V. Prakasha, C. Savaglio.  Cloud- and Edge-based ERP systems for Industrial Internet of Things and Smart Factory. 2022. URL: https://doi.org/10.1016/j.procs.2022.01.251 (дата обращения 29.05.2024)
7. S. Bawa. How Business can use ERP and AI to become Intelligent Enterprise // International Journal of Innovative Science and Research Technology. С. 1186-1189.  2023. URL: https://www.researchgate.net/profile/Surjit-Singh-Bawa/publication/372946571_How_Business_can_use_ERP_and_AI_to_become_Intelligent_Enterprise/links/64cfc49f40a524707b9c0e2d/How-Business-can-use-ERP-and-AI-to-become-Intelligent-Enterprise.pdf (дата обращения 29.05.2024)
8. A. Trunk, H. Birkel, E.Hartmann. On the current state of combining human and artificial intel-ligence for strategic organizational decision making. 2020. URL: https://link.springer.com/article/10.1007/s40685-020-00133-x (дата обращения 29.05.2024)
9. The Race to the Top among the World's Leaders in Artificial Intelligence. Online. Nature. 2021. URL: https://www.nature.com/articles/d41586-020-03409-8. (дата обращения 29.05.2024)
10. S. Gozukara. Obstacles of On-Premise Enterprise Resource Planning Systems and Solution Directions // Journal of Computer Information Systems. 2020. URL: https://doi.org/10.1080/08874417.2020.1739579. (дата обращения 29.05.2024)
11. J. Habel, S. Alavi, N. Heinitz. Effective Implementation of Predictive Sales Analytics. 2022. URL: https://doi.org/10.1177/00222437221151 (дата обращения 29.05.2024)
12. F. Joseph., Jr. Hair, A. Rolph, M. Rajiv, B. Barry. Sales Force Management. 2020. C.23
13. S. Teerasoponpong, A. Sopadang. Decision support system for adaptive sourcing and inven-tory management in small- and medium-sized enterprises. 2022. URL: https://doi.org/10.1016/j.rcim.2021.102226 (дата обращения 29.05.2024)