Annons

AI inom ERP har enorm potential – men det gäller att ha rimliga förväntningar på tekniken

”Aktörer som Microsoft, OpenAI och Meta satsar stort, men för många organisationer finns långt ifrån samma investeringsmöjligheter.” Mitt i hajpen och lovorden kring artificiell intelligens är det viktigt att stanna upp i både planeringen och kommunikationen kring den nya tekniken. Vi måste säkerställa att förväntningarna hos företagsledningen och medarbetare är rimliga och att vi fokuserar på att använda de nya verktygen på rätt sätt. Om vi misslyckas riskerar vi att uppleva samma besvikelser och bakslag som internetpionjärerna drabbades av för 30 år sedan.”
Det skriver dagens gästkrönikör på PLM&ERP News, Rafael Artacho, produktchef på affärssystem-utvecklaren Unit4 sedan 2021. Men han har betydligt mer av professionell erfarenhet bakom sig inom mjukvarusektorn. Hans 15-åriga karriär inkluderar en mängd olika roller som blandar teknisk expertis med strategisk insikt. Inom Unit4 spelar han en nyckelroll i utvecklingen av Unit4 People Platform. Fokus i utvecklingsarbetet ligger på framväxande teknologier, särskilt artificiell intelligens, lågkodsplattformar, hyperautomation och molnbaserade lösningar. Han skriver:
”Den enorma kraft som AI besitter är uppenbar, menar han, men det är också extremt hajpat. Att lyckas med ansvarsfull AI-planering handlar därför lika mycket om att sätta rimliga förväntningar som om att implementera tekniken.
Det finns redan många användningsområden för AI och relaterade teknologier som maskininlärning. Vi ser en bred användning av smart automatisering och interaktiva chatbotar. Trots detta kvarstår faktum att AI-implementationer fortfarande kräver mänsklig inblandning, utbildning, noggrann validering av resultat, säkerhet och styrning samt betydande ekonomiska investeringar. Om vi hoppar över dessa steg riskerar vi att hamna i Gartners berömda "desillusions-dike". De som leder utvecklingen i dag kan få samma stämpel som de som gick för hårt in i webben 1.0 för nästan 30 år sedan.
Stora aktörer som Microsoft, OpenAI och Meta lägger omfattande resurser för att möta tekniska utmaningar, men många vanliga företag har inte möjligheter till liknande investeringar i jakten på tekniska genombrott. Därför måste en konservativ analys av möjligheterna i förhållande till riskerna vara vägen framåt, oavsett hur tråkigt det kan låta.
För att särskilja vad som är relevant i diskussionen om AI är ett effektivt sätt att fokusera på att varje interaktion ska ha betydelse – sträva efter konkreta, positiva resultat i varje utvecklingsprojekt.”

En av de kortsiktiga möjligheterna med AI är att stödja uppgifter som i dag görs av människor, särskilt de manuella, repetitiva uppgifter som många ogillar men som maskiner är bra på. Att upptäcka fel, skapa arbetsbeskrivningar, hantera utlägg och fakturering är lågt hängande frukter för AI. Dessa kanske inte är de mest glamorösa användningsområdena, men de fungerar nu och är ”snabba vinster” som kommer att skapa förtroende för AI.

Praktisk integration och etiskt ansvar
När vi tänker på AI inom ERP bör vi fokusera på användarcentrerad innovation, praktisk integration och etiskt ansvar. Om vi gör detta rätt kan det leda till stegvisa förbättringar, såsom interoperabilitet där flera bottar kan agera tillsammans.

Det är viktigt att ta små, konkreta steg, som att integrera generativ AI i ERP-tilläggslösningar. Vi kan använda generativ AI för att skapa nya arbetsflöden och automatisera repetitiva uppgifter redan i dag. 

Generativ AI kan dra absurda slutsatser, så vi behöver mänskligt förnuft för att öka tilliten. FOTO: iStock/skynesher

Bara människor upptäcker hallucinationer
Unit4:s arbete hittills har resulterat i insikter som vägleder framtida investeringar:

  • Människor behövs för att upptäcka hallucinationer. Generativ AI kan dra absurda slutsatser, så vi behöver mänskligt förnuft för att öka tilliten.
  • Det finns en mängd verktyg att välja mellan. Utforska de olika tillgängliga stora språkmodellerna, då alla stora aktörer rör sig snabbt. Olika GenAI-verktyg har både fördelar och kostnader som behöver övervägas.
  • Små språkmodeller är ibland användbara. Mindre versioner kan vara mer prisvärda och tillämpbara för enklare uppgifter.
  • Ramverk kan hjälpa oss att fokusera. Specifika modeller, som Phi-3 eller RAG-Fusion, kan hjälpa till att hantera kostnader och förbättra precision.
  • Säkerhetsgränser behövs överallt. Kvalitets- och säkerhetsgranskningar, som penetrationstester, bör inkluderas i utvecklingsprocessen.
  • Planera för investeringar. De initiala åtagandena för att integrera AI bör inte underskattas. Tänk på utbildning, infrastruktur och processförändringar.
  • Tänk på hur framgång ser ut. Ha en tydlig strategi för teknikens roll i organisationen och dess påverkan på lönsamheten.
  • Håll koll på regler för styrning och reglering. Känn till lagar och regler som påverkar hur du utformar och implementerar AI.

Löser inte automatiskt problem och utmaningar
AI är en fantastisk teknik och den utvecklas snabbt men det är inte en teknik som löser alla konkreta utmaningar och problem. Därför är det klokt att vara försiktig både i planeringen och kommunikationen. Genom att göra detta kan vi undvika onödiga bakslag och förlorat förtroende för AI-lösningar i framtiden.

Print Friendly, PDF & Email

Success Stories

Success Stories

Industriellt

Intressant på PLM TV News

PLM TV News

PLM TV News

PLM TV News

PLM TV News

PLM TV News

Aktuell ANALYS

Aktuell Analys

Aktuell Analys

3D-printing

Block title