Статья опубликована в рамках: Научного журнала «Студенческий» № 22(276)
Рубрика журнала: Информационные технологии
Скачать книгу(-и): скачать журнал часть 1, скачать журнал часть 2, скачать журнал часть 3, скачать журнал часть 4, скачать журнал часть 5, скачать журнал часть 6, скачать журнал часть 7
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:
- 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).
- 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)
- 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)
- 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)
- 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)
- 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)
- 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)
- 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)
- 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)
- 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)
- 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)
- F. Joseph., Jr. Hair, A. Rolph, M. Rajiv, B. Barry. Sales Force Management. 2020. C.23
- 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)
Оставить комментарий