Hoe AI ERP-business software transformeert
AI als term en als onderzoeksfenomeen bestaat al lang. In 1956 gebruikte de wiskundige John McCarthy in The Dartmouth Summer Research Project on Artificial Intelligence het woord “AI” voor het eerst.
En die AI-(onderzoeks)markt blijkt een vulkaan. Zestig jaar later zien we ineens de vele aankondigingen en beschikbaarstelling van publieke toepassingen van AI. In allerlei maatschappelijke gebieden van zelfrijdende auto’s tot virtuele assistenten.
ChatGPT wordt de snelst groeiende app ooit. En is slechts het topje van de ijsberg. In april 2023 alleen werden er meer dan 1000 generatieve AI-tools uitgebracht (laatste bewerking, +2500 tools in Mei). Grand View Research verwacht dat met een samengesteld jaarlijks groeipercentage van ongeveer 40% de wereldwijde AI markt nog explosiever zal gaan groeien dan we nu waarnemen.
In het afgelopen jaar is AI naar voren gekomen als een technologisch kennisgebied met diep transformerende en disruptieve kracht. AI verandert niet alleen de functies van technische systemen maar ook de manier waarop we communiceren met deze systemen in de wereld om ons heen.
Een nieuwe industriële revolutie
Binnen bedrijven verbetert en versnelt AI allerlei (deel)processen. Ondanks de belemmeringen, de verwarring over het fenomeen en de hype is AI momenteel een hot topic in het ERP-landschap. Bedrijven die AI omarmen zullen beter gepositioneerd zijn om te concurreren in de snel veranderende, datagestuurde wereld. Net als met eCommerce. Niet meedoen is “not an option”.
AI kan mensen verder “bevrijden” om zo meer bezig te zijn met taken waarvoor De Menselijke Intelligentie nodig is. Een “klassieke” belofte. We houden ons alleen nog bezig met het oplossen van complexe problemen, het beoordelen van context en persoonlijk contact met de klanten. Is dat zo? Worden we niet gewoon vervangen door digitale algoritmen? Want heeft de mens het monopolie op AI voor deelgebieden zoals empathie of creativiteit? Vooralsnog zijn de usability-tests op dit vlak voor de mensheid niet hoopgevend.
En er spelen veel randvoorwaarden voor succes. Huidige AI-techniek op basis van digitale neuronale netwerken is afhankelijk van een grote hoeveelheid data. Het verzamelen van data is middels big data initiatieven en cloud al jaren aan de gang. Wat zit er echter in die trainingsdatabase? Heeft het voldoende volume? Is de data “biased” waardoor maatschappelijk of zakelijk bezien ongewenste antwoorden resulteren? Aangezien AI nog een relatief nieuwe branche is kan het voor de meeste bedrijven moeilijk zijn om gekwalificeerde professioneel te vinden. Er speelt het risico van datalekken en beveiligingsfouten bij het gebruik van AI. Zal de overheid een AI-governance protocol of wet inrichten en opleggen?
Toepassingsgebieden waar AI de nieuwe norm zet
Er zijn meerdere classificaties van AI-systemen te vernemen uit de literatuur. Termen zijn Reactieve AI, Limited Memory, Theory of Mind, Generative and Intuitive AI. Intuïtieve AI zou een toekomstige doorontwikkeling worden van de huidige generatie Generatieve AI systemen en waarbij gedrag van het systeem zich niet meer onderscheiden van vergelijkbare intermenselijke interactie.
In deze post kiezen we een benadering om AI te inventariseren en te categoriseren op basis van hun huidige mogelijkheden en functionaliteiten vandaag de dag.
We geven enkele manieren waarop AI kunnen worden toegepast:
Predictive Analytics & Machine Learning (ML)
Predictive Analytics & Machine Learning (ML) gebruikt datasets om toekomstige trends en gedrag te voorspellen, zodat de organisaties betere data gestuurde beslissingen kunnen nemen. Met gebruik van AI kunnen ERP-systemen realtime een groot aantal data analyseren en inzicht geven in verkooptrends, klantgedrag en voorraadniveaus.
Deze informatie kan organisaties helpen hun supply chain management te optimaliseren, de aanvraag te voorspellen, beter in te spelen op toeleveringsketens, en zo de algehele bedrijfsprestaties op allerlei niveau’s te verbeteren. Organisaties helpen hiermee bovendien om vraag en aanbod in evenwicht te brengen en veelvoorkomende problemen zoals overproductie of onderproductie te voorkomen. Odoo ERP kan door AI de mogelijkheid bieden voor smart voorraad beheer (batch automation is beschikbaar in Odoo16).
Deze voorspellingen hebben ook hun impact met betrekking tot milieubescherming. Het rapport van IHL schatte de wereldwijde verliezen als gevolg van overstocks op $ 471,9 miljard(!). In bedragen de gemiste kansen door voorraadvorming wereldwijd $ 1,1 biljoen per jaar, een bedrag dat bijna het BBP van Australië is.
Machine learning algoritmen analyseren gegevens en identificeren patronen om routinetaken te automatiseren. ML kan worden gebruikt om frauduleuze activiteiten te identificeren en prijsstrategieën te optimaliseren. Adit- en boekhoudsoftware kan verbeteren door onregelmatigheden te identificeren, verdachte of ongebruikelijke transacties te detecteren en de nauwkeurigheid van voorspellingen te verbeteren met AI.
Computer Vision Analytics
Deze systemen zijn ontworpen om visuele informatie uit afbeeldingen en video’s te interpreteren en te begrijpen. Ze worden gebruikt in toepassingen zoals gezichtsherkenning, objectdetectie en autonome voertuigen.
Mogelijke toepassingen zijn op verschillende gebieden: kwaliteitscontrole en inspectie, objectherkenning voor beveiliging en surveillance, gezichtsherkenning voor toegangscontrole en voor de toekomstige autonome voertuigen.
Natural Language Processing (NLP)
Natuurlijke taalverwerking is een technologie waarmee computers menselijke taal kunnen interpreteren en begrijpen. NLP kent u al lang in de vorm van spellings- en grammaticacontrole. Maar het zal nog beter worden. Bijvoorbeeld kunnen NLP-algoritmen bij mogelijke fouten verbeterde formuleringen voorstellen en verdere suggesties maken voor correcties of alternatieven om de kwaliteit van communicatie te verbeteren.
Met de integratie van NLP in ERP-systemen kunnen organisaties stemassistenten en chatbots gebruiken om klantenondersteuning te automatiseren, waardoor klanten toegang krijgen tot informatie en problemen snel kunnen oplossen. Als klanten iets nodig hebben, hoeven ze niet langer door de inkoopcatalogus te navigeren. In plaats daarvan kunnen ze gebruikmaken van een chatbot die adviseert over het product dat het beste past bij de gevraagde behoefte. De chatbot zal vervolgens automatisch de juiste aankooptransactie uitvoeren en ter goedkeuring voorleggen. Door het aankoopproces op deze manier te vereenvoudigen worden ongeautoriseerde aankopen voorkomen en wordt tijd bespaart van werknemers. Spraaksturing zal dit proces nog verder vereenvoudigen.
Intelligente automatisering
Intelligente automatisering is een combinatie van machine learning en robotic process automation (RPA). Met intelligente automatisering kunnen ERP-systemen complexe taken automatiseren die besluitvorming vereisen, zoals factuurverwerking en orderafhandeling van klanten.
Bij personalisatie wordt AI gebruikt om klanten gepersonaliseerde ervaringen te bieden. Met behulp van AI kunnen ERP-systemen het gedrag en de voorkeuren van klanten analyseren om gepersonaliseerde productaanbevelingen, promoties en kortingen te geven.
De meeste ERP-oplossingen bieden basisfuncties voor human resources (HR). AI kan HR-managers helpen de prestaties van werknemers beter in de gaten te houden, zodat ze beter geïnformeerde beslissingen kunnen nemen over vergoedingen en beloningen. AI kan ook wervings- en onboarding processen vereenvoudigen en stroomlijnen, door gegevens van sollicitanten te gebruiken om hun vaardigheden en ervaringen nauwkeuriger te analyseren.
Pros en cons
De resultaten van AI beloven op veel aspecten van het zakelijke en maatschappelijke speelveld een grote transformatie. En dat door AI het mogelijk wordt om onderliggende processen nog veel efficiënter te maken.
Geïnspireerd door Sandhya Mahadevan’s (Gartner) die zei dat “AI is geen human-like machine is maar een machine-like kind”, we bedenken dat AI vergelijkbaar is aan ouderschap. Net als kinderen beginnen AI-systemen met beperkte kennis en mogelijkheden. Ze hebben begeleiding en ondersteuning nodig om te leren en te groeien. En net zoals goed ouderschap het stellen van grenzen en het bieden van positieve bekrachtiging inhoudt, vereist effectieve AI-training een goed gedefinieerd leerplan en feedbackmechanismen. Maar we moeten bovendien ook niet vergeten dat alleen mensen empathisch zijn en verantwoordelijkheid nemen.
Uiteindelijk zullen adaptieve systemen nieuwe manieren mogelijk maken om zaken te doen, deuren openen naar nieuwe bedrijfsmodellen of producten, diensten en kanalen. En dat zal bestaande marktposities doorbreken. After the hype worden AI-mechanismen waarschijnlijk standaard in ERP-systemen, statistische pakketten of zelfs spreadsheets: “AI-first” zal dan zo normaal worden als “digital-first” nu.
Maar er zijn ook de bekende valkuilen waarvan we de cases zullen gaan vernemen. De AI-systemen kunnen enorm veiligheidsrisico’s vormen, wanneer ze slecht ontworpen, misbruikt of gehackt worden. Hoe is het AI-systeem ingericht en wat is de kwaliteit van de data, die gebruikt wordt om de functie te laten leren? Gebrek aan “explainability” betreft het probleem dat deze (statistische) systemen niet onderzocht en gedebugged kunnen worden, zoals we gewend zijn. Waarom zijn systemen zich zo gaan gedragen zoals ze doen? Dit kan vrijwel niet onderzocht worden door de enorme omvang van het interne opgebouwde netwerk.
Conclusie
Dutchworld staat voor een inclusieve, verantwoordelijke en mensgerichte AI-filosofie. AI moet onder menselijke controle staan om oneerlijkheid en vooringenomenheid te voorkomen.
Omdat AI getraind is op bestaande gegevens en omgevingen, waarbij deze data in sommige gevallen inherente vooroordelen kunnen weerspiegelen, zijn er cases gerapporteerd waarin het AI-systeem ook deze ongewenste eigenschappen heeft geleerd. Bijna 90% van de dataprofessionals zegt dat vooroordelen in data die worden gebruikt voor AI/ML-systemen ‘discriminerende resultaten’ kan opleveren. Dit leidt tot compliance risico’s, zoals blijkt uit het laatste State of Data Culture Report van Alation. Bovendien zijn de databeveiligingsaspecten belangrijk. Informatie creëren is makkelijker dan zorgvuldig controleren.
Intelligent-ERP als term is niet een aanduiding van een specifieke technologie, maar duidt op het vermogen van een ERP-systeem om een verscheidenheid aan intelligente functies te ontsluiten en beschikbaar te maken in bedrijfsprocessen. Bedrijven die kans zien intelligent-ERP als een nieuw instrument te gebruiken in de bredere context van procesherontwerp en automatisering zullen naar alle waarschijnlijkheid op de termijn het meeste halen uit AI. Als organisaties reeds een ERP-systeem hebben geïmplementeerd, dan is de vraag hoe dit systeem kan worden geupgrade met AI-functionaliteit.
Als er nog geen ERP-platform is geïmplementeerd, dan is dit het moment om de gewenste rol van AI in het bedrijfsmodel te verkennen. Diverse ERP-oplossingen bieden al geavanceerde functies en het is belangrijk om te weten wat wel en niet nodig is, voordat men begint met ERP-selectie of ERP-implementatie.
Ons team van ERP-consultants kan helpen beoordelen waar AI-functionaliteit uw activiteiten het meest ten goede kan komen. Een contactverzoek voor een goed gesprek zien wij graag tegemoet, want wij zijn net zo nieuwsgierig.