AI в ERP: от первых гипотез до работающих корпоративных решений
На вебинаре разобрали, как AI может применяться вокруг ERP: в закупках, тендерной документации, обработке документов, корпоративном поиске, поддержке пользователей и подготовке аналитики. Обсудили, какие процессы нельзя отдавать AI без контроля человека и как запускать AI-инициативы через проверяемые гипотезы, а не через большие рискованные проекты. 🧩 В программе: 1️⃣ Где AI действительно помогает в ERP-контуре: документы, закупки, тендеры, корпоративные знания, аналитика и поддержка пользователей 2️⃣ Чем AI отличается от автоматизации и ML: где нужен регламент и интеграция, где прогнозные модели, а где большие языковые модели 3️⃣ Какие процессы нельзя отдавать AI без контроля: проводки, закрытие периода, мастер-данные и другие операции с финансовыми последствиями 4️⃣ Как выбрать первую AI-гипотезу: какую проблему решаем, для кого, какие данные нужны и в чём реальная польза 5️⃣ Как проверить идею до внедрения: интервью, прототип, тест на ограниченном наборе данных или пилот на одном процессе 6️⃣ Что нужно, чтобы пилот стал рабочим решением: интеграции, доступы, безопасность, контроль качества и зоны ответственности бизнеса и ИТ 🎤 Спикеры 🔸 Михаил Бурачков, бизнес-архитектор ROXIT (входит в ГК «КОРУС Консалтинг») 🔸 Виталий Секретенко, технический директор КОРУС Консалтинг, эксперт по AI-решениям и запуску AI-гипотез в корпоративном контуре Тайм-коды: 00:00 Вступление, тема вебинара и знакомство со спикерами 03:30 Михаил Бурачков: AI в ERP 04:00 Что хотят компании: «сделайте нам что-нибудь с AI» 07:00 Терминология: ERP, ML, LLM, AI — как они соотносятся 09:20 Где AI полезен: закупки, тендеры, аналитика, документация 10:56 Где применять AI пока опасно: бухгалтерия, мастер-данные 11:40 Почему AI не алгоритм: вариативность ответов 13:44 Итог: где алгоритм, workflow, ML, а где AI 14:44 Кейс закупок: разбор тысяч неструктурированных заявок 18:16 Кейс тендера: отсев участников на локальной модели 19:38 AI в консалтинге: подготовка документов и требований 20:39 Галлюцинации и контроль качества, метод арбитра 22:33 Безопасность: локальные vs облачные модели, анонимизация 25:14 Что такое RAG и зачем он нужен 27:56 Как внедрять: дробить на пилоты, а не «водопадом» 28:52 Снижает ли AI затраты и повышает ли качество 30:23 Почему нельзя запустить AI напрямую на ERP 31:26 Выводы Михаила 31:50 Ответы на вопросы: доказательность, трассируемость, RAG 41:27 Виталий Секретенко: от гипотезы к внедрению 42:42 Как приходят заявки на внедрение и в чём проблема 44:10 Cynefin Framework: четыре домена неопределённости 46:42 Из чего состоит гипотеза, а не технология 48:47 Как превратить «сделать агента» в проверяемую гипотезу 49:41 Приоритизация гипотез: RICE, ICE, MoSCoW 50:25 Шесть гипотез: проблема, ценность, решение, данные, внедрение, экономика 52:47 Развилки проверки: подтвердить, уточнить или остановить 53:46 Кейс 1: агент для разбора почты — неявные знания в головах 55:52 Кейс 2: проверка ТЗ по ГОСТам — недоступность экспертов 58:04 Ключевой посыл: снимать неопределённость дёшево и рано 58:56 Ответы на вопросы: интеграция с 1С, безопасность, стоимость инфраструктуры 68:39 Извлечение экспертных знаний: репертуарные решётки и CDM 69:09 Завершение вебинара
На вебинаре разобрали, как AI может применяться вокруг ERP: в закупках, тендерной документации, обработке документов, корпоративном поиске, поддержке пользователей и подготовке аналитики. Обсудили, какие процессы нельзя отдавать AI без контроля человека и как запускать AI-инициативы через проверяемые гипотезы, а не через большие рискованные проекты. 🧩 В программе: 1️⃣ Где AI действительно помогает в ERP-контуре: документы, закупки, тендеры, корпоративные знания, аналитика и поддержка пользователей 2️⃣ Чем AI отличается от автоматизации и ML: где нужен регламент и интеграция, где прогнозные модели, а где большие языковые модели 3️⃣ Какие процессы нельзя отдавать AI без контроля: проводки, закрытие периода, мастер-данные и другие операции с финансовыми последствиями 4️⃣ Как выбрать первую AI-гипотезу: какую проблему решаем, для кого, какие данные нужны и в чём реальная польза 5️⃣ Как проверить идею до внедрения: интервью, прототип, тест на ограниченном наборе данных или пилот на одном процессе 6️⃣ Что нужно, чтобы пилот стал рабочим решением: интеграции, доступы, безопасность, контроль качества и зоны ответственности бизнеса и ИТ 🎤 Спикеры 🔸 Михаил Бурачков, бизнес-архитектор ROXIT (входит в ГК «КОРУС Консалтинг») 🔸 Виталий Секретенко, технический директор КОРУС Консалтинг, эксперт по AI-решениям и запуску AI-гипотез в корпоративном контуре Тайм-коды: 00:00 Вступление, тема вебинара и знакомство со спикерами 03:30 Михаил Бурачков: AI в ERP 04:00 Что хотят компании: «сделайте нам что-нибудь с AI» 07:00 Терминология: ERP, ML, LLM, AI — как они соотносятся 09:20 Где AI полезен: закупки, тендеры, аналитика, документация 10:56 Где применять AI пока опасно: бухгалтерия, мастер-данные 11:40 Почему AI не алгоритм: вариативность ответов 13:44 Итог: где алгоритм, workflow, ML, а где AI 14:44 Кейс закупок: разбор тысяч неструктурированных заявок 18:16 Кейс тендера: отсев участников на локальной модели 19:38 AI в консалтинге: подготовка документов и требований 20:39 Галлюцинации и контроль качества, метод арбитра 22:33 Безопасность: локальные vs облачные модели, анонимизация 25:14 Что такое RAG и зачем он нужен 27:56 Как внедрять: дробить на пилоты, а не «водопадом» 28:52 Снижает ли AI затраты и повышает ли качество 30:23 Почему нельзя запустить AI напрямую на ERP 31:26 Выводы Михаила 31:50 Ответы на вопросы: доказательность, трассируемость, RAG 41:27 Виталий Секретенко: от гипотезы к внедрению 42:42 Как приходят заявки на внедрение и в чём проблема 44:10 Cynefin Framework: четыре домена неопределённости 46:42 Из чего состоит гипотеза, а не технология 48:47 Как превратить «сделать агента» в проверяемую гипотезу 49:41 Приоритизация гипотез: RICE, ICE, MoSCoW 50:25 Шесть гипотез: проблема, ценность, решение, данные, внедрение, экономика 52:47 Развилки проверки: подтвердить, уточнить или остановить 53:46 Кейс 1: агент для разбора почты — неявные знания в головах 55:52 Кейс 2: проверка ТЗ по ГОСТам — недоступность экспертов 58:04 Ключевой посыл: снимать неопределённость дёшево и рано 58:56 Ответы на вопросы: интеграция с 1С, безопасность, стоимость инфраструктуры 68:39 Извлечение экспертных знаний: репертуарные решётки и CDM 69:09 Завершение вебинара