AI-workshoppen kan sagtens pege på alt muligt andet end en AI-løsning. Det lyder måske mindre sexet at køre en omgang forandringsledelse, at rette kontoplanen eller få styr på metadata, men vi skal nu engang løse problemer og ikke blære os med skinnende skruetrækkere.
For nylig var jeg oplægsholder på en workshop for danske ERP-ansvarlige i et dusin hæderkronede danske virksomheder.
Formålet var at finde use cases, hvor AI kunne komme i spil. Ganske produktivt, men det var bare langt fra alle problemer, der pegede på at blive løst med AI.
Ja, workshoppen var naturligvis – tror jeg – inspireret og forårsaget af al den hype, som ChatGPT har hvirvlet op om sprogmodeller og generativ AI.
Men en flok nøgterne professionelle mennesker i danske virksomheder peger altså på problemer, der ikke en-til-en matcher, hvad chattende AI er bedst til.
Lad os nu bare komme helt ned på jorden i den danske virkelighed. En af de relevante udfordringer var, at det faktisk ikke altid er lige nemt at placere en indkommen faktura som en omkostning på den rette konto.
Jeg gør det selv
Eksempelvis havde en ERP-ansvarlig defineret en proces, der fordrede at medarbejderne ved tvivlstilfælde altid skulle lade kontofeltet stå åbent, således at vedkommende selv kunne placere fakturaen på rette kontonummer. Det skabte stringens, at det altid var den samme person, der håndterede tvivlstilfældene.
Måske kan alle ikke vide, at vi har en cola-konto, som adskiller sig fra andre fødevarer og frokostindkøb. Her kunne man så rettelig tilføje, at det så er kontoplanen, der skal ændres, så konteringen ikke kræver historisk indsigt i fortidens fortvivlende tilfældigheder now known as præcedens.
Workshoppen peger måske på fire-fem logiske tiltag, som ligger et helt andet sted end i en AI-løsning. Det kan være en stramning af begreber, definitioner og processer eller en forandring af forretningsgangen.
Det kunne jo også være at sikre et mere digitaliseret flow i værdikæden med leverandøren. (Af både cola, konsulentyderler eller konsumvarer).
Fejlfrihed uden sludder
Med andre ord skal vi ikke i bare glæde over at have fået en ny skinnende bit i værktøjsbæltet forsøge at reducere alle problemer til torx25.
Hvis vi bliver i eksemplet med konteringen, kan man godt pege på de afgørende problemstillinger i forhold til AI. For det første er vi jo i et felt, hvor en automatisering er ønskelig, men den skal først og fremmest være fejlfri. Vi kan ikke bruge en sludrende AI, som nogen gange rammer rigtigt, og andre gange digter lidt vel rigeligt.
Det peger principielt lidt mere på generativ AI’s storebror machine learning, som vores bedste bud på en løsning. Outputtet er jo heller ikke en tekst, men en rent faktisk bogføring af en faktura på det rette sted i kontoplanen.
Derfor skal løsningen kunne forstå den historik, som kunder, konti og betalinger udgør, og som er opsamlet i ERP-systemet. Altså andet og mere end tekst, selv om teksten på fakturaen selvfølgelig også skal have en præcision, der kan pege på den rette kontoplacering.
Mindre bling-bling
Når det er sagt, kan jeg faktisk godt se generativ AI komme i spil til at afhjælpe problemet. Medarbejderen kan spørge ERP-systemets indbyggede generative AI-assistent (hos SAP hedder den Joule). Hvor skal jeg kontere denne faktura? En sådan generativ AI-copilot bør kunne tjekke historik med leverandøren, teksten på pågældende og tidligere fakturaer og dermed pege meget kvalificeret på konto 3714.
Tænker man i et scenarie, hvor vi vil have AI til at løse problemet fuldstændigt automatisk for os, er det dog ikke nok blot at have adgang til en LLM model. Det bliver nødvendigt at koble den samlede viden i et ERP-system til LLM modellen via en vidensgraf ved at etablere et semantisk lag mellem vidensgrafen og teksten i fakturaen.
Det er vejen til at få entydige og korrekte svar på deterministiske spørgsmål i stedet for lidt tilfældige forsøg fra en stokastisk model. Og hos SAP er vi eksempelvis i fuld gang med at etablere fundamentet for sikker og konsistent brug af ERP-data i AI-modeller, der spænder det fulde spektrum fra statistik, machine learning til generativ AI.
Men igen. AI er ikke nødvendigvis den rigtige løsning på alle dine korrekte udfordringer. De har bare lidt mindre bling-bling over sig.
Af Thomas Madsen, Enterprise Architect and Technology Explorer hos SAP Danmark
Oprindelig publiceret i Computerworld den 9. april 2024.
