Когда говорят об ИИ в ERP, часто возникает ощущение, что теперь должна появиться какая-то «умная ERP», которая всё поймёт и начнёт сама принимать решения.

На практике это не работает. И, честно говоря, это и не нужно.

ERP как система исполнения.
Её задача не «думать», а надёжно и воспроизводимо выполнять то, о чём бизнес уже договорился.

В производственной компании ERP — это:

🔹производственные планы и спецификации;
🔹маршруты, нормы и загрузка мощностей;
🔹учёт незавершённого производства;
🔹расчёт фактической себестоимости;
🔹запуск производственных заказов и контроль отклонений по срокам, качеству и материалам.

👉🏼 система здесь хорошо знает, что должно быть произведено и что получилось по факту.

ERP в розничной или дистрибьюторской компании:

🔸ассортимент, цены, условия для клиентов;
🔸закупки и пополнение запасов;
🔸управление остатками и оборачиваемостью;
🔸выполнение планов продаж;
🔸контроль скидок, акций, логистики и оплат.

👉🏼 ERP здесь отвечает за то, чтобы товар, деньги и условия сходились в одну картину.

Во всех этих случаях ERP отлично справляется со своей ролью:
она фиксирует договорённости, хранит факты, контролирует правила и исполняет решения:
создать заказ, провести оплату, запустить производство, отправить документ на согласование.

ИИ работает не с учётом, а с осмыслением того, что стоит за цифрами и дополняет ERP как отдельный слой.

Аналитические возможности 1С, такие, как встроенные отчёты, аналитические разрезы и OLAP-кубы — дают бизнесу полноценный слой анализа: показатели, динамику и инструменты для поиска причин отклонений.

Но эта модель почти всегда начинается с запроса человека: нужно заметить проблему, сформулировать вопрос и пойти искать ответ в данных.

ИИ добавляет к этому другой слой, который постоянно работает в фоне, отслеживает поведение показателей и ищет нетипичные отклонения.
В итоге аналитика помогает найти ответ, а ИИ — вовремя понять, на какой вопрос вообще стоит обратить внимание.

Как это выглядит на практике?

Продажи начинают снижаться.
ERP и аналитические инструменты показывают цифры и динамику, а ИИ помогает раньше заметить, что проблема связана не с рынком в целом, а с конкретными SKU, регионами или изменением ценовой политики.

Маржа формально укладывается в план, но ИИ подсвечивает, что она системно ухудшается из-за логистики или закупочных цен — ещё до того, как это станет заметно в итоговых отчётах.

В производстве ERP показывает выпуск и себестоимость, а ИИ обращает внимание, что отклонения накапливаются на конкретных операциях, сменах или материалах.

В ритейле ERP показывает остатки и оборачиваемость, а ИИ помогает увидеть, что рост запасов связан не со спросом в целом, а с конкретными позициями, которые перестали продаваться и начинают «залипать» на складе.

Есть и прикладные сценарии: разбор договоров, счетов и УПД с заполнением данных в системе; быстрый поиск условий, регламентов и правил; подсветка нетипичных отклонений по оплатам, списаниям или себестоимости,
которые раньше терялись в массе отчётов.

Во всех этих случаях ИИ не принимает управленческие решения за бизнес.
Он помогает быстрее понять, что происходит, и на что стоит обратить внимание прямо сейчас.

Если вернуться к мысли из предыдущего поста:
привычные способы управления не всегда дают результат не из-за ошибок людей, а потому что решений стало больше, времени на них меньше, а данных слишком много, чтобы разбираться во всём вручную.

ИИ это один из способов с этим справляться. Но здесь возникает следующий вопрос:

Если мы научились быстрее понимать, что происходит,
то как ускорить сами действия и решения, которые всё ещё требуют ручной работы и времени?

Об этом — в следующем посте.
Про управляемые ИИ-агенты и то, зачем они вообще нужны.