MD Audit: ИИ меняет роль ERP-систем и формирует новую архитектуру управления бизнесом
Компания MD Audit, входящая в структуру SL Soft FabricaONE.AI, акционером которой является ГК Softline, провела исследование развития корпоративных систем управления под влиянием искусственного интеллекта. Эксперты изучили архитектурные подходы, варианты внедрения, экономический эффект и практические сценарии использования ИИ-агентов в ERP-контуре.
Главный вывод исследования заключается в том, что бизнес не движется к полному отказу от ERP. Напротив, корпоративные системы сохранят значение, но их роль изменится. ERP будет выполнять функции надежного транзакционного ядра, отвечающего за учет, контроль и хранение юридически значимых операций. ИИ-агенты при этом станут новым интерфейсом взаимодействия сотрудников с данными и исполнительным уровнем для автоматизации процессов.
ERP перестает быть набором разрозненных разделов
Традиционная работа в ERP часто требует от сотрудника переходить между множеством модулей, вручную сопоставлять сведения, искать документы, переносить данные и отслеживать исключения. Такой подход отнимает время и повышает вероятность ошибок.
ИИ-агенты способны взять на себя значительную часть этих действий. Они могут находить информацию в разных системах, сравнивать документы и показатели, выявлять несоответствия, готовить рекомендации, координировать связанные задачи и формировать проекты управленческих решений. Сотруднику остается проверить результат и утвердить операцию в соответствии с предоставленными полномочиями.
При этом критически важные функции не должны передаваться искусственному интеллекту без ограничений. Бухгалтерские проводки, юридически значимый учет, разделение прав доступа, аудиторский след и возможность восстановить последовательность действий должны оставаться в защищенном транзакционном ядре ERP.
Четыре возможных направления развития
В рамках исследования специалисты рассмотрели четыре базовые модели трансформации корпоративных систем.
Первый сценарий предполагает сохранение крупных ERP-платформ с их последующей модернизацией и внедрением встроенных ИИ-инструментов. Такой вариант может быть удобен компаниям, которые уже располагают масштабной инфраструктурой и хотят развивать ее без радикальной перестройки.
Второе направление связано с компонуемой архитектурой. В этом случае система строится вокруг небольшого транзакционного ядра, к которому подключаются отраслевые сервисы, API, событийные интеграции и средства координации ИИ-агентов. Такая модель позволяет быстрее заменять отдельные компоненты и адаптировать IT-ландшафт под меняющиеся задачи.
Третий сценарий предусматривает создание семантического слоя или графа знаний. Он объединяет сведения из различных источников и формирует единый контекст для сотрудников и цифровых агентов. Благодаря этому система получает возможность учитывать не только отдельные записи, но и связи между клиентами, договорами, платежами, проектами и внутренними регламентами.
Четвертый вариант предполагает использование ИИ-ориентированных решений вместо отдельных ERP-модулей. В первую очередь речь идет о финансовых и других хорошо структурированных процессах, где данные стандартизированы, а результат операций можно четко проверить.
Наибольший эффект дают специализированные агенты
По оценке экспертов, максимальная отдача возникает не при создании универсального чат-бота для всей компании, а при использовании узкопрофильных агентов, подключенных к корпоративным данным через контролируемый интеграционный слой.
Такие инструменты могут работать с бюджетами, платежами, договорами, закупками, проектными задачами, отчетностью, внутренними правилами, клиентской информацией и операционными показателями. Специализация позволяет точнее настроить права доступа, логику обработки информации и критерии контроля.
В отдельных финансовых операциях применение ИИ способно сократить продолжительность процессов примерно на 80%. Кроме того, автоматизация может экономить более 30 рабочих часов в месяц. Конкретный эффект зависит от зрелости процессов, качества данных, количества интеграций и того, насколько четко определены зоны ответственности сотрудников и цифровых агентов.
Три уровня автономности ИИ
MD Audit выделяет три уровня применения ИИ-агентов в корпоративной среде.
На первом уровне агент выполняет роль интеллектуального помощника: ищет документы, обобщает сведения, анализирует показатели и отвечает на вопросы, но не меняет данные в учетных системах.
Второй уровень предполагает подготовку рекомендаций или проектов действий. Агент может сформировать договор, платежное поручение, задачу, отчет или управленческое предложение, однако окончательное подтверждение остается за сотрудником.
На третьем уровне агент самостоятельно выполняет разрешенные операции с низким риском. Для этого необходимы строгая ролевая модель, журналирование действий, ограничение полномочий, контроль результатов и возможность отменить операцию.
Основной корпоративной моделью становится принцип "предложение - согласование". ИИ готовит документ, транзакцию или решение, а ответственный специалист проверяет его и утверждает. Все действия должны быть прозрачными, воспроизводимыми и обратимыми.
Российская специфика: локализация и технологическая независимость
Развитие агентных ERP-систем в России будет проходить с учетом требований к локализации данных, защите критической информационной инфраструктуры и технологической независимости. Поэтому одним из ключевых сценариев становится локальный инференс - обработка запросов и выполнение моделей непосредственно внутри защищенного корпоративного контура.
Для компаний это означает необходимость заранее оценить, где будут размещаться модели, какие данные допускается передавать внешним сервисам, как организовать разграничение доступа и каким образом подтверждать корректность решений ИИ. Особое значение приобретает использование доверенных программных и аппаратных компонентов.
Вынужденная миграция с зарубежных ERP-платформ создает для российского бизнеса не только дополнительные сложности, но и возможность пересмотреть устаревшую архитектуру. Компании могут механически воспроизвести прежнюю монолитную систему либо перейти к более гибкой модели с модульными сервисами, едиными данными и интеллектуальной автоматизацией.
Что необходимо подготовить до внедрения ИИ
Перед запуском ИИ-агентов организациям важно привести в порядок справочники, классификаторы и нормативно-справочную информацию. Если данные противоречивы, неполны или распределены по несвязанным системам, агент будет формировать ненадежные выводы.
Не менее важна инвентаризация бизнес-процессов. Следует определить, какие операции повторяются, где сотрудники тратят больше всего времени, какие действия не требуют сложного экспертного решения и какие ошибки наиболее дорого обходятся компании.
Внедрение целесообразно начинать с ограниченных сценариев: обработки счетов, сверки договоров, подготовки отчетности, контроля закупок или анализа платежного календаря. После оценки результатов успешные практики можно масштабировать на другие подразделения.
Отдельное внимание потребуется уделить обучению персонала. Сотрудники должны понимать возможности и ограничения ИИ, уметь проверять его рекомендации и знать, в каких случаях решение нельзя принимать автоматически. В новой модели ценность специалиста будет определяться не способностью вручную перемещать данные между экранами, а умением контролировать процессы и интерпретировать результаты.
В перспективе ERP-система превратится из самостоятельного рабочего пространства в основу цифровой экосистемы компании. Сотрудник будет взаимодействовать прежде всего с интеллектуальным слоем, который понимает контекст запроса, обращается к нужным источникам и запускает необходимые операции. При этом надежность, контроль и юридическая значимость останутся за транзакционным ядром.
Такой подход позволит объединить устойчивость классических ERP с гибкостью искусственного интеллекта. Именно сочетание проверяемого учета, модульной архитектуры и специализированных агентов, а не простая замена одной платформы другой, станет главным направлением развития корпоративного управления.
