Предисловие
В статье в блоге под заголовком «Корпоративное бизнес-программное обеспечение и проблема запутанного хамелеона» Грег Литтл и Аарон Джаффе из компании Palantir утверждают, что, хотя определенный уровень стандартизации ERP-систем, несомненно, полезен, чрезмерная опора на подход «делать по правилам» может привести к упущенным возможностям, подавлению инноваций в продуктах и разочарованию клиентов.
Согласно прогнозам Palantir, традиционные ERP-системы быстро превращаются в обузу, поскольку их неустанное стремление к стандартизации посредством программного обеспечения может подавлять дифференциацию и инновации, даже несмотря на то, что революция в области искусственного интеллекта ставит эти качества на первое место. Потому что новый, стремительно развивающийся мир бизнеса, в который мы все сейчас вступаем, будет существенно отличаться от того, что происходит вокруг нас сегодня: более интеллектуальные цепочки поставок, сокращение сроков разработки продукции, неограниченный выбор для клиентов и кардинально иные организационные структуры, рабочие процессы, приоритеты и желаемые результаты.
Кроме того, у клиентов, будь то корпоративные клиенты или частные лица, будет больше выбора, возможностей и рычагов влияния, чем когда-либо прежде, — а это ставит во главу угла гибкость, адаптивность, скорость и инновации в бизнесе. Как говорится в блоге Palantir, почти все они в значительной степени несовместимы с традиционными ERP-системами, что приводит к крайне опасным несоответствиям между тем, чего хотят эти клиенты, и тем, что может предложить компания, использующая традиционные ERP-системы.
Ядро ERP-системы было спроектировано как стандартизированное, стабильное и надежное. Оно стало основой для финансов, управления персоналом, закупок и цепочки поставок — местом, где обеспечивались соответствие нормативным требованиям и подотчетность. ERP-система рассматривала каждый бизнес-процесс как нечто, что можно стандартизировать для каждой организации в рамках единой структуры. Если ядро ERP выходит из строя, то рушится все. Но где-то на этом пути защита этого ядра все чаще означала жертвование гораздо более важными вещами: идентичностью организации, ее дифференцированными процессами и способами, которыми она действительно создает ценность. Более глубокая проблема заключается в том, что традиционное корпоративное программное обеспечение было построено на жесткой логике, которая рассматривает каждую организацию как одинаковую. Традиционный подход ERP решал проблему стандартизации, но при этом подавлял уникальность. Именно в этой уникальности — будь то отличительная бизнес-модель, преимущество в цепочке поставок или реальность миссии — и заключается конкурентное преимущество. Уникальность — это не ошибка, которую программное обеспечение должно исправлять; это особенность, которая позволяет вам оставаться впереди.
Поскольку темпы изменений достигают беспрецедентных скоростей, этот важнейший баланс — где следует стандартизировать, а где выделяться заметными и уникальными способами — быстро станет решающим фактором в определении победителей и проигравших в зарождающейся экономике искусственного интеллекта.
Старая поговорка — бизнес должен адаптироваться к программному обеспечению — имела смысл, когда препятствиями были код, масштаб данных и инфраструктура. Жесткое программное обеспечение в сочетании с последовательной реализацией с помощью консультантов и системных интеграторов было залогом успешной цифровизации. Но мы больше не живем в этом мире. Сегодня надежность и адаптивность больше не конкурируют друг с другом; они могут сосуществовать — организации могут быстро и гибко развивать свои возможности, обеспечивая при этом стабильность.
Влияние ИИ на ERP
Вопрос не в том, повлияет ли ИИ на привычную парадигму ERP, а в том, насколько радикально и быстро произойдет этот сдвиг.
Генеративный искусственный интеллект и агентные системы быстро выходят за рамки автоматизации задач в системах планирования ресурсов предприятия (ERP) и начинают реструктуризацию корпоративных операций. Решения, изначально разработанные на основе ИИ и часто создаваемые в виде сетей автономных агентов, работают поверх традиционных корпоративных приложений, автоматизируя принятие решений и координируя процессы от начала до конца.
Компании, первыми внедрившие ERP-системы с поддержкой ИИ, уже получают конкурентное преимущество, сообщая об улучшении показателей EBIT на 5% и более; исследования McKinsey также показывают, что компании, успешно использующие ИИ и реализующие стратегии, ориентированные на рост, с большей вероятностью сообщают об улучшении прибыльности и увеличении доли рынка. В сфере внедрения ERP-систем наши исследования показывают, что агенты на основе искусственного интеллекта потенциально могут сократить трудозатраты на внедрение ERP-систем как минимум на 50% и уменьшить продолжительность программы вдвое. Повышение производительности больше не является линейным процессом и не пропорционально человеческим ресурсам.
Поставщикам ERP-систем, разработчикам инструментов, системным интеграторам, стартапам в области ИИ и клиентам следует задуматься о том, как развиваться, и рассмотреть пять потенциальных способов, с помощью которых ИИ может изменить ERP-системы, чтобы проложить путь к миру ERP, управляемому ИИ.
1. Искусственный интеллект изменит современную архитектуру ERP-систем
В радикальном подходе ERP в том виде, в котором она существует сейчас, перестаёт существовать. Агенты искусственного интеллекта воспроизводят возможности ERP, создавая и оптимизируя процессы на лету. Данные хранятся в микросервисах, а не в больших таблицах, а логика приложений становится товаром, разрабатываемым агентами. Это видение соответствует рыночному сценарию, известному как «SaaSpocalypse».
На другом конце спектра находятся те, кто утверждает о необходимости стабильной базовой инфраструктуры. Хотя агенты ИИ будут выполнять процессы ERP, фундаментальная архитектура ERP — включая ее данные, прикладные уровни и даже интерфейсную часть — остается критически важной для обеспечения надежности, возможности аудита, соответствия требованиям и удобства использования. Без этой базовой инфраструктуры организации рискуют столкнуться с хаотичной ситуацией, когда количество агентов и настроек будет расти, что подорвет масштабируемость.
В действительности, взаимодействие внутри предприятия будет смещаться от транзакций, осуществляемых через экраны, к агентам искусственного интеллекта, которые будут выступать посредниками, принимать решения и выполнять действия. В этом сценарии самые большие изменения коснутся видимости и центра управления ERP-системы. Логика приложений по-прежнему будет обеспечивать соблюдение бизнес-правил, структуры данных будут гарантировать согласованность, а системы учета будут обеспечивать возможность аудита, но пользователи не будут напрямую взаимодействовать с ними. ERP-система станет «безголовой», но эта новая архитектура не ограничивается лишь разделением бэкэнда и фронтенда. Она определяется несколькими характеристиками:
- Управление процессом создания ценности: измерение ценности становится ключевой архитектурной возможностью. Автономные решения требуют непрерывной оценки воздействия. Внедрение телеметрии и обратной связи позволяет организациям количественно оценивать ценность и определять, какие агенты и процессы масштабируются.
- Агентная операционная модель: архитектура и операционная модель становятся неразделимыми. Агентная операционная модель станет новым уровнем поверх системной основы, обеспечивающим выполнение рабочих процессов и принятие решений в различных областях и системах.
- Процессы, расширяющие возможности человека: роль конечных пользователей переосмысливается. Вместо выполнения транзакций конечные пользователи будут взаимодействовать с агентами для определения намерений, проверки результатов и вмешательства в случае возникновения исключений. В результате организациям потребуется меньше специалистов по транзакциям, но больше профессионалов, способных сочетать экспертные знания в бизнесе с навыками работы с ИИ, управлять производительностью агентов и постоянно совершенствовать логику принятия решений.
- Корпоративная бизнес-онтология: модели данных эволюционируют от статических схем к динамическим бизнес-онтологиям. Искусственный интеллект обеспечивает семантические слои, кодирующие бизнес-контекст как внутри, так и за пределами баз данных ERP. Операционная система на основе ИИ управляет этими онтологиями, позволяя агентам рассуждать в разных областях и преобразовывать намерения в согласованные действия.
- Чистые базовые приложения и основа данных: ядро ERP-систем остается неизменным. И в будущем они будут оставаться ядром ERP-систем.
Пять уровней современной архитектуры планирования ресурсов предприятия (ERP)
В основании находятся чистое ядро и база данных, которые выступают в качестве надежной системы учета и основы для транзакций.
Далее следует бизнес-онтология, обеспечивающая общий семантический слой для всех областей.
В середине находятся процессы, выполняемые людьми и агентами, где люди задают намерения, а ИИ их реализует.
Выше находится агентная операционная модель, в которой агенты ИИ координируют решения и рабочие процессы.
На самом верху, охватывая все уровни, находится управление созданием ценности, измеряющее и направляющее ценность в режиме реального времени.
Постановка целей, обратная связь и аналитические данные распространяются по всей системе.
Переход к такой архитектуре не произойдет в одночасье. Он требует четкого понимания того, где традиционные процессы ERP-систем как услуги (SaaS) и их пользовательские интерфейсы по-прежнему соответствуют своему назначению, а где подходы, основанные на искусственном интеллекте, уже способны создавать превосходную ценность. Этот гибридный подход не только позволяет организациям немедленно получить выгоду, но и поддерживает более чистое ядро ERP-системы.
Хронология эволюции систем планирования ресурсов предприятия (ERP) от транзакционно-ориентированных систем учета к платформам принятия решений, основанным на искусственном интеллекте и управляемым агентами.
В 1960-х и 1970-х годах существовали системы управления запасами без реальной интеграции данных, а логика была изолирована по функциям.
В 1980-х годах появились системы планирования — такие как планирование материальных потребностей и планирование производственных ресурсов — наряду с первыми шагами в направлении интеграции.
В 1990-х и 2000-х годах интегрированные ERP были созданы как единый источник достоверной информации.
В 2010-х годах появились ERP в реальном времени и облачные ERP с чистым ядром и API, позволяющими создавать лучшие в своем классе экосистемы.
В 2020-х годах наблюдается движение к компонуемым ERP с расширением возможностей ИИ и API-ориентированными, модульными, компонуемыми архитектурами.
В будущем ожидается появление ERP, основанных на искусственном интеллекте и управляемых агентами; ERP-система останется основной системой учета, основанной на бизнес-процессах с использованием искусственного интеллекта, а взаимодействие с системой переместится на семантический уровень и уровень ИИ.
2. Компании продолжат инвестировать в модернизацию ERP-систем
Если агенты станут новым интерфейсом ERP-системы, смогут ли предприятия оставаться на «достаточно хорошей» устаревшей архитектуре и позволить агентам создавать более эффективные бизнес-процессы и аналитику на базе ERP?
Этот сценарий заманчив. Он позволил бы компаниям сэкономить сотни миллионов долларов на трансформации ERP-систем и высвободить ресурсы для сосредоточения инвестиций на наиболее прибыльных областях. Однако такое будущее маловероятно. Роботизированная автоматизация процессов (RPA) служит предостережением. Внедренная поверх устаревших систем, RPA позволила компаниям быстро добиться результатов на периферии, но структурные проблемы, связанные с процессами и данными, остались в ядре. Агентный ИИ мощнее RPA, но может столкнуться с аналогичным ограничением, когда предприятиям потребуется масштабируемость, контроль и согласованность.
Агентный ИИ существенно расширяет возможности наложений, поскольку он может быстрее, чем более ранние инструменты автоматизации, выводить, генерировать и адаптировать бизнес-логику. Однако компании, вероятно, не захотят использовать отдельные решения, созданные ИИ, для процессов, которые в значительной степени являются стандартными, потенциально с отсутствием отслеживаемости, в отличие от проверяемой системы учета. Они также не захотят управлять критически важной инфраструктурой без поддержки поставщика. А разработчики ERP-систем, скорее всего, предпочтут создать «чистую» ERP-систему, изначально разработанную с использованием ИИ, чем использовать устаревшие ERP-системы в качестве основы и оптимизировать их для множества сценариев интеграции (например, несколько экземпляров ERP от разных поставщиков в одной компании).
На данный момент имеет смысл продолжать обдуманно инвестировать в модернизацию ERP-систем. Инвестиции в улучшенную базу данных всегда будут способствовать масштабированию ИИ в будущем. Но этот сценарий усиливает давление на поставщиков и интеграторов ERP-систем с целью резкого сокращения стоимости и продолжительности трансформаций ERP.
3. Внедрение ERP-систем будет в два раза быстрее и дешевле
Долгое время экономические аспекты масштабных модернизаций ERP-систем представляли собой сложную задачу. Согласно данным McKinsey о стоимости ERP-систем, большинство крупных предприятий тратят от 100 миллионов до 1 миллиарда долларов на миграцию своих ERP-систем. Основную часть составляют единовременные затраты на внедрение, обычно достигающие многократной величины по сравнению со стоимостью подписки. Стремясь сбалансировать затраты и ценность, клиенты ERP-систем выбирают один из двух путей миграции. В одном случае они используют миграцию ERP в качестве катализатора трансформации бизнеса, перестраивая бизнес-процессы и свою операционную модель, чтобы сосредоточиться на бизнес-ценности. По нашему опыту, период окупаемости часто составляет от четырех до пяти лет. В другом случае они решают осуществить перенос системы — если поставщики предлагают такой путь миграции — соглашаясь на более скромную первоначальную модернизацию за счет меньшей бизнес-ценности. Некоторые сочетают оба подхода.
Искусственный интеллект кардинально меняет экономику программ ERP, позволяя компаниям лучше выявлять и отслеживать возможности получения выгоды, одновременно сокращая стоимость и продолжительность программ как минимум в два раза.
Агентный ИИ может сократить ручной труд в программах планирования ресурсов предприятия тремя способами:
- агентное проектирование и разработка,
- агентное тестирование,
- подготовка к агентному обучению.
Каждому способу присущи:
- необходимые входные данные для фабрики ИИ,
- выходные данные агентного ИИ,
- способы вовлечения людей,
- воздействие ИИ.
Для агентного проектирования и разработки компания вводит существующие процессы, стандартные лучшие практики разработки программного обеспечения и бенчмарки. Агентный ИИ создает целевое состояние и автоматически настраивает систему за несколько дней, перестраивая рабочие процессы и внедряя логику ценности по умолчанию. Люди, тем временем, определяют направление работы ИИ, проверяют результаты и управляют изменениями. Этот процесс сокращает время проектирования и разработки с шести-девяти месяцев до двух-трех месяцев.
Для агентного тестирования компания вводит целевые процессы, документацию и пользовательский код. Затем агентный ИИ непрерывно генерирует, выполняет и проверяет тестовые примеры в масштабе и автоматически обнаруживает, диагностирует и устраняет проблемы. Люди контролируют качество и обрабатывают нестандартные ситуации, что приводит к сокращению трудозатрат примерно на 80%.
Для подготовки к обучению агентов компании вводят целевые процессы, оценки возможностей и конфигурацию системы, а в ответ получают обучение на основе ролей и автоматические внутрисистемные инструкции. Искусственный интеллект также постоянно улучшает контент на основе поведения пользователей, в то время как люди утверждают контент, созданный ИИ, и контролируют его внедрение. Этот процесс может сократить необходимые трудозатраты на 90%.
Первые экспериментальные исследования показывают, что системы искусственного интеллекта на основе агентов смогут с высокой точностью рекомендовать целевые процессы и проектные решения в течение нескольких дней. Эти рекомендации могут быть внедрены в ERP-системы посредством автоматической настройки, что снова обеспечит участие человека в обеспечении качества. Миграция данных, тестирование, документирование, обучение — все эти традиционно выполняемые вручную задачи будут в значительной степени автоматизированы с помощью агентов. В этой среде управление изменениями станет основным ограничивающим фактором в планах трансформации ERP-систем в будущем, поскольку пользователей ERP-систем по-прежнему необходимо вовлекать в этот процесс.
4. Поставщики ERP-систем могут восстановить контроль над экосистемой ERP
Поскольку ИИ берет на себя все больше задач, клиенты ERP-систем будут ожидать, что эффективность будет передана им. Эта тенденция уже наблюдается в сфере сопровождения приложений, где, согласно анализу McKinsey, ожидания клиентов относительно ежегодного повышения эффективности работы поставщиков примерно удвоились. В крупных ERP-программах предприятия находятся в затруднительном положении: конечно, они хотели бы сократить затраты за счет ИИ, но большинство воздерживаются от масштабных экспериментов из-за связанных с этим рисков и вероятного сопротивления изменениям. Большинство больше заинтересованы в проверенных решениях.
В результате системные интеграторы в основном по-прежнему применяют проверенную модель внедрения, выборочно дополняя ее сценариями использования ИИ, а не стремясь к радикальному пересмотру подхода. Однако появляющиеся стартапы, ориентированные на ИИ, предлагают возможности внедрения ERP-систем с использованием ИИ: сопоставление существующих процессов с целевыми моделями, чтение пользовательского кода и его сопоставление с новым стандартом ERP, а также создание в рамках проекта ERP офиса управления проектами с использованием ИИ, который фокусируется на улучшении функционирования инструментов ИИ. Некоторые из этих стартапов, вероятно, быстро масштабируются. Однако они сосредоточены на отдельных сценариях использования в цикле разработки ERP-системы, оставляя возможность для интеграции различных возможностей.
Поставщики ERP-систем находятся в наилучшем положении для того, чтобы заполнить этот пробел комплексными решениями. В предыдущих поколениях ERP-систем они в основном фокусировались на программном обеспечении и механизмах миграции, в то время как партнерская экосистема создавала инструменты миграции, подробные руководства и даже отраслевые шаблоны. Хотя это, безусловно, расширило охват ERP-решений среди клиентов по всему миру, это также привело к значительной разнице в качестве предоставления услуг. Только 25–35% крупных технологических программ достигают целевого показателя EBITDA и денежного потока, в то время как 65–80% превышают запланированный бюджет или сроки. Поставщики ERP-систем заинтересованы в более дешевой, быстрой и качественной доставке. Теперь у них есть возможность предложить клиентам и партнерам комплексное решение для развертывания и миграции, поддерживаемое искусственным интеллектом, что позволяет им восстановить контроль над качеством предоставляемых услуг.
В перспективе поставщики ERP-систем, вероятно, увеличат инвестиции в модернизацию своих подходов к внедрению и инструментов с использованием ИИ. Они могут приобретать и интегрировать наиболее перспективные стартапы, что позволит им контролировать агентский уровень над цепочками инструментов и сквозную интеграцию, сохраняя при этом партнерские отношения с избранными ведущими поставщиками инструментов. В долгосрочной перспективе наибольшую конкуренцию будут представлять поставщики агентских решений, которые стремятся работать на протяжении всего жизненного цикла трансформации и на платформах разных поставщиков.
5. В сфере ERP-систем подход к созданию ценности сместится от разработки собственных решений к их приобретению
Как только возможности искусственного интеллекта стали очевидны, предприятия начали гонку за внедрением сценариев использования. Они также столкнулись с проблемами, связанными с неопределенностью пилотных проектов, и ограничениями подхода, основанного на сценариях использования, по сравнению с трансформацией предметной области. Поставщики ERP-систем также стремились выйти на рынок со сценариями использования, но зачастую их масштабы были слишком малы, чтобы оказать измеримое влияние на прибыль. В результате клиенты ERP-систем продолжали создавать собственные решения, часто при поддержке поставщиков услуг и платформ, которые предоставляют свои собственные агентские или информационные платформы и модель проектирования с опережающим развертыванием.
Такой подход обеспечивает большую гибкость: компании могут выбрать любую задачу и применить к ней ИИ. Для дифференциации процессов — например, в коммерческой сфере — они могут получить конкурентное преимущество на рынке. Однако в масштабах ERP-систем, где целевой функцией большинства процессов является стандартизация, а не дифференциация, такой подход нежизнеспособен.
Задача поставщиков ERP-систем и их партнеров по решениям — значительно ускорить вывод на рынок комплексных решений на основе встроенного искусственного интеллекта. Для успешного выполнения этой задачи необходимо несколько предварительных условий:
- Применение подхода «с чистого листа». Вместо автоматизации отдельных этапов существующих сквозных процессов, поставщикам ERP-систем следует переосмыслить процессы и целые области с помощью агентного ИИ. Базовая структура данных и бизнес-логика могут быть в значительной степени повторно используемыми, но поток процессов полностью изменится. Например, многократные итерации согласования сверху вниз и снизу вверх в процессах планирования можно заменить механизмом ИИ, который предоставляет усовершенствованную версию планов, учитывающую исторические данные, стратегию компании и отраслевые показатели.
- Обеспечение четкой измеримости влияния на прибыль и убытки для клиентов. С помощью контроля за выполнением управленческих задач устанавливаются базовые показатели и целевые значения, а также отслеживается влияние операционных улучшений на прибыль и убытки.
- Внедрение решения на основе ИИ в полном объеме. Обеспечение простого развертывания ИИ и интегрированного пользовательского опыты, охватывающего как функции ИИ, так и традиционные функции.
- Обеспечение простоты коммерческой модели использования возможностей ИИ. Клиенты должны иметь возможность легко оценивать и отслеживать стоимость потребляемых ИИ-решений.
- Обеспечение возможности взаимодействия агентов в ERP-системе с агентами за пределами экосистемы ERP-системы конкретного поставщика. Такой открытый подход будет более привлекательным для клиентов, которые не захотят делать ставку на изолированные системы искусственного интеллекта.
Для поставщиков ERP-систем стратегически важно предоставлять решения, интегрированные с искусственным интеллектом. Работая вместе с клиентами и партнерами, они могут внедрять инновации в следующее поколение ERP-систем, усовершенствованных с помощью ИИ. Это позволит клиентам сосредоточить разработку решений на основе ИИ на тех бизнес-возможностях, где они действительно смогут выделиться.
Хотя масштабы изменений сложно предсказать, очевидно, что участникам экосистемы ERP необходимо переосмыслить свои модели предоставления услуг и решения, чтобы оставаться конкурентоспособными. Клиенты ERP, в свою очередь, должны быть в курсе последних тенденций, экспериментировать с новыми возможностями искусственного интеллекта и быть открытыми к переосмыслению устоявшихся подходов к ERP.
Идет гонка за совершенствованием возможностей искусственного интеллекта и расширением перспектив создания ценности — до тех пор, пока не произойдет следующее прорывное технологическое достижение.
Источник
Конец ERP в том виде, в каком мы его знаем? Пять способов, которыми ИИ меняет ERP-системы. 11 мая 2026 г. Статья. Бьёрнар Йенсен; Дарвин Дино; Флориан Бауэр; Джо Боден.
The end of ERP as we know it? Five ways AI is disrupting ERP. May 11, 2026 Article
https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/the-end-of-erp-as-we-know-it-five-ways-ai-is-disrupting-erp
