AI
Пов’язані сторінки
Для чого потрібен AI у бізнесі
AI і рекомендації
Можливі сценарії: AI аналізує інформаційні дані й формує пояснення: AI через API отримує:
FAQ
| ; AI аналізує ліди й дає оцінку:
AI має змогу допомагати в міграції даних, але не повинен виконувати її без контролю.; |- |
Що істотно для AI?; AI має змогу допомагати пояснювати, прогнозувати й рекомендувати.; Приклад
Створи модель Order з рядками OrderLine, клієнтом, статусом і сумою.; !;== AI у складі ==
Добре автоматизувати:
AI аналізує заявки на оплату й знаходить ризики:
AI не повинен безконтрольно обробляти персональні інформаційні дані.;== AI і безпека ==
Правильний бізнес-процес:
AI має змогу працювати як помічник по внутрішній базі знань.; користувач системи питає: AI пропонує заблокувати клієнта через прострочену дебіторку.; Це зменшує ризик вигаданих відповідей.;== AI і LLM == AI-агент — це платформа, яка не тільки відповідає, а й має змогу виконувати послідовність дій за правилами.; Генеративний AI — це AI, який створює новий контент.; | Галюцинації, неправильні висновки, витік даних, слабкий контроль доступу й автоматизація процесів без відповідальності.; Приклад Пов’язана сторінка: Power BI
=== Що таке AI простими словами? ===
* data warehouse;
* data lake;
* RAG;
* MLOps;
* контроль моделей;
* корпоративний AI-асистент;
* інтеграційні функціональні можливості з ERP, CRM, WMS, MES;
* політики безпеки;
* аудит AI;
* керування доступами;
* моніторинг якості відповідей.;== Приклад AI у Power BI ==
Сценарії:
== Що таке AI ==
{| class="wikitable" style="width:100%;"
* прогноз поломок обладнання;
* аналіз браку;
* контроль якості зображень;
* оптимізація виробничого плану;
* прогноз потреби в матеріалах;
* аналіз простоїв;
* рекомендація змін;
* прогноз собівартості.; Підготуй коротке пояснення, чому впала маржа по групі “Аксесуари”.; Раптом розроблена заявка на 900 000 грн.; Підхід
<pre>
* підключати AI до перевірених джерел;
* використовувати RAG;
* показувати джерела;
* обмежувати права доступу;
* перевіряти критичні відповіді людиною;
* логувати запити;
* тестувати сценарії;
* не дозволяти AI самостійно виконувати ризикові дії;
* використовувати контрольні суми для цифр.; * розумних асистентів;
* голосових інтерфейсів;
* автоматичного аналізу документів;
* прогнозного планування;
* AI-агентів;
* персональних підказок;
* автоматичного контролю ризиків;
* пояснюваної аналітики;
* інтеграції з BI;
* контролю якості даних;
* корпоративних баз знань.;<div style="border:3px solid #ef6c00; background:#fff3e0; padding:14px; margin:16px 0;">
== Приклад першого AI-проєкту ==
У базі один товар заведений тричі:
Класифікація — це віднесення об’єкта до категорії.; ERP бачить, що менеджер створив продаж товару зі знижкою 30%.;== інформаційні дані для AI ==
!; {| class="wikitable" style="width:100%;"
== Приклад класифікації витрат ==
Порівняй продажі та реалізація за травень із квітнем по товарних групах, покажи 5 найбільших відхилень і поясни можливі причини.;<pre>
Результат — швидший аналіз, менше ручної роботи, кращі прогнози, якісніша супровід користувачів, контроль ризиків, зрозуміліші звіти й ефективніші бізнес-процеси.; має змогу допомогти:
* знайти дублікати;
* класифікувати інформаційні дані;
* запропонувати мапінг;
* знайти порожні поля;
* пояснити розбіжності;
* сформувати чек-лист;
* аналізувати помилки завантаження;
* підготувати контрольні звіти;
* порівняти стару й нову систему.; Потрібне погодження керівника продажів.; | В ERP, CRM, BI, Service Desk, фінансах, складі, виробництві, документообігу, HRM, API та інтеграціях.; Типова технічна архітектура AI-рішення в бізнесі має змогу містити:
'''Human-in-the-loop''' означає, що людина контролює важливі рішення для бізнесу AI.; Рекомендація
Впровадження AI краще починати не з “великої магії”, а з конкретної бізнес-задачі.; Що робить
== Майбутнє AI в ERP ==
AI має змогу бути частиною автоматизації, але не кожну дію треба автоматизувати в цілому.; Причина
Створити замовлення постачальнику на 500 шт.; Поточний залишок
організація має тисячі заявок у Service Desk.;== AI у виробництві ==
== AI і OCR ==
[[Категорія:ERP]]
* зарплату;
* собівартість;
* банківські залишки;
* конфіденційні договори;
* персональні інформаційні дані працівників;
* документи іншого підрозділу;
* фінансові звіти для директора.; Запланувати технічне обслуговування протягом 3 днів.; AI має змогу допомагати розробникам:
Що з продажами?; AI має змогу працювати з невизначеністю й даними.; | Не закуповувати
|-
| Кабель USB-C
| 80 шт.; Як оформити повернення товару від клієнта?; суму боргу, відповідального менеджера і рекомендовану дію.; | Швидші рішення для бізнесу, кращі прогнози, менше рутини, сильніша аналітичні інструменти й ефективніші процеси в ERP та бізнесі.;[[Категорія:AI]]
=== Що потрібно перед впровадженням AI? ===
У бізнесі AI застосовують, коли потрібно в ERP, CRM, BI, Service Desk, документообігу, фінансах, складі, виробництві, продажах, закупівлях, HRM, маркетингу, логістиці, підтримці клієнтів, контролі якості та кібербезпеці.;== технічна архітектура AI-рішення ==
!; Як у нас погоджується заявка на оплату понад 500 000 грн?; Пріоритет
Пов’язані сторінки:
[[Категорія:Впровадження ERP]]
[[Категорія:Artificial Intelligence]]
RAG функціонує так:
* модель Order;
* модель OrderLine;
* зв’язок один-до-багатьох;
* поле customer_id;
* індекс по status;
* індекс по date;
* транзакцію для збереження;
* аудит created_by і updated_by.; !;[[Категорія:Нейронні мережі]]
Пов’язана сторінка: [[API для ERP]]
Пов’язана сторінка: [[Права доступу в ERP]]
Пов’язана сторінка: [[Казначейство]]
* період;
* показник;
* розрізи аналітики;
* формат відповіді;
* очікувану дію.;<pre>
платформа отримує PDF-рахунок від постачальника.; Ймовірність угоди
* прогноз cash flow;
* класифікація платежів;
* пошук дублів оплат;
* виявлення підозрілих платежів;
* прогноз дебіторки;
* аналіз прострочених боргів;
* рекомендація платіжного календаря;
* контроль бюджетних лімітів;
* аналіз відхилень план-факт.; Заявка
Приклади:
|-
| Оплата постачальнику А
| 800 000 грн
| Високий
| Сума перевищує середній платіж у 4 рази
|-
| Оренда офісу
| 80 000 грн
| Низький
| Регулярний платіж
|-
| Новий постачальник
| 250 000 грн
| Середній
| Немає історії співпраці
|}
!; | Якісні інформаційні дані, права доступу, аудит, RAG, контроль джерел, human-in-the-loop і перевірка критичних відповідей.; # Фінансовий директор погоджує блокування.; !; Використання
== AI і знання компанії ==
* заявка Service Desk → категорія;
* платіж → стаття руху коштів;
* витрата → стаття витрат;
* замовник → сегмент;
* товар → група;
* документ → тип;
* email → тема звернення;
* інцидент → пріоритет.; Питання
== AI і ORM ==
!; Для фінансових, складських і управлінських даних краще:
== Приклад AI по базі знань ==
* сума в 12 разів вища за середню;
* постачальник не мав таких платежів раніше;
* банківський рахунок змінено вчора;
* потрібне додаткове погодження.;
як ілюстрація: AI читає договір і витягує: Потрібно мати зрозумілу бізнес-задачу, якісні інформаційні дані, джерела інформації, права доступу, критерії успіху, тестування, аудит дій і відповідального власника процесу.;== Приклад ризику доступу == Приклад генеративного AI в ERPУ K2 ERP AI має змогу використовуватися як окремий інтелектуальний шар над бізнес-процесами.; | AI, який створює текст, відповіді, код, інструкції, резюме, описи, листи або аналітичні пояснення.; | Для швидшого аналізу даних, прогнозів, підтримки користувачів, автоматизації рутинних задач і контролю ризиків.; Проблеми:
== AI у BI та Power BI ==
|-
| Кава арабіка 1 кг
| 250 кг
| 420 кг
| Закупити 200 кг
|-
| Фільтр кавомашини
| 900 шт.; Потім AI відповідає не “з пам’яті”, а на основі внутрішніх документів компанії.; Основні ризики — неправильні відповіді, галюцинації, витік даних, порушення прав доступу, помилкові рекомендації, слабкий аудит і використання неякісних даних.; '''OCR''' — це розпізнавання тексту з зображень або сканів.; * прогноз дефіцитів;
* пошук залежалих товарів;
* рекомендація мінімальних залишків;
* аналіз пересортиці;
* прогноз сезонного попиту;
* оптимізація розміщення товарів;
* виявлення аномальних списань;
* контроль інвентаризацій.; Користувачі пишуть їх у вільній формі:
Прогнозування — один із найкорисніших бізнес-сценаріїв AI.; Прогноз продажів на 30 днів
* вибрати бізнес-процес;
* описати проблему;
* перевірити інформаційні дані;
* визначити джерела;
* перевірити права доступу;
* зробити прототип;
* протестувати на історичних даних;
* оцінити точність;
* додати аудит;
* навчити користувачів;
* поступово масштабувати.; Якщо менеджер не має права бачити собівартість, AI має відмовити або показати тільки дозволені інформаційні дані.; AI має змогу автономно:
* рахунків;
* актів;
* накладних;
* договорів;
* паспортів документів;
* сертифікатів;
* транспортних накладних;
* заявок;
* чеків;
* актів виконаних робіт.; |-
| Що таке генеративний AI?;[[Категорія:Machine Learning]]
!; Він має змогу генерувати:
* CRM → AI → прогноз угод;
* ERP → AI → рекомендація закупівель;
* WMS → AI → аналіз складу;
* MES → AI → прогноз поломок;
* Service Desk → AI → класифікація заявок;
* Power BI → AI → пояснення відхилень;
* електронний документообіг → AI → аналіз договорів.; Обережно автоматизувати:
[[Категорія:BI]]
* написання листів;
* характеристика товарів;
* аналіз продажів;
* відповіді клієнтам;
* підготовка комерційних пропозицій;
* класифікація заявок;
* створення контенту;
* пошук помилок у таблицях;
* планування закупівель;
* підготовка інструкцій.; Сценарії:
* ПІБ працівників;
* зарплата;
* адреси;
* телефони;
* email;
* паспортні інформаційні дані;
* банківські реквізити;
* медичні або кадрові документи;
* оцінки ефективності;
* службові розслідування.; Рекомендація
Результат:
== AI і галюцинації ==
|-
| продажі та реалізація
| Прогноз угод і рекомендація наступної дії
| Вища конверсія
|-
| закупівельна діяльність
| Рекомендація замовлень постачальникам
| Менше дефіцитів
|-
| складський облік
| Виявлення залежалих товарів
| Менше заморожених коштів
|-
| фінансовий блок
| Прогноз cash flow
| Менше касових розривів
|-
| Service Desk
| Класифікація заявок
| Швидша супровід
|-
| електронний документообіг
| Витягування реквізитів з договорів
| Менше ручного введення
|-
| Виробництво
| Прогноз поломок
| Менше простоїв
|}
{| class="wikitable" style="width:100%;"
== AI і прогнозування ==
!; '''Machine Learning''' або '''машинне навчання''' — це підхід, коли платформа навчається на історичних даних і потім робить прогнози або класифікації.; Поганий запит:
організація хоче зменшити прострочену дебіторку.; |
600 шт.; Сума
Приклад хорошого запиту до AIAI має змогу рекомендувати дії.; У фінансах AI має змогу допомагати з аналізом платежів, бюджетів і ризиків.;Приклад машинного навчання в продажахПриклад human-in-the-loop
Пов’язані сторінки: AI і інтеграції |
- | BI | Показує звіти й дашборди | продажі та реалізація за місяць | ||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| AI | Аналізує, прогнозує, пояснює, рекомендує | Чому продажі та реалізація впали і що робити | ||||||||||||||||||||||||||||||
| AI + BI | Поєднує цифри, пояснення й рекомендації | Дашборд із автоматичними висновками |
платформа має змогу показати попередження:
AI у Service Desk
Що таке генеративний AI?
AI і API
!; Пояснення Prompt engineering — це формулювання запитів до AI так, щоб отримати корисну відповідь.; Пов’язана сторінка: Аудит дій |- | Табличні інформаційні дані | продажі та реалізація, залишки, платежі | Прогноз і аналітичні інструменти |- | Текст | Заявки, листи, договори | NLP і RAG |- | Зображення | Фото браку, скани документів | OCR і computer vision |- | Логи | Помилки, дії користувачів | Аудит і кібербезпека |- | Часові ряди | продажі та реалізація по днях, залишки | Прогнозування |}
Коротко
Основні ризики:
В ERP AI має змогу допомагати в багатьох процесах.;== AI у документообігу == |- | K2 ERP | Джерело бізнес-даних і процесів |- | API | Контрольований доступ до даних |- | Векторна база | Пошук по документах і знаннях |- | AI-модель | Генерація відповідей і аналіз |- | Права доступу | Фільтрація даних по ролях |- | Аудит | Запис запитів і дій |- | Power BI | аналітичні інструменти й дашборди |}
переважні аспекти AI
AI знаходить інструкцію й відповідає:
Типові сценарії:
Галюцинація AI — це ситуація, коли модель впевнено генерує неправильну або вигадану відповідь.; Комп’ютерний зір застосовується для аналізу зображень і відео.;== Основні напрями AI ==
- збільшились закупівельні ціни;
- частина товарів продавалась зі знижками;
- кілька менеджерів продавали нижче мінімальної маржі;
- зросла частка повернень;
- не оновили прайс після зміни курсу.; # ERP фіксує дію в аудиті.; {| class="wikitable" style="width:100%;"
AI витягує:
Приклад LLM у бізнесі
- знайти документ;
- пояснити звіт;
- підказати наступну дію;
- створити чернетку заявки;
- знайти помилку в документі;
- пояснити причину відхилення;
- підготувати лист клієнту;
- сформувати SQL або BI-запит;
- відповісти по регламенту компанії.; | Терміново закупити
|}
AI має змогу рекомендувати, але людина має підтверджувати:
Чим AI відрізняється від звичайної автоматизації?
Потрібно підготувати:
- розпізнавання тексту;
- розпізнавання зображень;
- генерації відповідей;
- перекладу;
- класифікації документів;
- пошуку схожих об’єктів;
- аналізу голосу;
- прогнозування складних залежностей.; * ERP для складу
- Складський облік
- Номенклатура 1С
У виробництві AI має змогу допомагати з плануванням, якістю й обладнанням.; це напрям технологій.; Лід організація має історію продажів за 3 роки.; Значення |- | Оплата Google Ads | Маркетинг |- | Оренда складу | Оренда |- | Ремонт навантажувача | Ремонт обладнання |- | Доставка клієнту | Логістика |}
LLM — це велика мовна модель, яка має змогу розуміти й генерувати текст, відповідати на запитання, пояснювати інформаційні дані, працювати з документами й допомагати користувачам у діалозі.; |- | Не відкривається звіт по продажах | BI / формування звітів | Середній | Аналітик |- | Не можу провести платіж | Казначейство | Високий | Фінансовий адміністратор |- | Зникла кнопка друку рахунку | ERP / форма | Середній | ERP-адміністратор |- | На складі неправильний залишок | складський облік | Високий | Команда складу |}
AI бачить:
- швидше аналізувати інформаційні дані;
- знаходити помилки;
- прогнозувати попит;
- автоматизувати рутину;
- скорочувати ручну роботу;
- покращувати клієнтський сервіс;
- зменшувати ризики;
- підвищувати якість звітності;
- знаходити аномалії;
- прискорювати пошук інформації;
- підтримувати користувачів ERP;
- готувати аналітику для керівників;
- інтегрувати знання з різних систем.;=== Який результат правильного використання AI? ===
AI і навчання користувачів
AI має змогу використовувати різні типи даних.; * хто поставив запитання;
- які інформаційні дані були використані;
- яку відповідь отримав користувач системи;
- чи створив AI документ;
- чи змінив AI статус;
- хто підтвердив дію;
- які API-запити виконані;
- які помилки виникли.;
істотно. AI не замінює якісний обліковий облік, права доступу, чисті довідники, контрольні суми, аудит дій і відповідальність людей.; Потрібно фіксувати:
AI і автоматизація процесів процесів
- сума продажів у AI = сума продажів у ERP;
- дебіторка в AI = дебіторка в фінансовому звіті;
- залишки в AI = залишки в складському звіті;
- платежі в AI = платежі в банківському контурі;
- кількість заявок у AI = кількість заявок у Service Desk.;
Менеджер питає AI:
AI і K2 ERP
- регламент казначейства;
- правила погодження;
- роль фінансового директора;
- винятки для податкових платежів;
- історію схожих заявок.; !; AI — це штучний інтелект, тобто технології, які допомагають програмам аналізувати інформаційні дані, розуміти текст, робити прогнози, знаходити закономірності, генерувати відповіді й автоматизувати частину роботи.; * дублікати;
- порожні поля;
- правильність довідників;
- історичні інформаційні дані;
- зв’язки між таблицями;
- права доступу;
- персональні інформаційні дані;
- якість текстів;
- актуальність документів;
- зовнішні ID;
- аудит змін;
- контрольні суми.; Великий бізнес-середовище має змогу будувати AI-платформу:
Що таке AI?; * регламенти;
|
Які ризики?;AI і Machine Learning
Чому я не можу провести надходження товарів?; Розробник просить: AI має працювати з урахуванням прав доступу.;== Приклад AI у казначействі == |
; У документообігу AI має змогу працювати з договорами, актами, рахунками та листами.; Продаж нижче мінімальної маржі.;
У складському обліку AI має змогу допомагати управляти залишками.;
має змогу виконувати:
Вони використовуються для:
AI і BI: різниця
Приклади: | |
|---|---|---|---|
| організація А | 78% | Відкривали пропозицію 4 рази | Зателефонувати сьогодні |
| організація B | 25% | Немає відповіді 14 днів | Перевести в nurturing |
| організація C | 90% | є собою бюджет і терміновий запит | Підготувати договір |
Приклад AI в ERP
!; AI відповідає:
Приклад ERP-асистента
Приклад AI для договору
Сценарії: !;=== Що таке LLM? ===
!; AI/OCR має змогу витягувати інформаційні дані з:
AI у середньому бізнесі
- брати цифри з ERP або BI;
- використовувати контрольні запити;
- показувати джерело;
- не дозволяти AI самостійно “рахувати з пам’яті”;
- порівнювати з Power BI;
- логувати використані інформаційні дані.; ERP-асистент — це AI-помічник усередині ERP.; Потрібно контролювати:
* прогноз попиту; * контроль залишків; * пошук помилок у документах; * рекомендація закупівель; * аналіз дебіторки; * прогноз грошового потоку; * класифікація витрат; * аналіз маржі; * контроль цін; * автоматизація процесів заявок; * аналіз продуктивності виробництва; * підказки користувачам; * пошук по базі знань.; # AI формує відповідь на основі джерел.;[[Категорія:Права доступу]] * товар продається швидше, ніж зазвичай; * постачальник везе 14 днів; * залишку вистачить на 6 днів; * у минулому місяці був дефіцит; * маржа по товару висока.; Керівник пише: * вигадує інформаційні дані; * посилається на неіснуючий документ; * неправильно пояснює цифри; * рекомендує дію без підстав; * плутає клієнтів; * робить висновок без перевірки джерел.; |- | Який результат?; Напрям
У бізнесі це небезпечно, якщо AI:
AI потрібен для підсилення людей і систем.;== AI і ERP-асистент ==
AI в ERP
- температура зростає;
- вібрація вища за норму;
- продуктивність падає;
- останній ремонт був 120 днів з цієї причини;
- схожі ознаки раніше передували поломці.; * створити документ повернення;
- вибрати клієнта й договір;
- додати товари;
- перевірити партії або серійні номери;
- вказати складський облік повернення;
- провести документ;
- сформувати коригуючі документи;
- повідомити бухгалтерію.;== Приклад AI у виробництві ==
AI часто підключається до ERP через API.; # Формує пояснення.;== Як зменшити галюцинації AI ==
Кращий запит:
AI має змогу добре пояснювати текст і закономірності, але цифри потрібно перевіряти.; Перед запуском AI потрібно підготувати інформаційні дані.; Товар
- незвично великий платіж;
- різке падіння маржі;
- списання великої кількості товару;
- нестандартна знижка;
- різке зростання повернень;
- замовлення з незвичного регіону;
- зміна банківських реквізитів перед оплатою;
- багато помилок входу в систему.; Категорія
Проаналізуй дебіторську заборгованість по клієнтах.; Ефект
* не заповнений договір;
* у постачальника неактивний статус;
* у рядку 3 немає одиниці виміру;
* складський облік заблокований для приймання;
* користувач системи не має права проводити документи понад 100 000 грн.; Приклади:
Поширені помилки:
AI аналізує продажі та реалізація й помилково бачить три різні товари.;== AI і відповідальність ==
[[Категорія:Документообіг]]
користувач системи питає:
* запропонувати модель даних;
* знайти N+1 проблему;
* пояснити повільний запит;
* згенерувати міграцію;
* написати валідацію;
* підготувати API-метод;
* описати зв’язки між сутностями.; | Штучний інтелект — технології для аналізу, прогнозування, генерації тексту, пошуку закономірностей і автоматизації.; AI краще функціонує, коли запит містить:
'''RAG''' — це '''Retrieval-Augmented Generation''', тобто генерація відповіді з пошуком у джерелах даних.;== AI і персональні інформаційні дані ==
!;=== Що таке RAG? ===
* швидший аналіз;
* менше ручної роботи;
* кращі прогнози;
* швидша супровід;
* кращий контроль ризиків;
* менше помилок у документах;
* швидший пошук інформації;
* краща аналітичні інструменти;
* персональні підказки користувачам;
* ефективніші бізнес-процеси;
* більше прозорості для керівництва.; користувач системи пише:
'''Нейронні мережі''' — це математичні моделі, які можуть навчатися на великих обсягах даних.; У CRM AI має змогу допомагати продажам.; AI-проєкт має змогу включати:
|-
| Контрагент
| ТОВ “Постачальник”
|-
| Сума
| 1 200 000 грн
|-
| Валюта
| UAH
|-
| Строк дії
| До 31.12.2026
|-
| Умови оплати
| 50% аванс, 50% після поставки
|-
| Штрафи
| 0,1% за день прострочення
|}
[[Категорія:Power BI]]
Середній бізнес-середовище має змогу використовувати AI глибше:
Сценарії:
* автоматичні висновки;
* пояснення відхилень;
* пошук аномалій;
* прогноз трендів;
* генерація текстового коментаря;
* відповіді на питання керівника;
* підготовка щотижневого резюме;
* аналіз план-факт.; Роль
[[Категорія:Виробництво]]
* закупити товар;
* змінити мінімальний залишок;
* переглянути ціну;
* зупинити знижку;
* перевірити постачальника;
* зв’язатися з клієнтом;
* оновити договір;
* змінити маршрут доставки;
* перевірити підозрілий платіж;
* переглянути бюджет.; Під час переходу з BAS у K2 ERP AI знаходить:
Приклади:
Покажи собівартість товарів по всіх складах.; AI має змогу знаходити події, які відрізняються від нормальної поведінки.;== AI і контрольні суми ==
== Приклад OCR для рахунку ==
<pre>
!; * прогноз попиту неправильний;
* закупівля занижена;
* залишки розбиті;
* Power BI показує неточну маржу;
* менеджери не довіряють рекомендаціям.; Тип даних
AI має змогу відповісти:
* номер рахунку;
* дату;
* постачальника;
* ЄДРПОУ;
* IBAN;
* суму;
* валюту;
* ПДВ;
* товари;
* строк оплати;
* договір.;[[Категорія:AI агенти]]
== Типові помилки при впровадженні AI ==
* класифікацію заявок;
* пошук документів;
* підготовку чернеток;
* витягування реквізитів;
* первинну перевірку;
* рекомендації;
* резюме звітів;
* пошук аномалій.; {| class="wikitable" style="width:100%;"
AI має змогу допомагати з рутинними задачами, аналізом і підказками, але відповідальність за критичні фінансові, юридичні, кадрові та управлінські рішення для бізнесу має залишатися за людьми.; '''Головне.''' AI — це не одна програма, а набір підходів: машинне навчання, нейронні мережі, генеративний AI, великі мовні моделі, комп’ютерний зір, рекомендаційні системи, прогнозування, класифікація, пошук, автоматизація процесів й AI-агенти.;<pre>
AI має змогу показати:
Приклади:
- прийняти задачу;
- знайти інформаційні дані;
- перевірити умови;
- сформувати рекомендацію;
- створити чернетку документа;
- відправити на погодження;
- записати результат;
- повідомити користувача.; AI.; * дублікати клієнтів;
- дублікати номенклатури;
- порожні договори;
- неправильні валюти;
- документи без підрозділів;
- хаотичні статті витрат;
- неправильні залишки;
- старі користувачі;
- відсутність зовнішніх ID;
- слабкий аудит;
- ручні Excel-файли поруч із ERP.; RAG має змогу знайти:
AI і точність відповідей
Приклад аномалії
AI — це технології, які дозволяють системам імітувати окремі елементи людського інтелекту.; AI аналізує призначення платежу:
{{SEO