Что скрывается за AI-стратегией SAP, Oracle и Palantir: зачем корпоративному ИИ семантическое ядро

[ASenchenko]

Кирилл, добрый день. Прочитал статью. Впечатлён объёмом и системностью. Видно, что проделана серьёзная работа.

Я сам немного архитектор, и мне хорошо знакомо это чувство: когда появляется новая технология, хочется сразу затащить её в контур, чтобы «расширить капабилити».

Но у нас, похоже, разные стартовые точки. Вы глубоко разобрали «как» интегрировать ИИ в ERP. Для меня же первичен ответ на вопрос «зачем?». Не в перспективе «когда ИИ дозреет», а здесь и сейчас. Какую конкретную бизнес-задачу это решает? Что станет дешевле, быстрее или надёжнее для компании в текущем контуре? От этого и нужно смотреть конкретное исполнение.

Давайте посмотрим на историю внедрений. ERP эволюционировали в современные монолиты именно так – поэтапно поглощая крупные функциональные блоки.

Что прижилось внутри ядра:
* MDM: модули управления НСИ.
* BPM: маршруты согласований, статусные модели, эскалации.
* WMS/TMS: управление складом и логистикой (часто в ядре или на бесшовной интеграции).
* BI/OLAP: встроенные кубы, отчёты, дашборды. Базовая аналитика – штатный модуль.
* GRC: контроль доступа, аудит, SOX-отчётность, разделение полномочий.
* Rule Engines: конструкторы скидок, условий ценообразования, валидаторы.

Что осталось снаружи или не взлетело:
* Полноценные CRM (обычно пристроены сбоку с синхронизацией).
* Блокчейн (экономика, приватность и пропускная способность не сошлись).
* Корпоративные соцсети (попытки вроде SAP Jam быстро сошли на нет).
* Ранний ML на полках/кассах: единичные пилоты, массового внедрения не случилось.

Вывод напрашивается сам: в ядро ERP успешно «затащили» только то, что:

* Детерминировано (правила, маршруты, справочники).
* Требует жёсткой консистентности (запасы, финансы, аудит).
* Имеет чётко локализованную область применения.

Всё остальное ушло в интегрированные внешние сервисы или осталось экспериментами.

Примерим это к ИИ:
* Детерминизм? Нет. Вероятностная природа. Можно обложить ИИ RAG-ом, MD-инструкциями, сбить ему температуру до нуля, но косинусное сходство не станет равенством.
* Консистентность? Не требуется. Модель работает с «любым» входом, лишь бы хватило контекста.
* Локализация области? Тоже нет. LLM по определению универсальны, а не заточены под узкий контур.

Добавлю ещё два практических аспекта, которые критичны в энтерпрайзе:

* Управляемость и откаты. В ERP мы точно знаем, что изменилось в релизе, и можем откатить пакет. В случае с ИИ (особенно внешним или часто обновляемым) мы не всегда фиксируем, когда и как изменились веса модели, версия промпта или логика выборки RAG. «Откатить галлюцинацию» сложнее, чем откатить транзакцию или патч.
* Экономика и безопасность. Свои модели – это GPU, ML-инженеры, пайплайны для датасетов. Внешние API в контуре документооборота – риски утечки коммерческих данных и вопросы комплаенса. Всё это должно окупаться, а без чёткого «зачем» бюджет на содержание быстро съест гипотетическую выгоду.

Отвечу на ваш финальный вопрос: да, мы используем ИИ, и есть ряд рабочих кейсов (возможно, позже опишем). Но ни один из них пока не требует «нормализации терминов» внутри ERP-контура.

Ну и по сути. То, что Вы называете «семантическим ядром для ИИ», в enterprise-архитектуре последние 20 лет известно под другими именами: предметная область, НСИ, метамодель, регламенты ведения данных. Проблема обычно не в том, что ИИ «не понимает» контекст, а в том, что бизнес не хочет тратить ресурсы на дисциплину данных, пока не прижмёт. Встраивать дополнительный слой как решение галлюцинаций – это лечить симптом, а не корень.

Или я что-то упустил в Вашей логике? Буду рад конструктивной дискуссии.

[dmiche]

Спасибо за статью.
На консалтинге мы наблюдаем довольно интересную картину в России: ERP слишком сложны даже для большого бизнеса. Т.е., даже на крупных российских предприятиях ERP сидит как на корове седло: вроде и корова, но ехать надо, и без седла никак. Это становится обидно заметным в сравнении с транснационалами, у которых и конь-огонь, и наездник-джигит.

Задумавшись над этим вопросом, пришли к выводу, что у нас, в России, промышленный менталитет, ан масс - это второй уровень экономического сознания, т.е. основан на экспертности и личностях. На этом уровне нет (и не может быть) бизнес-процессов, есть только инструкции. По сути своей - обычаи и ритуалы, которые применяются экспертами по месту. И оно работает - когда экспертов-подвижников достаточно. Это про нас.

ERP - это артефакт третьего уровня, когда в основу производства ложатся регулярные процессы с точно воспроизводимыми процедурами . В России ERP часто становится имитацией бурной деятельности: если заглянуть "на землю", то мы увидим как дыры в планировочных схемах сшиваются вполне конкретными персоналиями, находящимися друг с другом в неуставных отношениях.

Есть ощущение, что это - не спроста, а вполне константный показатель для нашей территории развития. Для западной мысли ERP логичен и естественен и мы его импортировали. Более того, до появления ИИ он оставался наиболее близок к управленческому идеалу.

Но теперь появился ИИ... и есть ощущение, что он даёт возможность перейти от цифровой учётной механики к смысловой онтологической. Т.е., видится интересным использовать ИИ, в т.ч., для непрерывной систематизации процессов, сущностей и отношений, чтобы компенсировать невозможность полноценного внедрения ERP.

Запустить вместо ERP более низкий, операционный слой, который будет лучше сшиваться за счёт скорости и за счёт подхвата выпадающих учётных процедур (что и может дать ИИ). Бонусом будет кратно более высокая адаптивность таких управляющих механизмов по сравнению с классическими учётными системами.

Если более предметно: ИИ позволяет не только следовать процессам, а выявлять их, составлять карту "текучих" процессов и взаимосвязей. Для этого ему нужен язык описания, пригодный для отражения производственной действительности и, одновременно, позволяющий получать ограниченные контекстные слепки.

Если говорить о втором уровне, то интерпретация языка (моделирование) будет заключаться не столько в имитации прохождения предмета по цепочке, сколько в оценке наличия взаимосвязей от входа к выходу и наличия на всём протяжении необходимой пропускной способности для потока (объём, латентность). Это немного другая история, потому что там нет 100% утверждённых путей, там именно "русло и дельта".

И вот это был бы для ИИ очень хороший организационный... как нынче модно говорить "харнесс", а по простому говоря - операционная среда, реализующая ограничения.