Почему после успешного внедрения становится тяжелее, хотя ожидали, что станет легче

[ToxaBes]

Новая ERP стала требовательнее к качеству ввода. Нужные реквизиты и аналитические признаки требовалось указывать до проведения документа. 

Всегда так было, чем сложнее система, тем более требовательна она к качеству данных. Тут работает правило "мусор на входе - мусор на выходе" и именно ML решения позволяют автоматизировать эти требования к данным.

Подробность данных обеспечивали сотрудники, работавшие с первичкой.

Эм, так а в чем проблема с первичкой-то? Правильный ML снимает большую часть нагрузки с сотрудников, но это не решается методом "просто взять модель и настроить промт". Чтобы не быть голословным, вот пример, добавить в него доп аналитику чтобы модель сама проставляла необходимые признаки не проблема.

[exBigBear]

Согласен, сегодня я бы как раз занялся автоматизацией этого ввода. Тогда заказчик принял нагрузку ради новых возможностей, и дальше мы не пошли. Статья как раз об этом.

Если нужную аналитику можно получить из данных или определить по правилам, вручную заполнять её незачем. Только я бы проверил, сколько времени уходит на весь документ, включая исправления, и стало ли человеку действительно легче работать.

[vagon333]

overengineering

Много прототипирую и разрабатываю.
Главное правило - решать насущную проблему, pain point.

[akakoychenko]

Paint point, как я понял, недостаток прозрачности для серьезных людей. И ее решили. То, что больше тупой возни у линейного персонала, который плохо учился в школе и пошёл на завод, это из разряда «проблемы индейцев шерифа не волнуют»