Обновить
32K+
4,76
Оценка работодателя
89,08
Рейтинг
2 275
Подписчики

AI в ERP: как не остаться с демо вместо рабочего решения

AI давно перестал быть экспериментом для энтузиастов: компании используют его в аналитике, разработке, работе с документами и корпоративными знаниями. Для ИТ-директоров и владельцев ERP-контура вопрос стоит конкретно: где искусственный интеллект действительно меняет процесс, а где превращается в дорогую надстройку без измеримого эффекта.

11 августа в 12:00 мы проводим открытый вебинар, на котором разберем, как подойти к внедрению AI в ERP-контуре: от первой гипотезы до рабочего корпоративного решения.

Обсудим, какие задачи в контуре ERP уже можно закрывать с помощью AI, чем это отличается от классической автоматизации и ML-моделей, и как выбрать первую гипотезу так, чтобы она не превратилась в очередной пилот на полке.

Если подойти к AI-инициативе формально, проблемы обычно всплывают уже в проде: модель уверенно предлагает решение по документу, в котором на самом деле ошибка в мастер-данных; никто не может объяснить, почему AI принял то или иное решение по проводке; пилот отлично работает на тестовых данных и разваливается на реальном объёме; а ответственность за результат размыта между бизнесом и ИТ настолько, что легче свернуть проект, чем разобраться, что пошло не так.

На вебинаре обсудим, какие задачи в ERP-контуре AI решает уже сегодня, чем ML-модели отличаются от классической автоматизации и больших языковых моделей, какие операции должны оставаться под контролем человека, как выбрать и проверить первую AI-гипотезу и что подготовить, чтобы пилот стал рабочим решением.

О чем будем говорить

— Где AI уже реально помогает в контуре ERP: закупки, тендерная документация, обработка документов, корпоративный поиск, аналитика.
— Чем AI отличается от классической автоматизации и ML-моделей и когда каждый из этих подходов работает лучше.
— Какие операции в ERP — проводки, закрытие периода, изменение мастер-данных — должны оставаться под контролем человека.
— Как выбрать первую AI-гипотезу: какую проблему решаем, для кого и какие данные для этого нужны.
— Как проверить идею до внедрения — через интервью, прототип, ручную имитацию AI или пилот на одном процессе.
— Что подготовить, чтобы пилот стал рабочим решением: интеграции, доступы, безопасность, контроль качества, SLA и зоны ответственности бизнеса и ИТ.

Кому будет полезно

Вебинар ориентирован на ИТ-директоров и CIO, руководителей ERP- и 1С-направлений, руководителей цифровой трансформации, архитекторов корпоративных систем и проектные команды, которые рассматривают AI-сценарии вокруг ERP, данных, документов и корпоративных знаний.

Участие бесплатное, требуется предварительная регистрация

Теги:
-1
Комментарии0
ЕЖЕДНЕВНЫЙ ХАБР | 9 АВГ 2026
Охват37K

Что видит DPI, и что мы попробовали у него отобрать

Последние пару лет я работаю в команде, которая занимается устойчивой к DPI (Deep Packet Inspection) туннельной инфраструктурой — по сути, альтернативой классическому VPN.

Когда начинаешь заниматься этим всерьёз, довольно быстро обнаруживается неприятная вещь: шифрование само по себе давно уже не означает, что трафик нельзя распознать. Содержимое пакетов действительно можно скрыть, но пакет от этого не исчезает. У него остаются размер, направление, время появления; соединение начинается с определённой последовательности сообщений, TLS-клиент определённым образом представляется серверу, поток ускоряется, замедляется, замирает и снова начинает передавать данные.

Для человека всё это выглядит как куча зашифрованных байтов. Для классификатора — как вполне пригодный набор признаков.

Поэтому значительная часть нашей работы в итоге свелась не к тому, чтобы «зашифровать ещё сильнее», а к более практическому вопросу: что именно видит наблюдатель снаружи и по каким признакам он может решить, что перед ним не браузерный трафик, а туннель.

Об этом и расскажу.

Что видит DPI, и что мы попробовали у него отобрать

Информация

Сайт
career.korusconsulting.ru
Дата регистрации
Дата основания
2000
Численность
1 001–5 000 человек