SAP Business AI – wszystko, co warto wiedzieć o sztucznej inteligencji w ramach SAP BTP

Tradycyjny system SAP R/3, który przez lata wspierał przedsiębiorstwa w zarządzaniu procesami, ustępuje aktualnie miejsca systemom S/4HANA. Jednocześnie R/3 SAP zamienia na zupełnie nowe 3R – Relevant, Reliable and Responsible. Są to zasady, zgodnie z którymi SAP tworzy oprogramowanie wykorzystujące sztuczną inteligencję. Te trzy filary stanowią fundament nowoczesnych aplikacji SAP, które wykorzystują sztuczną inteligencję do zapewnienia bardziej trafnych analiz, niezawodnych danych oraz odpowiedzialnych decyzji.

• Klienci mogą korzystać z wbudowanych funkcjonalności opartych o sztuczną inteligencję już od pierwszego dnia użytkowania systemu, w istotny sposób wpływając na sposób codziennej pracy (zasada Relevant).
• Dzięki wykorzystaniu informacji dostępnych w czasie rzeczywistym i najlepszych praktyk korzystanie z AI zapewnia wiarygodne wyniki (zasada Reliable).
• Ostatnim komponentem jest odpowiedzialność (zasada Responsible) – SAP podczas rozwijania rozwiązań opartych o AI kładzie duży nacisk zarówno w kwestie bezpieczeństwa, jak i etyki.

Jak AI rewolucjonizuje sposób, w jaki firmy korzystają z systemów SAP? Jakie korzyści niesie ze sobą wykorzystanie narzędzi opartych o sztuczną inteligencję w ramach środowiska SAP?

SAP BTP, czyli SAP Business Technology Platform

Strategia SAP dotycząca wykorzystania GenAI opiera się o platformę chmurową SAP Business Technology Platform (w skrócie: SAP BTP). W praktyce oznacza to, że rozwiązania wykorzystujące sztuczną inteligencję, będą dostępne jedynie w wersji Cloud systemów dostarczanych przez SAP. Wpisuje się to w szerszy kontekst wykorzystania SAP Business Technology Platform jako jednolitej platformy łączącej:

• przetwarzanie danych,
• analitykę,
• projektowanie i tworzenie aplikacji,
• automatyzację i integrację.

Sztuczna inteligencja stanowi integralną część platformy, będąc jednocześnie akceleratorem innowacji.

Model LLM – strategiczne współpraca z dostawcami modeli

W obszarze GenAI SAP stawia na strategiczne współprace z wiodącymi dostawcami modeli LLM. Dzięki temu SAP może skupić się na tym, co stanowi centralny punkt jego funkcjonowania, czyli dostarczanie coraz lepszych aplikacji biznesowych. Jednocześnie dzięki licznym partnerstwom z dostawcami LLM, SAP zapewnia możliwość wykorzystania rozwiązań dostarczanych przez liderów rynku w bezpiecznym środowisku platformy SAP BTP.

Na ten moment lista modeli dostępnych w ramach platformy SAP BTP obejmuje aż 44 modele różnych dostawców, takich jak między innymi Mistral (Mistral AI), Amazon (model Titan, Nova), Meta (LLama), IBM (model Granite), Anthropic (model Claude), OpenAI (modele ChatGPT), Google (modele Gemini), Alephalpha, czy Deepseek. Lista jest regularnie rozszerzana, zarówno o kolejne wersje modeli, jak i nowych dostawców.

Modele językowe LLM są dostępne w kilku formatach:

• SAP Hosted – modele hostowane na infrastrukturze własnej SAP, zarządzane w ramach SAP AI Core;
• SAP Managed – modele hostowane na izolowanej infrastrukturze Hyperscaler i zarządzane w ramach SAP AI Core
• Remote – modele hostowane i zarządzane przed Dostawców, dostępne przez SAP AI Core.

Jak korzystać z SAP Business AI? – Możliwe modele wdrożenia

SAP Business AI stanowi bardzo zróżnicowaną paletę rozwiązań adresujących różnorodne problemy biznesowe. Co więcej, rozwiązania dostępne w ramach SAP Business AI są dostępne w kilku różnych modelach.

1. Pierwszą grupę rozwiązań AI stanowią standardowe i gotowe do użycia funkcje. Dostępne są one w ramach licencji jako część konkretnego systemu dostarczanego przez SAP, a do ich uruchomienia potrzebna jest standardowa licencja.
2. Kolejną grupę stanowią przygotowane przez SAP funkcje premium, wymagające odrębnej licencji i uruchamiane jako dodatkowa funkcjonalność. Szczegóły rozliczania są zróżnicowane w zależności od konkretnej aplikacji, dlatego przed jej wdrożeniem należy zawsze sprawdzić warunki jej użytkowania. Część aplikacji jest rozliczana na podstawie liczby użytkowników, część na podstawie liczby wygenerowanych zapytań/odpowiedzi utworzonych z wykorzystaniem sztucznej inteligencji.
3. Inną opcją wdrożenia jest tworzenie dedykowanych aplikacji opartych o dostępne w ramach BTP modele językowe we współpracy z partnerem SAP. To podejście zapewnia zdecydowanie największą elastyczność, korzystając z szerokich możliwości integracyjnych platformy BTP.

Scenariusze biznesowe wspierane przez AI

Pojęcie sztucznej inteligencji jest bardzo szerokie i obejmuje swoim zakresem zróżnicowane algorytmy, które mogą wspierać bardzo różnorodne scenariusze biznesowe. Poza popularnymi modelami językowymi, wiele funkcjonalności wykorzystujących AI opiera się o algorytmy predykcyjne czy klasyfikujące. To oznacza, że zakres aplikacji, które mogą być wspierane przez sztuczną inteligencję, jest bardzo szeroki.

AI w sprzedaży – obsługa klienta

Obszar obsługi klienta tradycyjnie stanowi miejsce, gdzie wykorzystywane są algorytmy uczenia maszynowego.

Najbardziej typowe zastosowania obejmują:

• rekomendacje produktów na podstawie dotychczasowych zakupów,
• rekomendacje zniżek,
• modele scoringowe oceniające aktualnych, nowych i potencjalnych klientów.

Kolejną grupę zadań w obszarze sprzedaży, które mogą zostać zautomatyzowane, stanowi generowanie treści. Przykładem są opisy produktów na stronę internetową na podstawie bazy danych zawierającej ich atrybuty.

Przykładem takiej funkcjonalności jest SAP CX AI Toolkit – Inteligent Customer Profile. To narzędzie dla konkretnego klienta zbiera m.in. informacje zawarte w systemie dotyczące:

• dotychczasowej historii sprzedaży,
• zgłoszeń serwisowych,
• otwartych szans sprzedaży.

Na podstawie zgromadzonych informacji narzędzie SAP CX AI Toolkit generuje opis klienta w naturalnym języku o wybranym stopniu szczegółowości. W ten sposób możliwe jest przyspieszenie pracy działu obsługi klienta. Pracownicy otrzymują bowiem podstawowe informacje w formacie, który jest łatwy do zrozumienia i nie wymaga poświęcenia dużych nakładów czasowych na konwersję.

SAP Integrated Business Planning i zarządzanie łańcuchem dostaw

Zarządzenie łańcuchem dostaw to jeden z trudniejszych obszarów funkcjonowania nowoczesnego przedsiębiorstwa stąd duża potrzeba optymalizacji procesów w tym obszarze. Algorytmy AI mogą nas wspomóc w:

• przewidywaniu popytu na poszczególne grupy produktów,
• identyfikacji tzw. produktów słabo rotujących,
• optymalizacji dostaw.

W obszarze zarządzania łańcuchem dostaw, SAP oferuje system SAP Integrated Business Planning i przede wszystkim to w nim możemy znaleźć rozwiązania oparte o algorytmy sztucznej inteligencji.

Przykładem takiej funkcjonalności jest Demand Sensing – zaawansowana analityka predykcyjna dotycząca prognozowania popytu na produkty, uwzględniająca w prognozie wiele zmiennych. Demand Sensing dotyczy precyzyjnego prognozowania krótkoterminowego, wykorzystując sprawdzoną metodologię SAP.

Inną ciekawą funkcjonalnością korzystającą ze sztucznej inteligencji w ramach IBP jest AI-assisted forecasting – służące do prognozowania długoterminowego w różnych obszarach, nie tylko dotyczących popytu.

SAP Business AI w finansach

Finanse są wyjątkowo wrażliwym obszarem funkcjonowania przedsiębiorstwa, wymagającym zegarmistrzowskiej precyzji. Mimo to, także w tym obszarze da się zidentyfikować funkcjonalności, które mogą zostać wsparte przez sztuczną inteligencję.

SAP proponuje wykorzystanie AI m.in. w obszarze przetwarzania faktur – zamiast ręcznego, pracochłonnego wprowadzania danych do systemów, można skorzystać z narzędzi pozwalających na odczytanie danych z zeskanowanych dokumentów przy wsparciu jakim jest model językowy LLM. Użytkownikowi pozostaje jedynie zatwierdzenie lub korekta wartości odczytanych przez model.

Innymi obszarami, które może wspierać AI są:

• identyfikacja należności z dokonanymi płatnościami,
• obsługa procesu rozliczania wydatków służbowych związanych z podróżami poprzez weryfikację wydatków, klasyfikację dostarczonych faktur i paragonów.

Przykładem takiej aplikacji w obszarze Finansów może być SAP Ariba Central Invoice Management – Supplier Invoice File Extraction. Narzędzie stanowi stację walidacyjną dla zeskanowanych i załadowanych dokumentów, pozwalające na weryfikację i korektę ewentualnych błędów w ekstrakcji danych. Informacje o dokonanych korektach są zapisywane i utrzymywane w systemie, a rozwiązanie pozwala na wygodne zarządzanie kolejką dokumentów w ramach zespołu zajmującego się rozliczaniem należności. Narzędzie bazuje na funkcjonalności Document Information Extraction, która pozwala na przetwarzanie w podobny sposób różnego rodzaju dokumentów (nie tylko faktur) zgodnie ze zdefiniowanym szablonem.

SAP Business w AI i HR

Obszar zarządzania zasobami ludzkimi (HR) również może zostać wsparty rozwiązaniami wykorzystującymi sztuczną inteligencję. Przykładem może być m.in.:

• rekomendacja szkoleń dla pracowników na różnych stanowiskach, w oparciu o zakres obowiązków i dotychczasowe doświadczenie
• tworzenie opisów stanowisk do ogłoszeń rekrutacyjnych,
• generowanie przykładowych pytań na rozmowy rekrutacyjne
• przeprowadzenie wstępnego screeningu CV otrzymywanych od kandydatów ubiegających się o pracę.

Przykładem aplikacji, która wspiera HR, jest SAP Success Factors Recruiting – applicant screening. Narzędzie ma za zadanie zidentyfikować umiejętności kandydata na podstawie dostarczonego CV i powiązać je z umiejętnościami wymaganymi na dane stanowisko na podstawie opisu z ogłoszenia. Dodatkowo, narzędzie może zasugerować dodatkowe umiejętności, o które warto zapytać kandydata lub wskazać te wymagające uzupełnienia. Dzięki jego zastosowaniu czas poświęcony na procesowanie aplikacji kandydatów przez dział zajmujący się rekrutacją może zostać zredukowany nawet o około 70%.

SAP Business AI w IT

Zespoły developerów również mogą wykorzystywać rozwiązania wspierane przez sztuczną inteligencję w swojej codziennej pracy, przede wszystkim korzystając z SAP Joule – copilota stworzonego przez SAP. Dzięki jego zastosowaniu możliwe jest zwiększenie wydajności pisania kodu źródłowego, a także przygotowywania danych testowych i automatyzacja procesów. SAP Joule jest szczególnie przydatny w:

• szybkim przygotowywaniu prototypów, istotnie skracając czas od pomysłu do realizacji
• monitorowaniu systemów pod kątem bezpieczeństwa i wydajności.

SAP Joule – dedykowany copilot od SAP

Zdecydowanie najciekawszym narzędziem wykorzystującym sztuczną inteligencję oferowanym przez SAP jest SAP Joule – copilot, który rewolucjonizuje sposób pracy z systemem, ułatwiając codzienną pracę użytkowników systemu. SAP oferuje dwa warianty narzędzia – Joule for Consultants i Joule for Developers. Joule oferuje możliwość interakcji pomiędzy systemem a użytkownikiem przy wykorzystaniu naturalnego języka, działając jak personalny asystent posiadający rozbudowaną wiedzę na temat działania systemu i zawartych w nim danych. Dzięki wykorzystaniu Joule użytkownicy nie muszą już szukać właściwej aplikacji potrzebnej do ukończenia ich zadań, przeszukiwania forów i baz danych, żeby znaleźć odpowiedzi na nurtujące ich pytania dotyczące poszczególnych funkcjonalności czy konfiguracji systemu. Proste zadania mogą zostać zautomatyzowane, pozostawiając więcej czasu na działania związane z rozwijaniem biznesu.

Wsparcie, jakie SAP Joule zapewnia w codziennej pracy, obejmuje zarówno użytkowników biznesowych, jak i użytkowników technicznych, w tym developerów. Zespoły programistyczne mogą korzystać z wsparcia w codziennej pracy przy tworzeniu kodu dzięki wykorzystaniu narzędzia Joule Studio, dostępnego w ramach SAP Build. Joule Studio wspiera między innymi:

• budowanie aplikacji,
• integrację i konfigurację workflow,
• tworzenie i korzystanie z Agentów AI, będących w stanie radzić sobie ze skomplikowanymi zadaniami wymagającymi logicznego myślenia i znajomości kontekstu.

Jak przeprowadzić pierwszy projekt AI?

Projekty wykorzystujące sztuczną inteligencję można podzielić na kilka faz, podobnie jak inne projekty wdrożeniowe. Są to kolejno:

1. identyfikacja,
2. walidacja,
3. realizacja i produktyzacja,
4. faza operacyjna.

Ideation Phase - identyfikacja

Przygotowania do wdrożenia rozwiązań opartych o sztuczną inteligencję rozpoczynają się od fazy identyfikacji możliwych zastosowań AI w danej organizacji. Następuje przegląd możliwych przypadków użycia, technicznych możliwości i ograniczeń (w tym w szczególności prawnych), a także potencjalnych zysków z wdrożenia.

Rozwój technologii wykorzystujących AI w ostatnich latach, w tym w szczególności opartych o duże modele językowe (LLM) sprawia, że lista potencjalnych rozwiązań staje się bardzo długa i obejmuje wiele obszarów funkcjonowania przedsiębiorstw. Najpopularniejsze zastosowania to:

• tworzenie i tłumaczenie treści,
• tworzenie podsumowań,
• analiza sentymentu,
• klasyfikacja,
• wsparcie operacyjne dzięki chatbotom oraz agentom AI.

W fazie identyfikacji kluczowe jest z jednej strony wsparcie klienta w poszerzeniu wiedzy na temat rozwiązań dostępnych na rynku, a z drugiej analiza konkretnych przypadków użycia pod kątem doboru istniejących rozwiązań technologicznych adresujących zidentyfikowane wyzwania.

Validation Phase – walidacja

W trakcie tej fazy następuje ocena, czy zidentyfikowane przypadki użycia rzeczywiście mogą być zaadresowane przy pomocy sztucznej inteligencji. Należy wziąć pod uwagę zarówno aspekty technologiczne, jak dostępność i jakość danych i ograniczenia prawne związane z ich przetwarzaniem. Te zagadnienia w istotny sposób wpływają na możliwą do zastosowania architekturę.

W trakcie tej fazy następuje testowanie różnych dostępnych modeli i rozwiązań, najczęściej w iteracyjnym procesie. Walidacja obejmuje również ocenę czy wdrożenie rozwiązania opartego o sztuczną inteligencję jest efektywne kosztowo dla danego przypadku użycia. Dodatkowym kryterium, które powinno zostać wzięte pod uwagę, są także kwestie etyczne – SAP w tej kwestii kieruje się konkretnym zestawem zasad (SAP’s Global AI Ethics Policy), które pozwalają zminimalizować ryzyko wykorzystania AI w niewłaściwy sposób.

Realization and Productization Phase – realizacja i produktyzacja

W tej fazie wypracowane przypadki użycia są wdrażane produkcyjnie. Wdrożenie obejmuje zarówno kwestie biznesowe (dopracowanie szczegółów rozwiązania), jak i techniczne (włączenie rozwiązania opartego o AI w istniejącą architekturę systemów informatycznych). Istotnym elementem procesu jest także ustalenie, w jaki sposób mierzona będzie efektywność wdrożonego rozwiązania.

Operation and Continuous Improvement Phase – faza operacyjna i rozwojowa

Ostatnia faza obejmuje produkcyjne wykorzystanie stworzonego narzędzia opartego o sztuczną inteligencję, a także jego dalszy rozwój. Istotne jest regularne monitorowanie rozwiązania pod kątem jakości. Rozwiązania oparte o sztuczną inteligencję wymagają utrzymania tak jak wszystkie inne rodzaje systemów. Ze względu na swój niedeterministyczny charakter potrzebne jest okresowe „dotrenowanie” modelu w oparciu o zgromadzone nowe dane, a także informacje zwrotne dostarczane przez użytkowników końcowych rozwiązania.

Bezpieczeństwo wykorzystania AI w SAP

W debacie o sztucznej inteligencji pojawia się wiele pytań dotyczących bezpieczeństwa stosowania rozwiązań wspartych AI. Rosnąca złożoność systemów, skomplikowana architektura, ryzyko nieetycznego użycia narzędzi opartych o AI lub powielanie stereotypów i uprzedzeń – to tylko kilka z najczęściej pojawiających się w dyskusjach wyzwań. SAP bardzo poważnie traktuje zagadnienia związane z cyberbezpieczeństwem i nie inaczej jest w przypadku wykorzystania AI. Dlatego dla narzędzi opartych o GenAI stworzono specjalną metodologię zarządzania bezpieczeństwem – GenAI Security Methodology.

Zgodnie z GenAI Security Methodology, aby zapewnić bezpieczeństwo rozwiązań, niezbędne jest właściwe zarządzanie ryzykiem. Podczas tworzenia rozwiązań brane są pod uwagę takie kwestie, jak podatność na ludzkie pomyłki i możliwość użycia niezgodnie z przeznaczeniem.

Rozwiązania oparte o AI zazwyczaj korzystają z dużej ilości danych, często kluczowych dla organizacji lub zawierających informacje wrażliwe. Dlatego tak ważne jest zidentyfikowanie możliwych zagrożeń oraz zabezpieczenie systemów i zawartych w nich danych przez zastosowanie rozwiązań mitygujących już zidentyfikowane ryzyka. SAP przykłada dużą wagę do szczegółowego monitorowania rozwiązań opartych o sztuczną inteligencję, dzięki czemu możliwe jest szybkie wykrywanie nieprawidłowości i natychmiastowa reakcja.

Podczas tworzenia rozwiązań opartych o sztuczną inteligencję SAP wprowadza rygorystyczne standardy związane z kilkoma szczególnie wrażliwymi obszarami. Jedną z najczęściej przetwarzanych kategorii danych są te dotyczące klientów. Aby zabezpieczyć te dane przed ryzykiem wycieku, SAP wprowadza bardzo ścisłe procedury zarządzania danymi i separacją środowisk.

Kolejnym obszarem wymagającym szczególnej kontroli są kwestie związane z własnością intelektualną i prawami autorskimi – w tym w szczególności związanymi z własnością kodu źródłowego aplikacji. Korzystanie z rozwiązań opartych o GenAI dostarczanych przez SAP i jednocześnie dostępnych w ramach systemów SAP pozwala uniknąć problemów z tym związanych.

Podsumowanie

Sztuczna inteligencja to temat, któremu w ostatnich dwóch latach poświęca się wiele uwagi. Nie jest to jednak temat nowy – aplikacje i funkcjonalności wykorzystujące sztuczną inteligencję powstają od wielu lat i nie inaczej jest w przypadku SAP. Pojęcie AI jest bardzo szerokie, stąd zakres możliwych zastosowań dotyka praktycznie każdego obszaru biznesowego, i jest ograniczony wyłącznie kreatywnością osób przygotowujących rozwiązania i dostępnością dobrej jakości danych potrzebnych do trenowania modelu. Podobnie jak w przypadku klasycznych wdrożeń, w ramach SAP możemy zarówno skorzystać z gotowych funkcjonalności przygotowanych przez dostawcę oprogramowania, jak i stworzyć dedykowane rozwiązania adresujące specyficzne problemy organizacji. Te ostatnie tworzone są w bezpiecznym środowisku przy wykorzystaniu modeli językowych dostarczanych przez liderów rynku.