Hvilke oppgaver bør AI løse først i ERP-systemet?

Når en AI-assistent kobles til Business NXT eller Visma Net gjennom AI Connect, kan den hente og analysere ERP-data ved hjelp av vanlig språk. I Business NXT kan løsningen også opprette og oppdatere utvalgte poster innenfor brukerens eksisterende tilganger.

Mulighetene er mange, men det betyr ikke at virksomheten bør starte med de mest avanserte oppgavene. En trygg og verdiskapende innføring begynner med å velge noen få bruksområder der behovet er tydelig, datagrunnlaget er godt og gevinsten kan måles.

I denne artikkelen ser vi nærmere på hvilke oppgaver som egner seg best i den første fasen – og hvilke dere bør vente med.

Hva kjennetegner et godt første bruksområde?

Et godt bruksområde for AI i ERP bør løse et reelt problem. Det bør ikke velges fordi teknologien virker imponerende, men fordi oppgaven i dag krever unødvendig mye tid, mange manuelle oppslag eller gjentatte sammenstillinger.

Vi anbefaler å begynne med oppgaver som har flere av disse kjennetegnene:

• Oppgaven utføres ofte
• Informasjonen finnes allerede i ERP-systemet
• Det tar tid å finne eller sammenstille svaret manuelt
• Resultatet kan kontrolleres av en fagperson
• En feil vil ikke automatisk få store økonomiske eller operative konsekvenser
• Gevinsten kan måles i spart tid, raskere oppfølging eller bedre kvalitet

Det betyr som regel at virksomheten bør starte med innsikt, analyse og oppfølging før AI får en større rolle i prosesser som endrer data eller utløser handlinger.

1. Prioritering av forfalte kundefordringer

Oppfølging av utestående fordringer er en tilbakevendende oppgave i mange økonomiavdelinger. Informasjonen finnes i ERP-systemet, men det kan ta tid å sortere kundene etter forfallsdato, beløp, betalingshistorikk og samlet eksponering.

En AI-assistent kan bidra til å hente frem og strukturere informasjonen. Brukeren kan for eksempel spørre:

• Hvilke kunder har størst forfalt saldo?
• Hvilke poster har vært forfalt i mer enn 30 dager?
• Hvilke kunder bør følges opp først?
• Hvordan har utestående fordringer utviklet seg den siste måneden?

AI bør ikke alene avgjøre hvordan en kunde skal følges opp. Den kan imidlertid gi økonomimedarbeideren et raskere utgangspunkt for prioritering og videre vurdering.

Dette er en god kandidat fordi oppgaven gjentas ofte, datagrunnlaget er tydelig, og resultatet enkelt kan kontrolleres mot reskontroen.

2. Oppfølging av prosjektøkonomi

Prosjektledere trenger løpende oversikt over timer, kostnader, inntekter, fakturering og lønnsomhet. Utfordringen er ofte ikke at dataene mangler, men at de ligger i flere bilder eller rapporter og må ses i sammenheng.

Aktuelle spørsmål kan være:

• Hvilke prosjekter avviker mest fra budsjettet?
• Hvilke prosjekter har svakest margin denne måneden?
• Hvor mangler det registrerte eller godkjente timer?
• Hvilke prosjekter har kostnader som ikke er fakturert videre?
• Hvilke prosjekter bør prosjektlederen undersøke nærmere?

AI kan hjelpe med å identifisere avvik og prioritere hva som bør følges opp. Den endelige vurderingen må likevel gjøres av personer som kjenner prosjektet, leveransen og eventuelle forhold som ikke fremgår av ERP-dataene.

3. Analyse av omsetning, marginer og kostnader

Mange virksomheter bruker mye tid på å hente ut de samme analysene hver måned. Ledelsen ønsker ofte å vite hva som har endret seg, hvor avvikene er størst, og hvilke områder som bør undersøkes nærmere.

I stedet for å åpne flere rapporter kan brukeren stille spørsmål som:

• Hvordan har omsetningen utviklet seg sammenlignet med samme periode i fjor?
• Hvilke kundegrupper har hatt størst vekst eller tilbakegang?
• Hvor har marginene falt mest?
• Hvilke kostnadskategorier avviker fra budsjett?
• Hva forklarer den største endringen fra forrige måned?

AI kan gjøre det raskere å utforske data og finne mulige sammenhenger. Den bør imidlertid ikke presentere en forklaring som et sikkert svar uten at brukeren kontrollerer avgrensninger, perioder og datagrunnlag.

Derfor egner denne typen analyser seg godt som beslutningsstøtte, men ikke som erstatning for økonomifaglig vurdering.

4. Lager- og innkjøpsoppfølging

For virksomheter med lager kan AI bidra til å gjøre store datamengder mer tilgjengelige. Det kan være særlig nyttig når innkjøps- eller lageransvarlige skal finne varene som trenger oppmerksomhet.

Eksempler på spørsmål er:

• Hvilke varer binder mest kapital på lager?
• Hvilke varer har hatt lav eller ingen bevegelse den siste perioden?
• Hvilke varer nærmer seg minimumsbeholdning?
• Hvilke produktgrupper har størst endring i omløpshastighet?
• Hvilke leverandører eller varegrupper har hatt størst prisøkning?

Slike svar kan gi et godt utgangspunkt for videre vurdering. Innkjøpsbeslutninger påvirkes likevel også av forhold som sesong, leveringssituasjon, kampanjer, avtaler og forventet etterspørsel. AI ser bare den konteksten den har tilgang til.

Bruksområdet passer derfor godt når målet er å finne avvik og kandidater til oppfølging – ikke når AI alene skal avgjøre hva som skal bestilles.

5. Gjentakende ledelsesrapportering

Ledelsen trenger ofte en kort oppsummering av de viktigste tallene, ikke nødvendigvis enda en omfattende rapport.

AI kan brukes til å hente og sammenstille informasjon som:

• utvikling i omsetning og resultat
• likviditet og utestående fordringer
• lønnsomhet per prosjekt, kunde eller forretningsområde
• lagerverdi og kapitalbinding
• de største avvikene fra budsjett eller foregående periode

Et godt første bruksområde kan være å la AI lage et utkast til en periodisk oppsummering. En økonomiansvarlig kontrollerer tallene, vurderer forklaringene og tilfører nødvendig kontekst før innholdet deles.

Da brukes AI til å redusere tiden som går med til å finne og sammenstille informasjon, mens kvalitetssikringen og den faglige vurderingen fortsatt ligger hos virksomheten.

6. Søk etter konkrete opplysninger

Ikke alle nyttige bruksområder trenger å være avanserte analyser. Noe av den raskeste gevinsten kan komme fra enkle spørsmål som brukerne ellers må navigere gjennom flere bilder for å besvare.

Det kan for eksempel være:

• Hva er saldoen til denne kunden?
• Hvilke fakturaer inngår i beløpet?
• Hvilken ordre tilhører denne leveransen?
• Hvilke åpne poster finnes på denne leverandøren?
• Hvilke dokumenter er knyttet til denne transaksjonen?

AI Connect gjør det mulig for AI-assistenter å lese data, kjøre spørringer og hente dokumenter i den virksomhetskonteksten brukeren har tilgang til.

Enkle oppslag kan virke mindre spektakulære enn avansert analyse, men dersom mange ansatte utfører dem flere ganger hver dag, kan den samlede tidsbesparelsen bli betydelig.

7. Identifisering av avvik som bør undersøkes

AI kan også brukes til å rette oppmerksomheten mot det som skiller seg ut.

Eksempler kan være:

• uvanlig store transaksjoner
• kraftige endringer fra tidligere perioder
• prosjekter med svakere margin enn forventet
• kunder med endret betalingsmønster
• varer med uventet høy eller lav bevegelse
• poster som mangler nødvendig informasjon

Her er det viktig å skille mellom å identifisere et mulig avvik og å fastslå årsaken. ERP-dataene kan vise at noe har endret seg, men forklaringen kan ligge i en avtale, en hendelse eller en forretningsmessig vurdering som ikke er registrert i systemet.

AI kan derfor hjelpe brukeren med å finne hvor det er verdt å se nærmere. Fagpersonen må avgjøre hva avviket betyr og om det krever handling.

Oppgaver dere bør vente med

Når teknologien kan opprette og oppdatere poster, er det fristende å gå raskt videre fra analyse til automatiserte handlinger. AI Connect støtter slike operasjoner i Business NXT, og Visma beskriver også muligheten for å opprette og oppdatere informasjon med menneskelig godkjenning. Det konkrete funksjonsomfanget vil avhenge av løsning, versjon, oppsett og brukerens tilganger.

Det betyr ikke at skriveoperasjoner er et godt sted å starte.

Vær særlig forsiktig med oppgaver som:

• kan påvirke bokføring eller betaling
• endrer priser, betingelser eller kritiske grunndata
• utløser bestillinger eller andre økonomiske forpliktelser
• krever betydelig faglig skjønn
• bygger på ufullstendige eller usikre data
• er vanskelige å reversere eller kontrollere i etterkant

Før AI får utføre slike handlinger, bør virksomheten avklare ansvar, godkjenning, sporbarhet og hvordan eventuelle feil skal oppdages og korrigeres.

En god tommelfingerregel er å starte med at AI finner, sammenstiller og foreslår. Deretter kan virksomheten gradvis vurdere hva den også skal få lov til å utføre.

Slik velger dere de første bruksområdene

Begynn med å samle representanter fra fagavdelingen, ERP-forvaltningen og ledelsen. Be dem identifisere oppgaver som tar mye tid eller gir unødvendig venting i dag.

Vurder deretter hver oppgave ut fra fem spørsmål:

1. Finnes det et tydelig problem eller behov?
2. Ligger det nødvendige datagrunnlaget i ERP-systemet?
3. Kan resultatet kvalitetssikres av en fagperson?
4. Er konsekvensen av et feil svar håndterbar?
5. Kan vi måle om den nye arbeidsmåten gir verdi?

Velg ett til tre bruksområder som scorer godt på alle fem. Test dem med en liten gruppe brukere, dokumenter erfaringene og vurder effekten før dere utvider.

Det gir et bedre beslutningsgrunnlag enn å åpne løsningen bredt og håpe at de mest verdifulle arbeidsmåtene oppstår av seg selv.

Derfor er ERP-kompetanse viktig når bruksområdene skal velges

Det er enkelt å lage en liste over mulige AI-oppgaver. Det vanskeligere er å forstå hvilke som passer virksomhetens prosesser, datagrunnlag og kontrollbehov.

Et spørsmål kan høres enkelt ut, men kreve kunnskap om:

• hvordan dataene er strukturert
• hvilke selskaper, perioder og dimensjoner som skal inngå
• hvordan tilganger og roller er satt opp
• hvilke forretningsregler som gjelder
• hvem som eier prosessen
• hvordan svaret skal kontrolleres og brukes videre

Det er her erfaring med ERP og arbeidsprosesser gjør en forskjell.

En rådgiver bør ikke starte med å demonstrere alt teknologien kan gjøre. Rådgiveren bør hjelpe virksomheten med å finne de oppgavene som gir et realistisk forhold mellom gevinst, kompleksitet og risiko.

Slik kan Proplan hjelpe

I Proplan kombinerer vi kompetanse på Business NXT og Visma Net med erfaring fra økonomi-, prosjekt- og logistikkprosesser.

Vi hjelper virksomheter med å kartlegge arbeidsoppgaver, identifisere gode bruksområder og etablere en avgrenset pilot. Sammen vurderer vi datagrunnlag, tilganger, kontrollbehov og hvordan effekten skal måles.

Målet er ikke å finne flest mulig ting AI kan gjøre.

Målet er å finne de riktige oppgavene å starte med.

Ønsker du hjelp til å finne de mest relevante bruksområdene for AI i din virksomhet? Ta kontakt med en av våre rådgivere for en uforpliktende prat.

Ofte stilte spørsmål om bruksområder for AI i ERP (FAQ)