Publicerad
Författare
Teknologins snabba utvecklingstakt mot molnbaserade affärssystem (ERP) innebär otvivelaktigt nya möjligheter, men för den offentliga och finansiella sektorn innebär den också stora utmaningar. Dessa sektorer vill kunna hålla sig uppdaterade och relevanta genom att anamma affärssystemens senaste funktionalitet, men de behöver samtidigt säkerställa att de uppfyller strikta regler kring säkerhet och dataskydd samt tillhandahålla robusta lösningar för både kunder och medarbetare. Detta kräver strategisk planering och en djup förståelse för både teknik och lagstiftning.
Smarta system bygger på principen "om detta händer, gör då så här". De styrs av fasta algoritmer och regler där utfallet är förutbestämt. Ett klassiskt exempel är lagerhantering: när lagersaldot faller under en viss nivå, genererar systemet automatiskt ett inköpsförslag. Detta är värdefullt och sparar tid, men det är i grunden en reaktiv process. Systemet ifrågasätter inte om inköpet är det bästa beslutet just nu utifrån ett större perspektiv – det följer bara sin instruktion.
En övergång till ett nytt affärssystem kan därför bli påfrestande för organisationen och frustrerande för medarbetarna.
Ett tänkande system arbetar i stället utifrån definierade verksamhetsmål. Här handlar det inte om att följa en rak linje, utan om att navigera i ett komplext landskap där olika handlingsalternativ balanseras mot varandra. Tänk dig samma scenario med begynnande lagerbrist. Ett tänkande system upptäcker inte bara bristen, utan analyserar konsekvenserna. Det väger olika alternativ mot varandra:
Det tänkande systemet strävar efter att balansera mål som exempelvis en jämn produktionstakt, hög utleveranssäkerhet och optimal lagertäckning. Det fattar beslut baserat på vad som bäst gynnar verksamhetens övergripande mål i stället för att vara baserat på enskilda och isolerade parameter.
Skillnaden mellan dessa två modeller blir extra tydlig när man analyserar hur AI utvecklas och implementeras.
1. AI som påbyggnad i smarta system
I smarta system fungerar AI ofta som en påbyggnad. Man kan använda externa AI-tjänster som anropar affärssystemets befintliga affärslogik för att utföra specifika transaktioner. Det är effektivt för punktinsatser, men begränsas av att systemet saknar en övergripande processmotor med relationer mellan samtliga delprocesser.
2. AI i kärnan av tänkande system
I tänkande system tillämpas en annan modell. Här behöver AI-tjänsterna vara inbyggda i grundlogiken. För att kunna simulera olika scenarier och balansera komplexa mål krävs att intelligensen finns i systemets kärna och definierade processflöden, där den har full tillgång till all data och alla beroenden mellan processer i realtid.
Att förstå skillnaden mellan smart och tänkande är viktigt inför framtidens ökande konkurrens. Smarta system med externa AI-tjänster räcker långt men tänkande system med inbyggda AI-tjänster skapar större potential till automation – under förutsättning att vi vågar släppa på kontrollen.
Vi är ännu i ett tidigt skede av skiftet över till tänkande system. Men utvecklingen inom AI sker med en hög hastighet och med en molnbaserad infrastruktur uppstår dagligen nya möjligheter till ökad automation och effektivisering.
När du blickar framåt är den kritiska frågan inte längre bara vilken funktionalitet du behöver i dina framtida system, utan vilken typ av intelligens som du vill ska styra din verksamhet. Är du redo att gå från ett system som bara utför order, till ett som faktiskt kan tänka själv och avlasta i den dagliga planeringen?
