Idag ser vi betydligt mer jordnära och konkreta tillämpningar rullas ut. Lösningar som skapar löpande värde och gör en stor skillnad för den enskilde användaren i affärssystemet. Tillämpningar som löser ett konkret problem.
Några exempel på just sådana konkreta lösningar som är på gång i S/4 Cloud är:
- Förutspå betalningsförmågan hos kunderna.
- Estimera faktiska leveranstider till kund.
- Beräkna ledtiderna innan reservdelarna finns tillgängliga.
- Ge förslag på underhållslösningar baserat på tidigare lösningar.
I affärssystemssammanhang är den ofta enorma mängden tillgänglig data och historik en stor tillgång, inte minst när prediktioner om framtiden skall göras. Historisk data som beslutsunderlag kan också med fördel kombineras med andra faktorer som istället handlar om nuläget, t ex tillgängliga resurser. Kombinationen gör det möjligt att med hög precision till exempel prognosticera kundernas betalningsförmåga eller bedöma vilken faktisk leveranstid som en fabrik behöver för att bli färdiga med den beställda varan.
I sammanhanget är detta stora saker i det lilla, men gör stor skillnad både för användaren som snabbare kan ta beslut och för företaget som får bättre förutsättningar att hantera både likviditet och leveransprecision.
Samma sak gäller för underhållsprocessen som länge varit föremål för automatisering. Där kommer det snart att vara standard att systemet automatiskt läser underhållsbeskrivningar som inkommer från operatörerna och tar fram förslag på lämpliga lösningar baserat på hur samma problem har hanterats tidigare.
Mängden tillämpningar som löser mikroproblem kommer rullas ut allt tätare de kommande åren och det är inte osannolikt att AI-lösningar, som vi känner dem idag, inte kommer att kopplas till det som är AI i framtiden – istället kommer det då vara självklarheter i det moderna sättet som vi jobbar i affärssystem.
