SAP S/4HANA со встроенным ИИ: как это меняет повседневную работу

Узнайте, как ИИ работает в SAP S/4HANA: от чистого ядра и качества данных до встроенных сценариев использования, решений в реальном времени и безопасного, прозрачного исполнения.

Если ИИ не встроен в ERP-систему, он часто работает отдельно: анализирует данные и формирует отчеты. Но влияет ли он в таком виде на ежедневные процессы?

Большая часть структурированных данных компании хранится в SAP S/4HANA. Это бухгалтерские записи, движение запасов, заказы, производственные подтверждения и счета поставщиков. Когда ИИ встроен прямо в систему, он работает с этими данными в момент выполнения операций. В результате система не просто фиксирует события, а подсказывает, что делать дальше.

В статье разберем, какую роль играет Clean Core («чистое ядро») при внедрении ИИ, чем отличаются встроенные и внешние архитектуры, и где это дает практическую пользу — в финансах, цепочке поставок и операционной работе. Также покажем, как SAP обеспечивает прозрачность и контроль данных.

Почему Clean Core влияет на результаты ИИ в SAP S/4HANA

Модели ИИ не работают сами по себе — им нужны понятные и согласованные данные. В SAP S/4HANA такие данные хранятся в стандартных таблицах и связаны с четко выстроенными процессами. Если эту структуру сильно менять, данные становятся разрозненными, и системе сложнее с ними работать.

Подход Clean Core означает, что основа системы остается стандартной. Доработки выносятся за пределы ядра и создаются с помощью предусмотренных инструментов — например, через встроенную расширяемость или внешние сервисы. При этом стандартные объекты не переписываются.

Если менять стандартные таблицы, ИИ теряет «понимание» процессов. В этом случае данные приходится дополнительно готовить и настраивать, чтобы алгоритмы могли их использовать. Это увеличивает время и усложняет внедрение.

Когда структура остается стандартной, система легче обновляется, а данные остаются согласованными между модулями. Это упрощает подключение ИИ: решения от SAP быстрее начинают работать, потому что уже «ожидают» именно такую модель данных.

Почему структура системы важна для ИИ

Для сценариев ИИ структура данных играет ключевую роль. Моделям машинного обучения нужен стабильный доступ к основным и транзакционным данным. Это журнальные записи, документы по материалам, заказы на продажу и счета поставщиков.

Проблемы начинаются, если система сильно доработана: поля переопределены, таблицы дублируются, а бизнес-логика уходит в пользовательские Z-программы. В таком случае ИИ приходится настраивать отдельно под каждую версию системы. Это замедляет внедрение и усложняет перенос моделей между системами.

Второй важный фактор — качество данных. Дубли бизнес-партнеров, разные значения одних и тех же атрибутов материала или неполные данные по центрам затрат напрямую влияют на точность прогнозов. ИИ не исправляет такие ошибки. Он работает с тем, что есть, и просто отражает их в результатах. Если исторические данные противоречивые, модель будет воспроизводить те же искажения в прогнозах.

Финансовый эффект технического долга

Степень доработки системы влияет и на затраты. Чем больше изменений в системе, тем больше времени уходит на тестирование при обновлениях. Встроенные ИИ-возможности SAP рассчитаны на стандартные объекты и официальные API.

Подход Clean Core снижает сложность интеграций и упрощает внедрение новых функций ИИ, которые появляются в следующих релизах.

Для руководителей, которые оценивают инвестиции в ИИ, это имеет прямое практическое значение. Результат внедрения ИИ в SAP S/4HANA зависит от двух факторов: насколько «чисто» выстроено ядро системы и насколько качественные данные в нем используются.

Если эти условия не соблюдены, ИИ превращается в отдельный проект по настройке и доработке. Если соблюдены, он становится частью обычных бизнес-процессов и работает внутри транзакций, а не отдельно от них.

Как работает ИИ в SAP S/4HANA

ИИ в SAP S/4HANA не существует в одном формате. Он реализуется в двух архитектурных моделях. Разница между ними влияет на управление системой, возможности расширения, стоимость поддержки и масштабирование в будущем.

Понимание этой разницы важно еще до того, как компания формирует свою дорожную карту внедрения ИИ.

Встроенный ИИ в SAP S/4HANA

Встроенный ИИ — это функции, которые уже входят в стандартный код SAP S/4HANA. Они работают прямо внутри бизнес-транзакций и приложений SAP Fiori и используют данные системы в реальном времени.

Этот подход хорошо подходит для типовых задач, которые уже встроены в процессы ERP.

Примеры таких сценариев:

• Предиктивные функции в финансах;
• Автоматическое сопоставление счетов;
• Выявление аномалий при поступлении товаров;
• Обработка стандартных бизнес-ситуаций.

В финансовых процессах ИИ может заранее формировать ожидаемые проводки на основе текущих операций. Все это работает внутри ERP и учитывает существующие роли и права доступа.

С технической стороны такие функции опираются на сервисы SAP. Данные остаются внутри системы, поэтому не нужно настраивать их перенос во внешние инструменты. Это упрощает контроль, аудит и соблюдение требований.

Еще один плюс — обновления. Возможности ИИ развиваются вместе с самой системой, без сложной доработки.

Этот подход подходит, когда стандартных функций достаточно и нет задачи сильно менять архитектуру. Если же нужны более сложные сценарии, их выносят за пределы ERP — например, на SAP Business Technology Platform.

Внешний ИИ на SAP BTP

Внешний (side-by-side) ИИ работает за пределами S/4HANA. Обычно его строят на платформе SAP Business Technology Platform и связывают с ERP через API.

В этом случае данные передаются через защищенные интерфейсы. Модели обучаются и работают вне ERP, а результаты возвращаются обратно в систему или используются в отдельных приложениях.

Такой подход дает больше свободы. Можно создавать собственные модели, учитывать особенности отрасли, подключать внешние источники данных или запускать сложные сценарии — например, продвинутую аналитику или цифровых помощников.

Но за гибкость приходится платить дополнительной сложностью. Нужно продумать:

• Как передавать данные;
• Как управлять API;
• Как обновлять модели;
• Как обеспечить безопасность.

Как выбрать подход

На практике компании часто используют оба варианта.

Встроенный ИИ подходит, когда хватает стандартных возможностей SAP. Он проще в запуске и не требует сложной архитектуры.

Внешний ИИ используют, когда нужны более сложные или уникальные сценарии. Он позволяет развивать функциональность без изменений в самой ERP.

При этом есть важное правило: система должна оставаться стабильной и легко обновляться. Любые расширения, включая ИИ, не должны усложнять будущие обновления.

Для руководителей здесь ключевой вопрос не в том, где именно использовать ИИ. Важнее понять, где достаточно стандартных функций, а где дополнительные решения действительно дают пользу бизнесу.

Узнайте, как ИИ может помочь в ключевых бизнес-процессах

Узнайте больше о его применении и влиянии.

Подробнее

Где ИИ дает ощутимый эффект в SAP S/4HANA

ИИ в SAP S/4HANA приносит пользу не сам по себе, а в конкретных процессах. Лучше всего он работает там, где есть понятные операции, стабильные данные и регулярные действия.

Ниже — несколько сценариев, где это видно в ежедневной работе.

Прогноз денежных потоков на основе реальных платежей

Обычно планирование ликвидности строится на условиях оплаты и ручных корректировках. Но в реальности клиенты платят не всегда по договору.

ИИ анализирует, как клиенты вели себя раньше, и на этой основе прогнозирует, когда деньги действительно поступят. Он учитывает задержки и типичное поведение по каждому клиенту.

В итоге прогноз становится ближе к реальности. Финансовые команды раньше видят возможные кассовые разрывы и могут заранее скорректировать планы.

Планирование запасов с учетом реального спроса

Традиционные модели управления запасами опираются на фиксированные уровни: минимальный и максимальный запас, точки перезаказа. Эти параметры часто пересматриваются нерегулярно и не всегда отражают текущую ситуацию.

ИИ в цепочке поставок анализирует историю спроса, сезонность и текущие изменения в потреблении. На основе этого он предлагает более гибкие уровни запасов.

Буферы адаптируются под реальный спрос, а не остаются статичными. В условиях нестабильных поставок это помогает снизить избыточные запасы без риска дефицита.

Эффект отражается сразу в нескольких показателях: оборотный капитал, уровень сервиса и устойчивость цепочки поставок.

Контроль маржи через рекомендации по ценам

Решения по ценообразованию часто принимаются на основе фиксированных правил или ручных корректировок. ИИ может анализировать историю продаж, скидки и поведение клиентов и предлагать корректировки цен в рамках заданных ограничений.

Это помогает увидеть, где скидки снижают маржу без роста объема продаж, а также выявить клиентов с высокой чувствительностью к цене.

Важно, что речь не идет об автоматическом изменении цен. ИИ дает рекомендации, основанные на данных, а решение остается за бизнесом.

Раннее выявление рисков в финансовых проводках

ИИ может анализировать проводки и находить отклонения от обычного поведения.

Если операция выглядит нетипично, система отмечает ее до закрытия периода. Это помогает раньше находить ошибки и снижает объем ручной проверки перед аудитом.

В результате финансовые команды тратят меньше времени на поиск проблем и быстрее их исправляют.

Планирование обслуживания оборудования

В производстве ИИ может анализировать данные об оборудовании: ремонты, отказы, загрузку.

На основе этих данных система оценивает вероятность поломки и подсказывает, когда лучше провести техническое обслуживание.

Это позволяет планировать обслуживание не по фиксированному графику, а по реальному состоянию оборудования.

Такой подход снижает незапланированные простои и помогает избежать лишнего обслуживания. В результате улучшается стабильность производства и более точно распределяются затраты на ремонт и обслуживание.

Пользователи S/4HANA используют разговорные ИИ-агенты для прямого взаимодействия с системой.

Узнайте больше о решениях, таких как SAP Joule, которые поддерживают запросы на естественном языке.

Узнать больше

Как SAP S/4HANA превращает документы в структурированные данные

Большая часть операционной информации поступает в компанию не в виде структурированных записей ERP, а в виде документов. Это счета поставщиков в PDF, заказы на продажу из электронной почты, отсканированные накладные, договоры и другие вложения.

Во многих компаниях такие данные сотрудники вручную переносят в SAP S/4HANA. Это занимает время и увеличивает риск ошибок.

Извлечение данных из документов с помощью ИИ

SAP использует оптическое распознавание текста и модели машинного обучения, чтобы извлекать структурированные данные из документов.

Система автоматически определяет и извлекает ключевые поля, например:

• Поставщик или клиент;
• Номер и дата счета;
• Позиции и количество;
• Суммы без налога и налог;
• Условия оплаты.

Затем эти данные сопоставляются с бизнес-объектами в SAP S/4HANA.

Задача здесь не просто распознать текст, а правильно понять бизнес-смысл документа. Поэтому модели обучены работать с типовыми форматами документов в закупках, продажах и финансах.

Проверка данных перед записью в ERP

Извлеченные данные не попадают в систему без проверки.

В процессе обработки счетов система сверяет их с заказами на закупку, документами о приемке товаров и основными данными поставщика.

Если количество и цены находятся в допустимых пределах, счет проходит стандартный процесс согласования. Если есть расхождения, документ отправляется на проверку ответственному сотруднику.

Такой подход поддерживает внутренний контроль и требования аудита.

Обработка исключений вместо ввода данных

Главное изменение в работе пользователей заключается в том, что они больше не переписывают данные из документов вручную.

Вместо этого они обрабатывают только исключения и спорные случаи.

По каждому документу система сохраняет исходный файл, извлеченные значения и уровень уверенности модели. В некоторых случаях исправления пользователей могут использоваться для улучшения модели. Со временем это повышает точность распознавания.

Не только счета: заказы и договоры

Этот подход работает не только для счетов. Он также применяется к заказам и договорам.

Заказы на продажу, полученные по электронной почте, могут автоматически превращаться в структурированные документы SAP. Договоры анализируются для извлечения ключевых параметров, например:

• Стоимость контракта;
• Сроки действия;
• Условия оплаты;
• Штрафы и ограничения.

Эти данные становятся доступными для поиска и могут использоваться для автоматических напоминаний или проверок.

Прозрачность и соответствие требованиям

Все данные, извлеченные с помощью ИИ, остаются проверяемыми. Каждый документ можно связать с оригинальным файлом, а все действия фиксируются в системе. Это упрощает внутренний аудит и помогает соблюдать требования регуляторов, при этом снижая ручную работу с документами.

В итоге ИИ для обработки документов в SAP S/4HANA уменьшает ручной ввод, ускоряет процессы и помогает сделать ERP системой, где данные остаются единым и надежным источником информации о бизнесе.

Часто задаваемые вопросы: ключевые вопросы об ИИ в SAP S/4HANA

Нужно ли переходить на S/4HANA Cloud, чтобы использовать ИИ?

Нет, это не обязательное условие.

Функции ИИ доступны как в SAP S/4HANA Cloud (сейчас SAP Cloud ERP), так и в SAP S/4HANA on-premise, но их набор может отличаться.

В облачной версии многие ИИ-возможности поставляются вместе с регулярными обновлениями SAP. В локальных установках часть функций может требовать дополнительных компонентов или подключения SAP Business Technology Platform. Конкретная доступность зависит от версии системы и лицензирования, поэтому перед внедрением важно провести техническую оценку текущей среды.

Какие данные покидают нашу ERP-систему?

В сценариях встроенного ИИ данные обычно остаются внутри SAP S/4HANA. Модели работают напрямую с операционными данными в системе.

В сценариях side-by-side на SAP Business Technology Platform данные передаются через API или реплицируются в отдельные сервисы. Потоки данных заранее определяются на этапе архитектуры решения.

Передача данных защищена: используется шифрование при передаче и в состоянии хранения, а доступ ограничен ролями пользователей. ERP не открывает доступ ко всем данным автоматически — перемещается только то, что предусмотрено конкретным сценарием.

Как контролируются решения ИИ?

ИИ в SAP S/4HANA работает внутри заданных бизнес-правил.

Например, проверки счетов-фактур по-прежнему учитывают допустимые отклонения, а финансовые проводки проходят через стандартные процессы согласования.

Система не принимает финальные решения самостоятельно. Она формирует рекомендации, флаги или предлагает значения, а итоговое действие выполняется пользователем в рамках настроенных ролей и процессов.

Такой подход основан на принципе human-in-the-loop: ИИ помогает, но не заменяет человека.

Дополнительно доступны показатели уверенности, контекст и журналы аудита. Это позволяет отследить, какие данные повлияли на рекомендацию и как было принято решение.

Какие основные риски внедрения?

Основные риски связаны не столько с самим ИИ, сколько с качеством и структурой данных.

Если в системе есть дубли, пропуски или несогласованные данные, модели будут отражать эти проблемы в своих результатах. Поэтому управление данными и их очистка — обязательная часть подготовки.

К типичным рискам относятся:

• Несогласованные или неполные основные данные;
• Чрезмерные доработки стандартных процессов;
• Отсутствие четкой ответственности за данные;
• Недостаточный мониторинг работы моделей.

Если исторические данные содержат ошибки, это напрямую снижает точность прогнозов. А если пользовательский код обходит стандартные механизмы SAP, встроенные ИИ-функции могут работать некорректно. Эти риски обычно выявляются на этапе оценки готовности системы.

Как измерить финансовый эффект?

Эффект от ИИ нужно привязывать к конкретным бизнес-показателям.

Чаще всего используют такие метрики:

• Сокращение просроченной дебиторской задолженности;
• Уменьшение времени обработки счетов;
• Повышение точности прогнозов;
• Снижение списаний запасов;
• Сокращение ручной проверки бухгалтерских проводок.

Важно зафиксировать базовые значения до запуска. После внедрения результаты сравниваются с теми же KPI.

Без измеримых показателей эффект от ИИ сложно оценить и обосновать на уровне руководства.

Кто отвечает за жизненный цикл моделей?

Ответственность зависит от архитектуры решения.

В случае встроенного ИИ SAP обновляет модели в рамках своих релизов. За настройку и использование в бизнес-процессах отвечает заказчик.

В сценариях с пользовательскими моделями на SAP BTP компания сама определяет владельцев процессов: кто отвечает за обучение, проверку, обновление и контроль моделей. Обычно это распределяется между ИТ, командами данных и владельцами бизнес-процессов.

Если роли не определены заранее, со временем может снижаться качество работы моделей и их актуальность.

Как SAP S/4HANA обеспечивает надежность и контролируемость решений на основе искусственного интеллекта

Помимо архитектурных и операционных вопросов, руководители компаний высказывают и другие опасения. Они сосредоточены на надежности, раскрытии данных и юридической ответственности. Эти опасения вполне оправданы. ИИ в цифровом ядре влияет на финансовые проводки, прогнозы и процессы, чувствительные к соблюдению нормативных требований.

Ниже приведены наиболее распространенные опасения, выраженные в практической плоскости.

«Я не хочу, чтобы решения принимались на основе внешних или ненадежных данных»

Встроенные функции ИИ в SAP S/4HANA работают только с корпоративными данными внутри системы. В стандартных сценариях модели используют историю транзакций, основные данные и настройки самой компании.

Они не обращаются к открытым источникам и не используют данные из интернета. Все прогнозы, например вероятность задержки платежей или выявление аномалий, строятся исключительно на основе внутренних данных компании.

Это снижает риск «случайных» или нерелевантных результатов, который иногда встречается в открытых генеративных моделях. Все выводы можно отследить до конкретных данных в ERP.

«Если система дает рекомендацию, я должен понимать, на чем она основана»

В SAP ИИ не заменяет пользователя, а помогает ему принимать решения. Когда система, например, помечает проводку как нетипичную или предлагает изменить кредитный лимит, она всегда показывает контекст.

Пользователь может увидеть, какие данные использовались: историю операций, параметры основных данных и примененные правила. В некоторых сценариях доступны также показатели уверенности или пояснения результата.

Окончательное решение остается за пользователем и проходит через стандартные процессы согласования и роли доступа.

Все действия фиксируются в системе: видно, кто принял рекомендацию, а кто ее отклонил. Это важно для аудита и финансового контроля.

"Будут ли наши данные использоваться для обучения внешних моделей?"

В стандартных сценариях SAP данные клиентов обрабатываются в рамках их собственной системы и контрактного окружения. Они не используются автоматически для обучения публичных или сторонних моделей.

Если речь идет о side-by-side сценариях на SAP Business Technology Platform, то здесь все зависит от архитектуры решения. Компания сама определяет, какие данные используются, где они хранятся и как применяются для обучения моделей.

Все это настраивается заранее, включая политики хранения и доступов. В результате организация сохраняет полный контроль над своими данными и их использованием.

«Есть ли риски с точки зрения регуляторных требований?»

В SAP-среде ИИ работает в рамках стандартных механизмов безопасности: контроль доступа по ролям, шифрование данных при передаче и хранении, а также аудит всех действий в системе.

Соответствие требованиям зависит от конфигурации системы и процессов управления. При этом все транзакции, поддерживаемые ИИ, остаются прозрачными: фиксируются журналы, действия пользователей и процессы согласования.

Это помогает соответствовать требованиям финансовой отчетности и законодательства о защите данных.

Новые регуляторные нормы, такие как EU AI Act, усиливают требования к прозрачности и управлению рисками ИИ. Компании сами отвечают за классификацию своих сценариев использования. Но работа в контролируемой ERP-среде упрощает документирование и проверку по сравнению с отдельными экспериментальными инструментами.

Давайте сравним: Устаревшая ERP и S/4HANA со встроенным ИИ

Чтобы понять, как ИИ влияет на работу системы, важно сравнить SAP S/4HANA с классическими ERP-системами.

Ниже — ключевые отличия, которые меняют повседневные процессы:

Однако важно не только, что умеет система, но и как она внедряется

Технологии сами по себе не дают результата. Итог зависит от того, как настроена архитектура, насколько качественные данные и как выстроены бизнес-процессы.

LeverX сочетает экспертизу внедрения SAP с практической работой с ИИ-решениями. Команда использует внутренние разработки и исследовательские подходы для применения машинного обучения в корпоративных системах. Перед внедрением решения проходят проверку на уровне прототипов.

Наш подход включает несколько шагов:

• Оценка готовности системы (версия SAP, качество данных, архитектура);
• Определение сценариев, которые дают измеримый бизнес-эффект;
• Выбор архитектуры: встроенный ИИ или side-by-side на SAP BTP;
• Внедрение с четким распределением ответственности и контролем изменений.

Цель такого подхода — предсказуемое и управляемое внедрение. ИИ должен работать в рамках существующих процессов управления и соответствия требованиям, а не отдельно от них.

Итог

Если компания рассматривает внедрение ИИ в SAP S/4HANA, важно начать с оценки текущей системы. Это помогает понять, какие возможности можно использовать сразу, а где потребуется расширение.

В рамках такой оценки можно определить, достаточно ли стандартных функций SAP или имеет смысл подключать дополнительные сценарии на SAP BTP.

Свяжитесь с нами, чтобы запланировать бесплатную консультацию и обсудить вашу текущую архитектуру и возможные шаги внедрения.

Прежде чем начать: практический чек-лист готовности

Перед внедрением ИИ в SAP S/4HANA важно проверить, насколько система и процессы готовы к изменениям. Это помогает снизить риски, обеспечить соответствие требованиям и получить реальный бизнес-эффект. Ниже — практический чек-лист, основанный на опыте внедрений SAP и проектов с ИИ.

Чек-лист готовности к ИИ в SAP S/4HANA

• Clean core: Сохраняйте стандартные объекты, минимизируйте изменения в ядре системы.

• Качество данных: Устраняйте дубли, несоответствия и пропущенные записи.

• Стратегия ИИ: Определите, какие процессы используют встроенный ИИ, а какие — внешние решения.

• Управление: Обеспечьте наличие аудиторских логов, согласований и полной прослеживаемости.

• Исключения: Выявляйте аномалии — ключевые решения должны оставаться за человеком.

• Мониторинг: Планируйте регулярное переобучение моделей и проверку их эффективности.

• Безопасность: Контролируйте шифрование, права доступа и защиту данных.

• Операционная готовность: Обучайте команды и документируйте рабочие процессы.

Этот чек-лист помогает понять, готова ли организация к внедрению ИИ в SAP S/4HANA и какие области требуют доработки.

Если нужна более прикладная оценка вашей среды, LeverX может помочь разобрать текущую архитектуру и определить шаги внедрения с учетом конкретных бизнес-задач и опыта реализации SAP и ИИ-проектов.