Kan AI utveckla ett affärssystem nästan gratis?

AI kan i dag skriva programkod på några sekunder och hjälpa till att skapa fungerande applikationer på kort tid. Betyder det att företag snart kan låta AI utveckla ett eget affärssystem i stället för att köpa ett etablerat affärssystem? Och vad händer då med behovet av implementation, integrationer, anpassningar och affärssystemskonsulter?

Frågan är inte alls så långsökt som den först kan verka. Men skillnaden mellan att generera kod och att bygga ett affärssystem som hanterar verksamhetskritiska processer är fortfarande mycket stor.

AI kan redan utveckla programvara

AI har på kort tid blivit imponerande bra på programmering. Med en tydlig beskrivning kan moderna AI-verktyg skapa kod, föreslå en teknisk struktur, hitta fel och bygga prototyper.

En av våra kollegor testade exempelvis att utveckla ett program för bokning av tvättstugan i sitt bostadsområde med hjälp av AI. Behovet var relativt enkelt att beskriva: det finns användare, bokningsbara tider och ett antal regler. En användare ska kunna boka en ledig tid, samma tid ska inte kunna bokas av någon annan och bokningar ska kunna visas och tas bort.

Med rätt instruktioner kan AI hjälpa till att bygga en stor del av en sådan lösning snabbt. Men hur långt är steget därifrån till ett komplett affärssystem? Ganska långt.

Vad är skillnaden mellan en applikation och ett affärssystem?

Ett bokningssystem kan vara en tydligt avgränsad applikation. Ett modernt affärssystem (även kallat ERP-system) är snarare ett nätverk av hundratals eller tusentals sammanhängande processer, transaktioner och affärsregler.

Ett affärssystem (ERP) kan behöva hantera bland annat:
– redovisning, skatter, moms, valutor och betalningar
– kunder, leverantörer, artiklar, priser och avtal
– försäljning, inköp, lager, logistik och produktion
– projekt, behörigheter, kvalitet och spårbarhet
– integrationer med e-handel, lagerautomation, transportlösningar och andra system

Varje del måste dessutom fungera tillsammans med de andra. En försäljningsorder kan påverka lagersaldo, tillgänglighet, inköpsbehov, produktion, leveransplanering, kreditlimit, pris, rabatt, valuta, moms, redovisning och rapportering.

Systemet måste också klara mer än normalfallet. Kunden kan ändra ordern, en artikel kan saknas, en delleverans kan göras, en produkt kan returneras, ett integrationsflöde kan stanna eller en batch kan spärras. Det är ofta i undantagen som komplexiteten blir tydlig.

Om AI kan skriva all kod – är problemet då löst?

Låt oss anta att AI inom några år kan skriva nästan all programkod som behövs. Då återstår ändå en avgörande fråga innan människan eller AI:n kan börja utveckla:

Vad exakt ska systemet göra?

Att beskriva önskat resultat är inte samma sak som att definiera alla regler, beroenden och undantag som krävs för en stabil lösning. Det blir tydligt i ett konkret exempel.

Exempel: AI ska välja rätt lager för en kundorder

Tänk dig ett företag som säljer och distribuerar produkter från flera lager och använder ett affärssystem som till exempel Sage X3 eller Jeeves ERP. Företaget vill att systemet automatiskt ska välja ett lager när en kundorder registreras.

Beställningen kan låta tydlig: ”Välj ett lager som har varan i lager.” Samma instruktion skulle kunna ges till ett AI-verktyg. Men vad betyder egentligen rätt lager?

Frågor som måste besvaras före utvecklingen

– Ska hela ordern levereras från samma lager eller får den delas mellan flera lager?
– Är det närmaste lagret alltid bäst, eller ska transportkostnad och leveranstid påverka valet?
– Ska vissa kunder alltid levereras från ett bestämt lager?
– Är varor som redan reserverats för andra order tillgängliga?
– Ska inkommande varor eller planerad produktion räknas som tillgängliga?
– Hur ska restorder, delleveranser, batchnummer och serienummer hanteras?
– Vad händer om kunden ändrar ordern efter att lagret har börjat plocka?
– Ska systemet föreslå en lagerflytt i stället för att dela leveransen?
– Hur påverkas fraktbokning, lagerautomation, e-handel och andra integrationer?
– Vad ska hända om en integration tillfälligt inte fungerar?

Efter dialogen kan kunden fortfarande vilja ha ett automatiskt lagerval. Men det kan också visa sig att den ursprungliga regeln inte motsvarar verksamhetens verkliga behov.

För ett företag kan det viktigaste vara att hela ordern levereras från samma lager. För ett annat är kortast leveranstid viktigast. För ett tredje väger transportkostnaden tyngst. Vissa kunder kan behöva prioriteras, medan andra order kan invänta kommande produktion eller inleveranser.

Den bästa lösningen växer fram i dialog

Kunden känner sin verksamhet bäst. En erfaren affärssystemskonsult bidrar med kunskap om affärssystem, processer, integrationer och erfarenheter från tidigare projekt och branscher. Det är i mötet mellan dessa perspektiv som en bra lösning växer fram.

Kunden beskriver ofta ett problem eller ett önskat resultat, men kan sällan från början precisera hur lösningen ska fungera i varje situation. Det ska kunden inte heller behöva kunna.

Från behov till hållbar specifikation

I dialogen behöver man bland annat reda ut vad som ska hända i normalfallet, vilka undantag som finns, vad som påverkas i andra delar av systemet och om behovet kan lösas enklare med befintlig funktionalitet.

Ibland blir resultatet den lösning kunden först föreslog. Ibland leder analysen till en helt annan och bättre lösning. Det är en viktig skillnad mellan att be AI utveckla något utifrån en färdig specifikation och att tillsammans komma fram till vad specifikationen faktiskt behöver innehålla.

Det är svårt att skriva en perfekt prompt när man ännu inte vet vilken lösning som är bäst. Därför kommer mänsklig dialog och genuin verksamhetskunskap att vara viktiga även när AI blir betydligt bättre på själva utvecklingsarbetet.

Ett etablerat affärssystem innehåller erfarenheter från tusentals problem

Ett moget affärssystem har utvecklats under många år. Funktionerna har påverkats av krav från många företag, branscher, länder och användare. Bakom en funktion som ser enkel ut kan det därför finnas mängder av affärsregler och undantag som en enskild organisation inte skulle komma på att specificera från början.

Det är en del av det företag betalar för när de väljer ett etablerat affärssystem: inte bara programkod, utan också samlad erfarenhet, beprövade processer och stöd för situationer där verkligheten avviker från normalfallet.

Varför kostar en anpassning pengar om AI skriver koden snabbare?

Det här kommer sannolikt att bli en allt vanligare fråga och den är berättigad. Om AI gör att ett arbete kan utföras på två timmar i stället för tio bör effektiviseringen komma kunden till nytta.

AI kan göra flera delar av arbetet med affärssystem snabbare, exempelvis programmering, testning, dokumentation, analys och felsökning. Men en anpassning består inte bara av kodskrivning.

Någon behöver förstå behovet, diskutera processen, identifiera undantagen, bedöma hur andra delar av systemet påverkas, utforma lösningen, utveckla den, testa den, dokumentera den och tillsammans med kunden verifiera att den löser rätt problem.

En stor del av värdet ligger därför i förmågan att ställa rätt frågor, förstå konsekvenserna och precisera en lösning som fungerar i verkligheten, inte enbart i tiden det tar att skriva själva koden.

Hur kommer AI att förändra affärssystem?

AI kommer utan tvekan att förändra affärssystemsbranschen och det är i grunden positivt. Tekniken kan bidra till snabbare utveckling, bättre analys, mer automatisering och enklare användarstöd. Med tiden blir sannolikt också gränsen mellan traditionell funktionalitet i affärssystemet och AI mindre tydlig.

Den mest intressanta frågan är därför inte ”AI eller affärssystem?” utan: Hur kan AI göra affärssystemet och arbetet kring det bättre?

Områden där AI kan skapa nytta

– hjälpa användare att hitta och sammanfatta information
– upptäcka avvikelser och föreslå nästa åtgärd
– automatisera repetitiva administrativa uppgifter
– stödja utveckling, testning, dokumentation och felsökning
– göra avancerad funktionalitet i affärssystemet enklare att använda

Företag kommer fortfarande att behöva stabila system för affärskritiska processer, data och transaktioner. AI kan däremot göra både systemen och människorna som arbetar med dem mer effektiva.

Ska företag utveckla ett eget affärssystem med AI?

För mindre och tydligt avgränsade applikationer kan AI redan i dag vara ett mycket kraftfullt verktyg. För ett komplett affärssystem som ska hantera ekonomi, order, lager, produktion, logistik och andra verksamhetskritiska processer är frågan betydligt större.

Det räcker inte att fråga om AI kan skriva programmet. Företaget behöver också veta:

– Vem definierar hur systemet ska fungera?
– Vem identifierar undantagen och beroendena mellan olika processer?
– Vem ansvarar för säkerhet, behörigheter, datakvalitet och regelefterlevnad?
– Vem ser till att lösningen fungerar när verksamheten, lagkraven eller integrationerna förändras?
– Vem underhåller, testar och vidareutvecklar lösningen över tid?

Det är där skillnaden mellan att generera programkod och att bygga ett fungerande, förvaltningsbart affärssystem blir tydlig.

AI ersätter inte verksamhetskunskap – men förstärker den

AI kan hjälpa oss att bygga lösningar snabbare. Genuin kunskap om affärssystem och verksamhetsprocesser, tillsammans med en nära dialog med kunden, hjälper oss att avgöra vilken lösning som faktiskt ska byggas.

Framtidens bästa lösningar skapas därför sannolikt inte av människan eller AI var för sig, utan när människors erfarenhet kombineras med de nya möjligheter som AI ger.

Vanliga frågor om AI och affärssystem (ERP)

Kan ChatGPT bygga ett komplett affärssystem?

ChatGPT och andra AI-verktyg kan skapa kod och prototyper, men ett komplett affärssystem kräver också processdesign, säkerhet, integrationer, testning, förvaltning och ansvar över tid. AI är därför ett kraftfullt verktyg i arbetet, inte i sig ett komplett affärssystem.

Blir anpassningar av affärssystem billigare med AI?

AI kan minska tiden för bland annat programmering, testning och dokumentation. Kostnaden påverkas dock även av analys, kravarbete, lösningsdesign, verifiering och förvaltning. Effektiviseringar bör komma kunden till nytta, men kodningen är bara en del av helheten.

Behövs affärssystemskonsulter när AI kan skriva kod?

Ja, men rollen förändras. Kunskap om verksamhetsprocesser, branschkrav, integrationer och konsekvenser blir minst lika viktig när utvecklingen går snabbare. Konsultens värde ligger allt mer i att säkerställa att rätt problem löses på ett hållbart sätt.

Är det bättre att bygga eget eller välja ett etablerat affärssystem?

För avgränsade behov kan egenutveckling vara rimlig. För kärnprocesser behöver företag väga flexibilitet mot funktionalitet, risk, underhåll, säkerhet och total kostnad över tid. Ett etablerat affärssystem innehåller dessutom erfarenheter och affärsregler från många tidigare implementationer och många år av utveckling.

Hur ser Systemstöd på AI och framtidens affärssystem

För oss på Systemstöd handlar frågan mindre om AI eller affärssystem, utan mer om hur AI, moderna affärssystem och erfaren verksamhetskunskap kan kombineras för att skapa bättre lösningar för våra kunder.

Vill du diskutera hur AI kan användas tillsammans med ert befintliga affärssystem, eller vilka möjligheter som finns inför ett framtida systembyte? Kontakta oss gärna här.

Upptäck fler inlägg på Systemstödsbloggen