Kako uvesti AI analitičara u postojeću infrastrukturu

Većina tvrtki koje nas pitaju za AI već ima podatke: ERP, bazu narudžbi, web trgovinu, CRM i desetke Power BI izvještaja. Rijetko je problem u nedostatku podataka. Problem je što dva izvještaja za isti tjedan pokazuju dvije različite marže, a nitko nije siguran koja je točna.

Ako na takve podatke stavite jezični model, dobit ćete brze i uvjerljive odgovore koji nisu nužno točni. Zato ne počinjemo od modela, nego od podataka.

Kako izgleda ciljna arhitektura

Izvorni sustavi šalju podatke u Microsoft Fabric. Tamo se podaci čiste kroz tri sloja: Bronze čuva izvorne podatke, Silver ih čisti i povezuje, a Gold sadrži poslovne pokazatelje spremne za izvještavanje. Power BI semantički modeli i Fabric Data Agent koriste Gold sloj. Na vrhu je AI analitičar u Microsoft Foundryju, koji razumije pitanje, bira izvor, poziva odobrene alate i objašnjava odgovor.

Agent ne smije sam računati maržu. Mora je preuzeti iz definicije koju je tvrtka dogovorila.

Pet faza uvođenja

Faza 1

Urediti postojeće podatke

Popisati baze, ERP i postojeće Power BI semantičke modele.
Dogovoriti zajedničke šifrarnike za artikle, brendove, poslovnice i kupce.
Standardizirati definicije prihoda, marže, konverzije, ROAS-a i zaliha.
Provjeriti kvalitetu, ažurnost i vlasništvo podataka.

Faza 2

Postaviti Fabric kao analitičku osnovu

Objediniti relevantne podatke u Fabricu.
Izraditi Gold sloj za prodaju, financije, zalihe i e-commerce.
Povezati Power BI semantičke modele s Gold slojem.
Konfigurirati Fabric Data Agent nad odabranim izvorima.

Faza 3

Izraditi AI analitičara u Foundryju

Odabrati jezični model prema zadatku, kvaliteti i cijeni.
Povezati Foundry agenta s objavljenim Fabric Data Agentom.
Napisati jasne upute za svaku poslovnu domenu.
Izraditi chat sučelje i evidenciju razgovora u vašoj aplikaciji ili Teamsu.

Faza 4

Dodati vlastite poslovne alate

Sigurni API-ji za dohvat podataka iz ERP-a i e-commerce sustava.
Alati za pripremu izvještaja, usporedbu razdoblja i otkrivanje odstupanja.
Kontrolirano kreiranje zadataka i slanje obavijesti.
Odobravanje osjetljivih radnji od strane korisnika.

Faza 5

Proaktivni AI analitičar

Planirane analize i nadzor ključnih pokazatelja.
Upozorenja na odstupanja prije nego ih netko primijeti.
Automatsko sastavljanje dnevnih i tjednih izvještaja.
Praćenje kvalitete odgovora, troškova i korištenja.

Gdje projekti najčešće zapnu

Rijetko zapnu na tehnologiji. Zapnu na pitanju tko je vlasnik definicije. Ako prodaja i financije računaju maržu drugačije, agent će odgovarati nedosljedno, a povjerenje se gubi nakon prvih nekoliko pogrešnih odgovora. Zato prva faza traje koliko treba, čak i kad se čini sporom.

Drugo mjesto je sigurnost. Agent koji može slati poruke ili kreirati zadatke mora imati jasna pravila: što smije sam, a što uvijek odobrava čovjek. Zato osjetljive radnje u fazi 4 nikad ne idu bez potvrde korisnika.

Odakle krenuti

Ne morate odmah kupiti cijeli put. Najbolje je početi s jednim poslovnim pitanjem koje danas traje predugo, primjerice tjednim pregledom marže, i na njemu proći prve dvije faze. Kad brojke postanu pouzdane, agent je logičan sljedeći korak.