RPA מול שכבת AI מעל ה-ERP, ההבדל הוא בשאלה מה האוטומציה מבינה. רובוט RPA מחקה את מה שאדם עושה במסך, פותח טופס, מעתיק שדה, לוחץ שמור, ולא יודע מה כתוב במסמך. שכבת AI מעל ה-ERP קוראת את המסמך, מזהה מי שלח אותו, בודקת אותו מול הרשומה ב-ERP ורק אז קולטת אותו, דרך חיבור ישיר ולא דרך המסך.
במשרד ההבדל נראה ככה. בוט ה-RPA מקליד את החשבונית מהר יותר מאדם, אבל כשהספק שינה את פורמט החשבונית הבוט נעצר, וכשהכמות לא תואמת להזמנה הבוט לא יודע, הוא מקליד. על זה בדיוק מדבר המאמר על שכבת AI מעל ה-ERP, והנה ההשוואה בפועל.
מה RPA עושה טוב
תהליכים חוזרים במסכים
כשאותה פעולה חוזרת אלפי פעמים על אותם מסכים, רובוט עושה אותה בלי להתעייף. העברת נתונים בין שתי מערכות ישנות בלי ממשק היא דוגמה קלאסית.
נתונים שכבר מובנים
אם המידע כבר נמצא בטבלה או בקובץ מסודר, הבוט רק מעתיק. אין מה להבין, יש מה להזיז.
מהירות הקמה לתהליך פשוט
תסריט RPA לתהליך של עשרה צעדים אפשר להקים מהר, כל עוד המסכים לא משתנים. בעיות מתחילות כשהקלט הוא מסמך שמישהו אחר כתב, ולא טבלה שאתם שולטים בה.
איפה RPA נשבר בקליטת מסמכים
המסמך לא מובנה
חשבונית ספק היא לא טבלה. כל ספק כותב אחרת, ובוט שמחפש את הסכום במיקום קבוע צריך תבנית לכל ספק, ותבנית שנשברת בכל שינוי עיצוב.
הוא לא בודק, הוא מקליד
הבוט לא יודע שהמחיר בשורה 7 גבוה ממה שבהזמנה. הוא מקליד את מה שהוא קרא. הבדיקה נשארת אצל האדם, אחרי שהנתון כבר בפריוריטי.
הוא תלוי במסך
עדכון גרסה בפריוריטי, שדה שהוזז, חלון שנפתח אחרת, והבוט תקוע עד שמישהו מתקן את התסריט. זו אחזקה קבועה, ובדרך כלל של האדם היחיד שמכיר את התסריט.
הוא לא מחזיר מידע
RPA בדרך כלל כותב לכיוון אחד. הוא לא שולף את הזמנת הרכש כדי להשוות אליה, ולכן אין לו מול מה לבדוק. זה ההבדל שמסביר המאמר על אינטגרציה דו-כיוונית ל-ERP.
מה שכבת AI מעל ה-ERP עושה אחרת
מבינה את המסמך
מזהה שזו חשבונית ולא תעודת משלוח, מי הספק, מה הפריטים, בכל פורמט ובכל שפה, בלי תבנית.
קוראת מה-ERP לפני שהיא כותבת אליו
שולפת את הזמנת הרכש ואת תעודת הקבלה, משווה שורה לשורה, ועוצרת מה שלא מתאים עם הסיבה.
כותבת דרך חיבור ישיר
לא דרך המסך אלא דרך ממשק ישיר ל-ERP. עדכון גרסה לא מפיל אותה, ואין תוכנת ביניים באמצע.
משאירה את ההחלטה לאדם
חריג מגיע לקניין או למחסן עם המספרים. האדם מחליט, המערכת רושמת. הצוות נשאר בשליטה, וההחלטה מתועדת ב-ERP ולא במייל.
איך זה עובד עם דוקונברט
דוקונברט היא שכבת ה-AI של ה-ERP. היא מתחברת ישירות לפריוריטי דרך הקונקטור הדו-כיווני של דוקונברט לפריוריטי, ל-Oracle Fusion Cloud ERP ול-Infor M3, בלי תוכנת ביניים. ככה נראית חשבונית ספק אצלה, לעומת בוט.
החשבונית מגיעה במייל ומזוהה
אין צורך שמישהו ישמור אותה בתיקייה בשביל הבוט. דוקונברט קוראת את המייל, מזהה את הספק ואת המסמך.
הרשומה נשלפת מפריוריטי
הזמנת הרכש ותעודת הקבלה נמשכות דרך הקונקטור. כל שורה בחשבונית מושווית אליהן.
חריגים נעצרים לפני הקליטה
מחיר שונה, כמות שלא התקבלה, חשבונית כפולה. נעצרים עם הסבר, לפני שמשהו נכנס לפריוריטי.
הנתונים נקלטים כרשומה רגילה
מה שתואם נרשם בפריוריטי מקושר להזמנה ולקבלה. אותו רעיון עובד גם על אוטומציה לתהליכי רכש בפריוריטי בלי פיתוח. על השאלה איזה מודל AI מתאים לזה כתב אבי רפאלסון, מנכ"ל דוקונברט, במאמר Generalist vs specialist.
למי זה מתאים
מנהלי מערכות מידע שבנו בוטים ומתחזקים אותם בכל עדכון גרסה.
חשבים שמקבלים חשבוניות שהוקלדו נכון אבל לא נבדקו.
מנהלי תפעול שרוצים שהחריג יעצור לפני שהוא במערכת, לא אחרי.
חברות על פריוריטי שבודקות איזה כלים מתממשקים לפריוריטי לפני פרויקט אוטומציה.
שאלות ותשובות
אפשר לשלב RPA עם שכבת AI?
אפשר, אבל בקליטת מסמכים ל-ERP זה בדרך כלל לא נדרש. החיבור הישיר של שכבת ה-AI מחליף את החלק של הבוט.
מה עם מאקרו או BPM בתוך פריוריטי?
כלים פנימיים טובים לתהליכים על נתונים שכבר בפריוריטי. הם לא קוראים מסמך שמגיע במייל ולא מזהים ספק מתוך PDF.
האם שכבת AI דורשת פיתוח?
לא. החיבור לפריוריטי הוא דרך הקונקטור של דוקונברט לפריוריטי, וההגדרה היא של התהליך, לא של קוד.
כמה זמן לוקחת ההטמעה?
הטמעה טיפוסית של דוקונברט לוקחת כ-10 ימי עסקים, בענן או על השרתים שלכם.
רוצים לראות את זה על המסמכים שלכם? לתיאום דמו או להתחיל ניסיון