IA de empresa no ecossistema SAP: que casos de uso merecem realmente o esforço?

Nunca houve tanta inteligência artificial nas apresentações e tão pouca nas transações. O desfasamento não é uma questão de modelos: os modelos são bons, e melhoram mais depressa do que a capacidade das empresas para os absorver. O desfasamento está no que rodeia o modelo. Sem ligação ao sistema de gestão, sem dados fiáveis, sem quadro de governação, o protótipo continua a ser um protótipo. A IA que conta lê os seus documentos reais, compreende os seus referenciais SAP e atua nas suas transações, sob uma supervisão proporcionada ao risco. Este trabalho é tanto de engenharia como de ciência de dados, e é aí que se joga a diferença entre uma demonstração e um serviço.

A pergunta certa não é «pode-se?» mas «é preciso?».

Quase tudo pode receber um agente. Quase nada deveria recebê-lo sem instrução prévia. Utilizamos uma grelha de leitura em três casas, que aplicamos a cada caso de uso antes de escrever uma linha de código.

Onde o agente é pertinente

Quando a situação varia a cada caso, quando a decisão exige cruzar várias fontes, e quando a ação permanece reversível ou supervisionável. O tratamento das exceções num fluxo de fornecedores, a resolução de incidentes a partir de uma base de conhecimento, a recomendação de compra ou de reabastecimento a partir de sinais heterogéneos: são terrenos onde a variabilidade justifica um raciocínio, e onde um humano pode retomar o controlo sem dano.

Onde uma automatização basta

Quando a regra é estável e o volume elevado. Um workflow, uma regra de gestão, uma integração na plataforma SAP BTP fazem o trabalho a menor custo, de forma mais previsível e mais fácil de auditar. A IA não acrescenta aí nada que uma boa parametrização não faça já, e adiciona uma parte de incerteza que ninguém pediu. Pôr um agente onde uma regra basta é pagar mais caro para ter menos certeza.

Onde não se deve automatizar nada

Quando o erro custa mais do que o tempo ganho, quando a responsabilidade deve permanecer nominativa, quando os dados não estão prontos. Uma decisão de compromisso contratual, uma arbitragem de crédito a clientes, uma decisão que afeta uma pessoa: a assistência é possível, a delegação não o é. E quando os dados não estão prontos, dizemo-lo, e propomos começar por eles. É o objeto do nosso ponto de vista sobre a fundação de dados.

Um caso de uso de IA escolhe-se como um investimento: pelo processo que melhora, pela medição que o prova, e pelo risco que se aceita assumir.

Os documentos primeiro, em francês e em árabe.

Se fosse preciso começar por apenas uma família de casos de uso, seria esta. As empresas da região vivem ainda largamente ao ritmo dos documentos: faturas de fornecedores, guias de entrega, contratos, dossiês aduaneiros, correspondência administrativa. Muitos chegam em francês, uma parte em árabe, alguns nas duas línguas na mesma página, frequentemente digitalizados, por vezes fotografados. O seu tratamento mobiliza equipas inteiras a redigitar, reconciliar, verificar.

O Document AI, integrado no núcleo S/4HANA, muda a natureza deste trabalho. A extração e a reconciliação automáticas das faturas com as encomendas e as receções, o controlo das menções obrigatórias, a classificação dos documentos recebidos: são casos em que o valor é imediato, a medição evidente, e o risco controlável, já que cada desvio chega a um humano. A dificuldade não está no modelo; está na diversidade real dos seus documentos, na qualidade dos seus referenciais de fornecedores, e no bilinguismo. É precisamente por isso que o Centro de Excelência de Casablanca trabalha sobre documentos em francês e em árabe, com equipas que leem as duas línguas.

Joule, agentes e assistentes: uma ordem de prioridade.

O ecossistema SAP propõe agora o seu assistente, Joule, agentes pré-construídos por domínio, e os blocos para construir outros no BTP. A tentação é ativar tudo o que está disponível. Recomendamos o inverso: partir dos processos que doem, reter dois ou três casos por domínio, e verificar para cada um que os dados estão acessíveis, que o controlo humano está definido e que o ganho se mede.

• Em finanças: a ajuda ao fecho, a deteção de lançamentos atípicos, a reconciliação assistida dos recebimentos. Tarefas repetitivas de forte variabilidade, em que o assistente faz ganhar tempo sem tomar a decisão.
• Nas compras e na supply chain: o controlo de conformidade dos pedidos com o contrato, os alertas de rutura ou de atraso de fornecedor com recomendação de ação. O agente é aí pertinente porque cada situação difere e a ação permanece supervisionável.
• No serviço ao cliente: a qualificação e o encaminhamento dos pedidos, em francês e em árabe, e a resposta assistida baseada no histórico. Um caso em que a língua é a primeira dificuldade, e em que a região tem um avanço se se der os meios para isso.
• No próprio run SAP: a análise dos incidentes, a ajuda ao desenvolvimento e à revisão de código, a vigilância dos fluxos. Casos internos, menos visíveis, mas que financiam frequentemente os seguintes.

Protótipo, medição, governação, industrialização. Por esta ordem.

O método conta tanto como o caso de uso. Estabilizámo-lo em quatro tempos, que nos recusamos a inverter.

O protótipo constrói-se sobre os seus documentos e os seus dados reais, numa sandbox ligada ao SAP, num perímetro estreito, em poucas semanas. Um resultado que se pode mostrar, não uma intenção. A medição define-se antes do protótipo e compara-se com o existente: taxa de extração, taxa de reconciliação automática, tempo ganho, erros evitados. Sem medição prévia, todos os protótipos são um sucesso, e nada se decide. A governação fixa a supervisão humana proporcionada ao risco, a rastreabilidade das decisões, a proteção dos dados pessoais segundo o direito aplicável a cada entidade, a propriedade dos modelos e dos prompts. A industrialização, por fim, integra o caso no núcleo S/4HANA, vigia-o, melhora-o continuamente. Nesta fase, o caso de uso torna-se um serviço, assegurado pelo centro de serviços, e já não um projeto.

É o papel do Centro de Excelência em IA do grupo em Casablanca: conceber, medir, governar e industrializar estes casos de uso para os clientes do grupo e para as empresas da região, com equipas que conhecem o SAP por dentro e que falam as línguas dos seus documentos. Quem enquadra o caso de uso é quem o põe em produção. Não conhecemos outra forma de responder por ele.

O que reter

Antes de construir, instruir: agente, automatização clássica ou nada. A variabilidade, a reversibilidade e a maturidade dos dados decidem.

Por onde começar

Os documentos. Faturas, guias, contratos, dossiês aduaneiros, em francês e em árabe, reconciliados automaticamente no núcleo S/4HANA com um humano em cada desvio.

O método

Protótipo sobre dados reais, indicadores definidos antes, governação proporcionada ao risco, depois industrialização assegurada pelo centro de serviços.

O reflexo

Quando os dados não estão prontos, dizê-lo. E começar pela fundação de dados em vez de por um protótipo condenado.

Para ir mais longe: o Centro de Excelência em IA de Casablanca, a nossa oferta Data & Analytics, e o grupo de que o Centro é um dos três pilares.