SAP正在把人工智能功能嵌入到ERP应用组合中。
SAP表示,通过将AI与广泛的、特定行业的数据和深入的流程知识相结合,将使客户能够对许多关键业务功能实施自动化,并比以前更快速地解决许多紧迫的挑战。SAP于近日在美国佛罗里达州奥兰多举行的Sapphire 2023年度用户大会上宣布了这些新的AI功能。
这些新功能再及时不过了,由于OpenAI ChatGPT以及各种其他类型生成式AI应用的兴起,今年人们对AI的兴趣达到了白热化的程度。作为欧洲最大的软件公司,SAP一直热衷于加入这股潮流,最近就宣布了与IBM和Google Cloud建立以AI为核心的重要合作伙伴关系。
现在,SAP正在将AI功能与自己的ERP软件套件结合起来。SAP在Sapphire大会上宣布推出了云ERP软件SAP S/4HANA Cloud中一系列支持AI的新功能。SAP Business AI旨在执行多种角色,通过识别客户情绪的变化并快速做出反应,帮助财务团队控制成本并降低风险。同时,销售团队将能够自动执行各种销售订单功能,无需手动输入数据,从而加快订单处理速度。
SAP罗列了SAP Business AI的众多方法可以让多个业务部门的工作变得更轻松,例如,AI将融入SAP的支出管理软件和SAP Business Network,帮助采购专业人员更有效地驾驭不断变化的市场动态、与供应商接洽、选择商品和服务、执行合规性。Intelligent Invoice Conversion功能让团队更容易与新供应商展开合作,而SAP Ariba Buying中AI驱动的、全方位的指导购买功能有望简化运营采购流程。
AI还将帮助那些使用SAP Central Invoice Management的团队确定总账中最相关的行项目,从而提高自动化发票处理的速度并节省会计师宝贵的时间。
SAP的Customer Experience软件组合将增加一款由AI驱动的配套应用,该应用程序有望帮助提高销售、商务和服务团队的转化率和运营效率。与此同时,SAP将于下个月推出的“内置支持”将让SAP S/4HANA Cloud从中受益,让用户无需离开他们正在处理的页面即可报告问题,而AI可以在问题发生之前轻松地标记出问题。用户将能够实时访问量身定制的、主动支持的内容,同时接受关键产品问题的警报。
SAP Signavio Process Manager将利用生成式AI来识别最适合和随时可用的流程模型以及关键绩效指标,以加速业务流程管理。同时,SAP会把AI嵌入到各种行业特定的解决方案中,例如,SAP Predictive Replenishment将使用AI自动计算和订购产品,以优化库存管理。销售团队可以利用SAP Intelligent Product Recommendations,该产品使用经过销售数据训练的AI来推荐那些最能满足客户需求的最佳产品配置。
此外,SAP的Human Experience Management软件组合将受益于AI,帮助简化人力资源管理并为员工增加价值。SAP SuccessFactors将利用AI更好地了解员工的技能,这样HR团队就可以为员工提供持续的发展机会,同时调整人员以更好地支持公司。
SAP SuccessFactor的人才情报中心将于今年晚些时候推出,AI将帮助员工展示他们的技能、优势、工作方式和偏好,并发现针对职业道路、培训项目和导师的个性化建议。
HR团队将获得由AI驱动的劳动力管理工具,让他们能够全面地了解包括员工和合同工在内的整个员工队伍的技能、成本和可用性。这项功能计划于今年下半年推出,将让人力资源经理能够更好地了解谁可以参与他们负责监督的各种项目中。
SAP公司首席传播官Oliver Roll在宣布这些新功能的时候,强调了AI将在各行各业面向未来的业务中所发挥的关键作用。
Roll说:“我们正处于一场深刻技术变革浪潮的开端,在SAP,我们专注于将AI嵌入到我们的解决方案中,将尖端技术与我们独特的行业和流程专业知识相结合,确保我们的解决方案能够帮助客户立即解决他们最为紧迫的问题。”
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。