Az agentikus AI olcsóbbá teheti az SAP-átállásokat
Az agentikus AI jelentősen átalakíthatja az SAP ECC-ről SAP S/4HANA-ra való átállások költségszerkezetét és munkamódszereit. Az SAP által ismertetett megközelítésben az AI-agensek a transzformáció nagy részét felgyorsítják, a tapasztalt szakemberek pedig az ellenőrzésre és a kritikus döntésekre összpontosítanak.
- Az agentikus AI gyorsíthatja az SAP ECC-ről SAP S/4HANA-ra való átállásokat.
- Browne elemzése mintegy 180 migrációs tevékenységet vizsgált.
- A kutatás hozzávetőleg 60 százalékos költségcsökkentési lehetőséget azonosított.
- Az SAP a teljes transzformációs életcikluson AI-asszisztenseket és ügynököket fejleszt.
- Az SAP célja Panicker szerint a transzformációs erőfeszítés körülbelül 35 százalékos csökkentése.
A kiszervezés helyett a munka csökkentése kerülhet előtérbe
Az SAP ügyfelei több mint egy évtizede keresik a megfelelő utat a régi SAP ERP Central Component, vagyis SAP ECC-rendszerekről az SAP S/4HANA-ra való átálláshoz. A projektek gyakran költségesek, összetettek és időigényesek. A vállalat 2026. augusztus 21-én közzétett anyaga szerint az agentikus AI új megközelítést hozhat, amely gyorsabb szállítást, alacsonyabb költségeket és nagyobb ügyfél-önállóságot céloz.
A témát egy közelmúltbeli webináriumon is tárgyalták, ahol a résztvevők a „deshoring” kifejezéssel írták le az új modellt. A fogalom lényege, hogy a szervezetek ne csak azt mérlegeljék, hol végezzék el az adott feladatot, hanem azt is, szükséges-e egyáltalán kézzel elvégezni.
Stuart Browne, a Resulting IT alapítója és vezérigazgatója szerint az iparágnak felül kell vizsgálnia a korábbi munkamódszereket. A tanácsadó cég az elmúlt hét évben vállalatok SAP ECC-ről SAP S/4HANA-ra való átállását támogatta.
Akár 60 százalékos költségcsökkentési lehetőséget lát a kutatás
A hagyományos transzformációs szemlélet szerint egy projekt általában gyorsabb, jobb vagy olcsóbb lehet, de a három cél egyszerre nehezen érhető el. Browne ezt az előfeltevést kérdőjelezte meg, és a NASA „faster, better, cheaper” megközelítésére hivatkozva azt vetette fel, hogy az SAP-átállásoknál is választható lehet mindhárom szempont.
Browne nagyjából 180, egy SAP ECC-ről SAP S/4HANA-ra történő migráció során jellemző tevékenységet elemzett. Kutatásának következtetése szerint az AI az erőfeszítés csökkentésével hozzávetőleg 60 százalékos költségmegtakarítást tehet lehetővé. A feladatokat korábban nagy tapasztalatú szakemberek végezték, az AI támogatásával azonban kevésbé tapasztalt munkatársak is bekapcsolódhatnak.
A lehetséges alkalmazási területek között szerepel a funkcionális és műszaki specifikációk elkészítése, a fit-gap elemzés, valamint az egyedi kód vizsgálata. Browne szerint az AI néhány óra alatt elkészítheti a megoldás 80 százalékát. Ezt a munkát azonban tapasztalt szakembereknek kell felülvizsgálniuk, megkérdőjelezniük és finomítaniuk.
Az elképzelés így nem a tapasztalt SAP-szakemberek eltávolítása. A szakértők a döntést, az ellenőrzést, a tervezést és a végső munkafázist végzik, miközben az AI felgyorsítja a munka nagyobb részét.
Az egyedi kód és a tesztelés lehet a következő célterület
Browne szerint az AI az egyedi kód elemzésében már most jelentős változást hozhat. Az agentikus AI képes lehet egy teljes egyedikód-állomány elemzésére, a funkcionális specifikációk visszafejtésére és annak meghatározására, hogy az adott üzleti igény kielégíthető-e szabványos SAP-funkcióval.
Ez lehetőséget adhat arra, hogy az ügyfelek még a rendszerintegrátor kiválasztása előtt felmérjék egyedi kódjukat, és megtervezzék a szabványos SAP-megoldások felé történő elmozdulást. Így kevesebb olyan testreszabás kerülhet át az új környezetbe, amelyre később nincs szükség.
Ranjeet Panicker, az SAP üzleti transzformációért felelős vezetője szerint a vállalat a teljes megvalósítási életcikluson dolgozik AI-képességeken. A célterületek között szerepel a rendszer elemzése, az adatkezelés, az egyedi kód, a konfiguráció, a tesztelés, a bevezetés és a projektmenedzsment. Az SAP az SAP Cloud ALM, az SAP Business Technology Platform, valamint az ügyfélspecifikus adatokat és tudást biztosító alap felhasználásával építi ezeket a képességeket. Panicker szerint az átfogó cél a transzformációs erőfeszítés hozzávetőleg 35 százalékos csökkentése.
A tesztelés különösen fontos terület lehet a biztonsági, megfelelési vagy validációs követelményekkel működő iparágakban. Az SAP szerint itt azt kell meghatározni, hogy egy ügynök képes-e elvégezni a feladatot, és a szervezet kellően megbízik-e az ügynök tudásában, kontextusában és korlátaiban ahhoz, hogy az eredményért felelősséget adjon neki.
A megfelelő kontextus nélkül az AI-agensek kevesebbet érnek
Az SAP-programok során nagy mennyiségű, szervezetspecifikus információ keletkezik. Ide tartoznak az architekturális döntések, a kockázati nyilvántartások, a tesztforgatókönyvek és a követelmények. Browne szerint az AI-agensek hasznosságát az határozza meg, hogy képesek-e kapcsolódni ehhez a folyamatosan változó tudásanyaghoz.
Ez a felhasználók számára azt jelentheti, hogy az SAP-átállásokban az AI nem elszigetelt segédprogramként jelenik meg, hanem a projekt teljes életciklusának információival dolgozik. A forrás szerint a jövőben az onshore és offshore megkülönböztetés helyett egyre fontosabbá válhat, milyen készségeket biztosítanak az asszisztensek és az agensek, és hogyan illeszkednek az emberi szakértelemhez.
