그 동안 데이터에서 인사이트를 얻으려면 전문가와 전문 도구의 지원이 필요했지만 이제는 달라져야죠. 를 통해 복잡한 ERP 데이터를 자연어로 쉽게 질문하고 답변을 얻을 수 있는 새로운 비즈니스 인사이트 획득 방법을 소개합니다.

글쓴이: 티모 엘리엇(Timo Elliott), 번역: 클로드(Claude)

기존 ERP 데이터 분석의 한계와 생성형 AI의 등장

ERP 데이터에서 인사이트를 얻으려면 일반적으로 전문 도구, 복잡한 보고서 작성, 또는 IT 지원이 필요했습니다. 데이터를 관리하고(수집, 저장하며 정확성과 접근성 보장), 보고서 작성 도구가 쿼리할 수 있도록 데이터 레이크와 데이터 웨어하우스를 구축하는 데 투자해야 했습니다. 또한 훈련받은 비즈니스 사용자가 사용자의 매개변수에 따라 인사이트를 도출하기 위해 비즈니스 인텔리전스 및 분석 애플리케이션을 조작하는 작업도 필요했습니다.

생성형 AI는 이러한 모델을 바꿉니다. 강력한 정보 기반의 필요성을 없애지는 않습니다. 하지만 검색 증강 생성(RAG) 기법과 데이터를 선별하도록 세밀하게 조정된 소규모 언어 모델을 통해 사용자는 자연어로 질문하고 명확하고 유용한 답변을 받을 수 있습니다. 자체 데이터를 기반으로 한 내부 언어 모델(소규모 언어 모델이라고도 함)은 RAG를 사용하여 사용자가 여러 데이터 화면을 스크롤하지 않고도 ERP에서 상세한 답변을 제공할 수 있습니다.

자연어 질문으로 즉석 답변 받기: 실제 활용 사례

대시보드와 스프레드시트를 건너뛰고 “지난 분기에 가장 수익률이 높은 제품은 무엇이었습니까?” 또는 “이번 달에 납기가 늦은 공급업체는 어디입니까?”라고 질문하는 것을 상상해 보세요. 비즈니스 사용자는 빠르게 답변을 얻을 수 있어 시간을 절약하고 의사 결정을 개선할 수 있습니다.

이는 잘 구축된 ERP 시스템을 보유한 회사들에게 손쉽게 따낼 수 있는 AI 열매입니다. 생성형 AI(GenAI)는 운영상 의사결정을 지원하며 가격 책정, 공급망 중단, 또는 용량 계획에 대한 인사이트를 제공할 수 있습니다. 이는 좋은 소식입니다. ChatGPT와 같은 도구를 사용하여 자연어 쿼리를 통해 새로운 비즈니스 패턴을 연구하고 다양한 계획 가정을 모델링하는 것은 확실히 매력적인 전망입니다.

ERP와 생성형 AI 결합의 핵심 가치

하지만 ERP 시스템이 어떤 비즈니스 프로세스를 다루는지 이해해야 합니다(생성형 AI를 어떻게 사용할지 알 수 있도록). 유용한 생성형 AI 도구를 확보해야 합니다. 그리고 직원들이 이를 사용하는 경험을 쌓을 수 있도록 도와야 합니다.

ERP는 조직 내에서 가장 풍부한 비즈니스 데이터 소스 중 하나이기 때문에 생성형 AI의 애플리케이션으로서 큰 잠재력을 제공합니다. 귀하의 비즈니스를 이해하는(데이터와 프로세스에 설명된 대로) 전문 “디지털 부하직원”이 있다고 생각하시면 됩니다. 이 부하직원은 분석, 요약, 또는 의사 결정 지원 보고서를 빠르게 제공할 수 있습니다.

ERP에서 생성형 AI 사용 시작하기

잠재력은 실제로 존재하지만, ERP 데이터에서 새로운 인사이트를 생성하는 생성형 AI의 힘은 저절로 발휘되지 않습니다. 조직은 올바른 도구를 확보하고, 사용자를 훈련시키며, ERP 데이터가 깨끗하고 접근 가능한지 확인함으로써 생성형 AI를 준비해야 합니다.

ERP 시스템에 포함된 AI 기능을 살펴보세요. ERP 시스템이 어떤 비즈니스 프로세스를 다루는지 이해한 후에는 공급업체가 생성형 AI 역량 측면에서 무엇을 제공하는지 평가해야 합니다. 생성형 AI 모델은 시장에서 다양한 접근 방식으로 빠르게 상품화되고 있습니다. 진정한 차별화는 기존 워크플로우에 깊이 통합되어 AI 사용을 내장되고 손쉽게 만드는 것에서 나옵니다.

올바른 도구를 확보하세요. 다양한 도구가 다른 접근 방식을 제공하지만 기본 테마는 동일합니다. 광범위한 모델 선택에 대한 접근, 생성형 AI가 올바른 데이터셋을 사용하도록 보장하는 데이터 “그라운딩”, 개인정보 보호를 위한 데이터 마스킹, 프롬프트 관리, 수명 주기 관리를 포함하여 AI 프로세스를 조율하는 견고한 도구 세트가 필요합니다.

데이터를 준비하세요. 기존의 데이터 웨어하우스 및 데이터 레이크 접근 방식은 운영의 완전한 시각을 제공하면서 다양한 소스의 ““을 엮어내는 보다 연합된 “” 접근 방식으로 바뀌었습니다.

팀을 훈련시키세요. 직원들이 이메일을 작성하기 위해 ChatGPT를 사용한다고 해서 기업 데이터를 쿼리할 준비가 된 것은 아닙니다. ERP 시스템과 함께 작업하는 새로운 방식을 도입하는 것은 이러한 변화를 관리하는 것을 의미합니다. 위험도가 낮은 상황에서 연습하고 실험할 기회를 제공하세요.

AI 기반 도구가 최종 사용자에게 핵심 비즈니스 데이터에 대한 더 쉬운 접근을 제공하는 환경에서는 모든 사람이 일종의 관리자가 됩니다. 최고 기술은 유연성, 적응력, 사고방식, 그리고 상상력이 됩니다.

이러한 태도는 생성형 AI 채택에 중요합니다. 중견기업을 대상으로 한 최근 에서도 이를 확인할 수 있었습니다. 설문조사에서 낙관주의자 집단(생성형 AI 채택을 높은 우선순위로 만든 사람들)은 변화에 더 준비되어 있습니다. 그들은 회의주의자들(생성형 AI를 낮은 우선순위로 본 설문 응답자들)보다 변화 관리 프로세스의 부족을 성장의 도전 과제로 보고할 가능성이 현저히 낮습니다.

ERP 데이터는 생성형 AI가 진정으로 유용하게 되는 데 필요한 올바른 데이터 자료를 제공합니다. 비즈니스 사용자가 검색 엔진에 용어를 입력하는 것만큼 쉽게 ERP 데이터를 쿼리할 수 있을 때 가치 제안이 높아집니다. 더 나은 의사 결정, 더 빠른 대응, 그리고 자원의 보다 전략적 사용이 가능해집니다.

• 원문: , , Forbes

The post ERP에 물어봐! 생성형 AI로 간편한 데이터 분석 appeared first on �鶹ԭ�� Korea 뉴스센터.

에서 �鶹ԭ��는 AI, 클라우드, 고객 중심 솔루션을 통해 비즈니스 소프트웨어의 미래를 선도하는 다양한 혁신을 발표했습니다. 확장성 강화, AI 활용 확대, �鶹ԭ�� Knowledge Graph와 데이터 분석 강화 등 지금 바로 확인하세요.

번역: 챗GPT(ChatGPT)

고도로 구성 가능하고 확장성 있는 소프트웨어

오늘 우리는 AI, 클라우드, 고객 중심 솔루션의 힘을 통해 �鶹ԭ��가 비즈니스 소프트웨어의 미래를 어떻게 선도하는지 보여주는 획기적인 혁신을 소개하고자 합니다.

첫째, 우리의 소프트웨어는 여러분의 독특한 요구를 충족할 수 있도록 고도로 구성 가능하고 확장 가능해야 합니다.

둘째, 전체 솔루션 포트폴리오에 걸쳐 유기적인 스위트(제품군) 같은 통합된 경험을 제공하고자 합니다. �鶹ԭ��의 혁신은 독립적인 것이 아니라, 제품 포트폴리오 전반에 깊이 내재되어 있습니다.

�鶹ԭ��의 생성 AI와 거대언어모델

이미지에서 텍스트에 이르기까지, 또 소프트웨어 개발까지 가능성을 넓혀가는 생성형 AI와 거대언어모델(LLM)은 혁신의 최전선에 있습니다. 개발자들에게는 매우 흥미로운 시기입니다.

저는 �鶹ԭ�� 비즈니스 기술 플랫폼(�鶹ԭ�� BTP)의 최고 제품 책임자로서 고객들과 자주 대화를 나누며 고객 여러분의 도전과 기회, 그리고 기술이 어떻게 고객의 요구를 충족할 수 있을지 논의합니다. �鶹ԭ�� BTP는 이러한 과제를 해결할 수 있도록 돕는 플랫폼입니다.

�鶹ԭ�� Build와 AI 통합

오늘 저는 최신 �鶹ԭ�� 빌드 릴리스에 ABAP 클라우드가 포함되었음을 발표하게 되어 기쁩니다. �鶹ԭ�� 빌드는 이제 모든 확장 솔루션의 중심이 됩니다. 우리는 �鶹ԭ�� S/4HANA에서 확장을 손쉽게 할 수 있는 �鶹ԭ�� 빌드 확장성 마법사(�鶹ԭ�� Build Extensibility Wizard)를 도입했습니다.

�鶹ԭ�� 빌드에 Joule이 통합되면서 개발자의 생산성이 향상되었고, 새로운 기능 덕분에 �鶹ԭ�� 지식을 바로 활용할 수 있습니다.

AI 기반 비즈니스 통찰력과 자동화

BTP의 AI 파운데이션을 통해 일상 업무에 AI를 통합하여 �鶹ԭ�� 데이터와 프로세스를 최대한 활용할 수 있습니다.

여러분은 주요 사업자의 파운데이션 모델을 하나의 통합된 법적, 상업적 프레임워크에서 사용할 수 있는 생성형 AI 허브를 통해 다양한 선택지를 갖게 됩니다.

또한 은 전문 AI 에이전트를 통해 자율적으로 복잡한 문제를 해결할 수 있도록 합니다.

�鶹ԭ�� HANA 클라우드 지식 그래프 엔진은 HANA 클라우드 벡터 엔진을 보완하여 문맥 기반의 결정을 내릴 수 있도록 돕습니다.

�鶹ԭ�� 빌드는 이제 HANA 클라우드의 생성형 AI 툴킷을 포함하여 일반적인 데이터 분석 작업을 수행하고 복잡한 머신러닝 작업을 처리할 수 있게 합니다.

의 Compass는 복잡한 리스크 시나리오 모델링을 지원하며, �鶹ԭ�� Datasphere에 새롭게 내장된 데이터 레이크 기능을 통해 비즈니스 데이터 패브릭을 쉽게 구현할 수 있습니다.

우리는 또한 �鶹ԭ�� 통합 제품군에 AI 생성 추천 기능을 추가하고, GROW with �鶹ԭ�� 고객을 위한 �鶹ԭ�� SuccessFactors의 새 라이선스를 제공하는 스타터 에디션을 도입했습니다.

새로운 솔루션 영역인 는 지속적인 비즈니스 변화를 지원합니다.

개발자를 위한 새로운 기능과 도구

다음 단계에서는 �鶹ԭ��의 제품 엔지니어링 팀이 이러한 비전을 어떻게 실현하는지 보여드리겠습니다. �鶹ԭ�� 에코시스템에 원활하게 통합되는 도구와 글로벌 비즈니스 애플리케이션 확장, 그리고 무리 없이 AI를 활용할 수 있도록 지원합니다.

연말까지 �鶹ԭ��의 가장 많이 사용되는 워크플로우 중 80%가 Joule에 통합될 예정입니다. 기본으로 제공되는 콘텐츠가 많지만, 이는 충분하지 않습니다.

따라서 우리는 �鶹ԭ�� 빌드의 Joule Studio를 소개하게 되어 기쁩니다. Joule Studio는 다양한 애플리케이션에 Joule의 지능과 기능을 강화할 수 있도록 해줍니다. 이제 Joule Studio를 사용해 새로운 맞춤형 기능을 설계할 수 있습니다.

�鶹ԭ�� TechEd에서 새로운 생성 AI 허브 개발 기능도 발표되었습니다. 오케스트레이션 서비스, 데이터 마스킹 및 콘텐츠 필터링 기능, 프롬프트 템플릿, 프롬프트 관리 기능 등으로 나만의 개발 프로젝트를 위한 강력한 기능을 제공합니다.

메타(Meta)와 미스트랄(Mistral)의 새로운 모델, Java, JavaScript 및 ABAP SDK가 제공됩니다.

저는 또한 �鶹ԭ�� HANA 클라우드 지식 그래프 엔진과 함께 �鶹ԭ�� Knowledge Graph를 발표하게 되어 매우 기쁩니다. 이를 통해 개발자는 �鶹ԭ��의 전체 의미 모델에 거대언어모델을 접목하여 새로운 차원의 비즈니스 애플리케이션을 개발할 수 있습니다.

�鶹ԭ�� Knowledge Graph에는 45만 개 이상의 ABAP 테이블, 8만 개의 CDS 뷰 및 700만 개 이상의 속성과 필드가 포함되어 있습니다. 이는 자연어와 �鶹ԭ��의 구조적 메타데이터 모델을 연결하는 중요한 역할을 합니다.

�鶹ԭ��는 기술이 복잡함을 가중시키기보다는 단순하게 하고, 혼란 대신 명확함을 제공해야 한다고 믿습니다. 우리는 여러분의 비즈니스 목표를 중심에 두고, 가능성의 한계를 끊임없이 확장하고 있습니다.

Click the button below to load the content from YouTube.

Always allow YouTube

The post �鶹ԭ�� TechEd 기조연설 하이라이트: �鶹ԭ��의 혁신적 변화 appeared first on �鶹ԭ�� Korea 뉴스센터.