Когнитивный гигант: Как Искусственный Интеллект меняет SAP и корпоративный мир

`VBAK`. Но она ничего не знает о вашей кастомной таблице `ZBONUS_CALC`,

которую создал программист Вася в 2008 году. ИИ просто не сможет найти и

интерпретировать данные, если они спрятаны в «спагетти-коде».

3.2. S/4HANA: Двигатель, на котором едет ИИ

SAP S/4HANA — это не просто «новая версия». Это полная смена парадигмы.

И вот почему она критична для ИИ:

1. Колоночная база данных HANA in-memory.

Данные теперь хранятся не строками, а колонками, и находятся прямо в

оперативной памяти.

Аналогия: Представьте, что вам нужно найти средний рост всех студентов

в университете. В старой системе (строки) вы бы брали каждую личную

карточку студента, смотрели на рост, записывали в блокнот и считали. В

HANA (колонки) система просто берет одну колонку «Рост», мгновенно

суммирует её и делит на количество.

Для ИИ это значит: Мгновенный доступ к огромным массивам данных для

обучения и инференса (выдачи ответов) без задержек.

2. Упрощенная модель данных (Data Simplification).

В старом SAP для хранения финансовых данных использовалось несколько

таблиц (таблица для документов, таблица для итогов, таблица для

проводок). В S/4HANA это объединено в одну универсальную таблицу

`ACDOCA` (Universal Journal).

Для ИИ это значит: Нейросети гораздо легче «читать» и понимать единую,

структурированную таблицу, чем прыгать по десяткам связных таблиц. Это

резко снижает количество галлюцинаций и ошибок при генерации аналитики.

3. Встроенная аналитика (Embedded Analytics).

В S/4HANA транзакционная система (где вводятся данные) и аналитическая

система (где строятся отчеты) — это одно и то же.

Для ИИ это значит: ИИ-агент может в реальном времени взять

транзакционные данные, тут же применить к ним аналитическую модель и

выдать результат пользователю, не покидая рабочего экрана.

3.3. Философия Clean Core: Как не задушить ИИ кастомизацией

Даже если вы перешли на S/4HANA, но продолжили модифицировать

стандартный код (что делали в старом ECC), вы снова создадите

«спагетти», в котором ИИ задохнется. Поэтому SAP выдвинул жесткую

доктрину: Clean Core (Чистое ядро).

Что такое Clean Core? Это архитектурный принцип, при котором

стандартное ядро SAP S/4HANA остается нетронутым.

Если вашему бизнесу нужна уникальная функция, вы больше не «врезаете» её

в стандартный код SAP (это называется in-app extensibility, и она теперь

жестко ограничена). Вместо этого вы используете модель Side-by-Side

Extensibility (расширение бок о бок).

Аналогия со смартфоном:

Старый подход (ECC) — это когда вы разбирали телефон и паяли

дополнительные чипы прямо на материнскую плату. Если вы ошибались,

телефон сгорал. При обновлении операционной системы ваша пайка ломалась.

Подход Clean Core (S/4HANA) — это как современный смартфон с App Store.

Ядро системы (iOS/Android) закрыто и работает стабильно. Все уникальные

функции вы скачиваете в виде приложений. Если выходит обновление

системы, приложения не ломаются, потому что они общаются с ядром через

стандартные, защищенные интерфейсы (API).

Как это работает в SAP:

Все кастомные доработки, включая ИИ-модели, выносятся на внешнюю

платформу SAP BTP (Business Technology Platform).

Когда Joule или любой другой ИИ-сервис нужен бизнес-процесс, он не лезет

«внутрь» ядра SAP. Он «стучится» через стандартный API (OData / REST) к

BTP, получает нужные данные, обрабатывает их и возвращает результат

обратно в S/4HANA.

3.4. SAP BTP: Мозг, который живет рядом с телом

SAP Business Technology Platform (BTP) — это ключевой элемент всей

ИИ-стратегии. Если S/4HANA — это «тело» и «память» бизнеса, то BTP — это

«кора головного мозга», где происходят когнитивные процессы.

Почему ИИ нельзя просто «засунуть» внутрь S/4HANA?

1. Вычислительная нагрузка. Обучение и инференс нейросетей требуют

огромных мощностей GPU (графических процессоров). Ядро S/4HANA

оптимизировано для транзакций (CPU). Смешивать их — значит тормозить всю

систему.

2. Безопасность и изоляция. ИИ-модели могут быть уязвимы для атак

(например, adversarial attacks). Размещая их на BTP, SAP создает

буферную зону.

3. Мультиоблачность и интеграция. ИИ должен работать не только с

SAP. Ему нужно читать данные из Salesforce, AWS, внутренних баз данных.

BTP имеет встроенные инструменты интеграции (SAP Integration Suite),

которые позволяют ИИ-агенту «видеть» всю IT-ландшафтную карту компании,

а не только то, что внутри SAP.

На базе BTP работают такие сервисы, как SAP AI Core (где хранятся и

запускаются сами ИИ-модели) и SAP AI Launchpad (единое окно для

управления всеми ИИ-сценариями). Именно здесь живет Joule, именно отсюда

он управляет «руками» S/4HANA.

3.5. Цена компромисса: почему «грязное ядро» убивает ROI ИИ

Многие компании пытаются схитрить. Они мигрируют на S/4HANA, но

переносят с собой весь свой старый кастомный код, говоря: «Мы почистим

ядро потом, когда ИИ уже заработает».

Это фатальная ошибка.

Во-первых, «потом» не наступит. Поддерживать «грязное» ядро стоит в 3-4

раза дороже.

Во-вторых, ИИ-проекты на «грязном ядре» проваливаются на этапе Proof of

Concept (PoC). Вы тратите месяцы на то, чтобы объяснить нейросети, что

ваша кастомная таблица `Z_SALES` на самом деле означает «Только

экспортные продажи в Европу, кроме Италии». Это съедает весь бюджет.

Правило железобетонное: Нет Clean Core — нет Business AI. Сначала вы

приводите дом в порядок, и только потом приглашаете умного

робота-дворецкого.

Резюме к Главе 3

Старый SAP (ECC) не подходит для ИИ из-за пакетной обработки

данных и тысяч кастомных таблиц, которые нейросеть не может

интерпретировать.

SAP S/4HANA предоставляет фундамент для ИИ благодаря in-memory

базе данных, колоночному хранению и упрощенной модели данных (Universal

Journal).

Clean Core (Чистое ядро) — обязательная архитектурная доктрина.

Все кастомные доработки должны выноситься за пределы ядра по принципу

«side-by-side».

SAP BTP выступает в роли «мозга» и буферной платформы, где

размещаются ИИ-модели, обеспечивая безопасность, интеграцию и высокую

вычислительную мощность.

Попытка внедрить ИИ на «грязном» (кастомизированном) ядре ведет к

провалу проекта и резкому росту стоимости владения.

Задание к Главе 3

Практическое упражнение «Аудит чистоты ядра»

Если вы уже работаете в SAP-системе (или если вы студент, представляете

гипотетическую компанию):

1. Оцените «Спагетти-код»: Вспомните или найдите в системе 3 примера

кастомных полей или кастомных транзакций (с префиксом Z или Y), которые

критически важны для ежедневной работы.

Вопрос на засыпку: Если бы завтра пришел ИИ-агент, смог бы он понять

бизнес-смысл этих полей, прочитав только их названия и техническую

документацию? Если нет — это «грязь», которую нужно выносить на BTP.

2. Спроектируйте «Side-by-Side» решение: Возьмите одну из этих

кастомных доработок. Придумайте, как её можно было бы реализовать через

SAP BTP.

Подсказка: Какие стандартные API S/4HANA она должна была бы

«опрашивать»? Где бы хранилась логика (на BTP)? Как результат

возвращался бы в интерфейс пользователя (через SAP Fiori)?

3. Найдите «Узкое горлышко»: Найдите в компании процесс, который до

сих пор работает в «ночном пакетном режиме» (batch), и данные из

которого нужны для принятия решений утром. Опишите, как переход на

S/4HANA (in-memory) изменит этот процесс с точки зрения ИИ.

Глава 4. Анатомия цифровой нервной системы: Как данные превращаются в

интеллект

Если вы когда-нибудь задумывались, как именно абстрактная математика

нейросетей встраивается в жесткий, регламентированный мир корпоративной

ERP-системы, эта глава станет для вас откровением. Мы не будем повторять

общие слова о «облаках» и «платформах». Мы заглянем под капот и разберем

механику SAP Business AI на уровне потоков данных.

Чтобы понять эту архитектуру, давайте откажемся от аналогий с

ресторанами или библиотеками. Представьте себе диспетчерскую вышку

современного аэропорта-хаба. Тысячи самолетов (транзакции) взлетают и

садятся каждую минуту. Диспетчер не может держать в голове статус

каждого борта. Ему нужна радарная сетка, системы предиктивного

отслеживания траекторий и голосовая связь. В SAP Business AI роль этой

вышки играет связка из трех критических технологий: Векторных баз

данных, SAP AI Core и механизмов оркестрации.

4.1. Чего не хватало старому SAP: Рождение векторного пространства

Десятилетиями SAP был королем структурированных данных. Таблицы,

строки, колонки, четкие связи (реляционная модель). Если вы знали точный

номер заказа (например, `0000123456`), система находила его за

миллисекунды.

Но бизнес состоит не только из цифр. Он состоит из текстов: примечаний

менеджеров, email-переписок с клиентами, PDF-спецификаций, комментариев

к инцидентам. Для классической базы данных SAP текст — это просто

«мертвый груз», набор символов в поле типа `STRING`. Система не понимала

смысла текста. Она могла лишь искать точное совпадение слов

(полнотекстовый поиск).

С приходом ИИ появилась необходимость хранить не просто текст, а его

смысл. Так в архитектуру SAP (через SAP HANA Cloud и SAP Datasphere)

вошли Векторные базы данных (Vector Stores).

Как это работает (простыми словами):

Представьте, что каждое слово или документ — это точка на гигантской

трехмерной карте.

Слова «прибыль», «доход», «маржа» будут находиться очень близко друг к

другу.

Слова «убыток» и «дефицит» будут в другой части карты.

Когда нейросеть читает длинное письмо от поставщика о задержке корабля

из-за шторма, она превращает этот текст в набор координат (вектор) и

сохраняет его в векторную базу данных SAP.

Теперь, когда ИИ-агенту нужно найти «все риски срыва поставок из Азии»,

ему не нужно искать ключевые слова «риск» или «срыв». Он просто ищет на