De ce ai nevoie de un strat de interpretare pentru AI în ERP: diferența dintre un răspuns greșit și un „nu știu”

Ai încercat AI-ul pe datele firmei tale, iar răspunsul a sunat convingător, dar cifra nu se potrivea? Sau încă nu te-ai apucat, pentru că nu știi când poți avea încredere în el? Nu e vina mașinii: AI-ul nu știe ce înseamnă la tine „client activ” sau „factură scadentă”, așa că își inventează o definiție și îți comunică rezultatul cu aplomb.

De ce ai nevoie de un strat de interpretare între AI și date? Pentru că acesta este dicționarul firmei: înainte de interogări, termenii tăi sunt înregistrați în el, iar AI-ul îl folosește. Când există, AI-ul răspunde corect la întrebările descrise, iar la restul spune „nu știu”. Când nu există, primești o cifră plauzibilă, dar greșită, pe care e ușor să o iei de bună. Mai jos explicăm ce înseamnă asta în practică și cum se leagă AI-ul de ERP.

Idei-cheie

  • Un AI conectat la ERP răspunde mereu. Întrebarea este cum arată greșeala, când în sistem nu există răspuns: ca o cifră plauzibilă sau ca un „nu știu”.
  • Stratul semantic descrie sensul de business al datelor (ce este un „client activ”) pentru AI.
  • Într-o măsurare din 2026, construirea corectă a stratului semantic a ridicat acuratețea răspunsurilor de la 64,5% la 98,2–100%.
  • AI-ul se leagă de ERP printr-un strat de integrare controlat: citește cu drepturile utilizatorului, scrie doar cu aprobare.

De ce ai nevoie de strat semantic?

Ai nevoie de strat semantic pentru că AI-ul nu cunoaște sensul de business al termenilor tăi (ce e un client activ, o factură scadentă) și, fără el, ghicește. Stratul semantic îi dă definițiile. Rezultatul: la întrebările descrise, răspunsuri corecte; la restul, un „nu știu” vizibil, nu o cifră plauzibilă, dar greșită.

Ce vede un AI când se uită în ERP?

Pentru tine, datele firmei sunt vânzări, facturi, stocuri, comenzi. Pentru AI, sunt tabele, coloane și legături între ele. „Client activ” nu apare în nicio coloană. Cineva a hotărât odată că un client este activ dacă a comandat în ultimele douăsprezece luni, iar altcineva, că dacă are un contract în vigoare. Fără această hotărâre scrisă, AI-ul alege el una, fără să te anunțe.

Cât de fiabil este răspunsul AI-ului?

În aprilie 2026, dbt Labs a pus aceleași 11 întrebări de business, pe un set de date de asigurări, în mai multe configurații, cu două modele diferite (SQL este limbajul de interogare al bazelor de date, pe care aici AI-ul îl scrie singur):

Configurație Acuratețe
SQL generat direct, model din 2023 32,7%
SQL generat direct, modele din 2026, pe schema nemodificată 64,5%
Același SQL direct, după adăugarea a trei modele de date (două modele) 84,1% și 90,0%
Cu strat semantic, pe aceleași date transformate (două modele) 98,2% și 100%

Sursa: dbt Labs, Semantic Layer vs. Text-to-SQL, 2026.

Autorii observă că, atunci când AI-ul scrie singur interogarea, greșeala arată ca un răspuns plauzibil, dar fals; la un strat semantic, arată ca un mesaj de eroare vizibil.

Ce este stratul semantic, pe scurt?

Stratul semantic descrie sensul de business al datelor: ce înseamnă „factură scadentă” sau „client activ” în sistemul tău, cum se calculează și din ce tabele. AI-ul nu mai ghicește, ci folosește definițiile. Dezavantajul este și avantajul: răspunde doar la ce a fost descris. Restul primește un „nu știu”.

Cum se leagă AI-ul de ERP și unde stă stratul semantic

Stratul semantic nu lucrează singur. AI-ul nu se conectează direct la baza de date a ERP-ului, ci printr-un strat de integrare controlat, care folosește aceste definiții. Așa proiectăm o conexiune AI-ERP, în cinci pași:

  1. Utilizatorul pune o întrebare, într-o interfață de conversație.
  2. Stratul de integrare verifică drepturile utilizatorului și alege datele potrivite din ERP, pe baza definițiilor.
  3. Modelul AI primește doar acel text și formulează răspunsul.
  4. Răspunsul este filtrat, i se atașează sursa și se înregistrează în jurnal.
  5. Orice scriere în ERP trece prin aprobarea unui om.
Componentă Ce face Ce nu face
Interfața Primește întrebarea și arată răspunsul Nu ia decizii
Stratul de integrare Alege datele, verifică drepturile, înregistrează, filtrează Nu inventează date
Modelul AI Citește textul primit și formulează răspunsul Nu vede baza de date și nu modifică nimic singur
ERP-ul Păstrează datele, regulile și calculele Nu își schimbă regulile din cauza AI-ului

De ce nu direct în baza de date?

Un model AI nu cunoaște drepturile din ERP: nu știe cine are voie să vadă salariile sau prețurile de achiziție. Vede doar ce primește. Conectat direct, cu un cont cu drepturi largi (un „superutilizator”), ar lăsa un coleg să afle printr-o întrebare ce nu ar vedea în ERP. De aceea asistentul lucrează cu drepturile utilizatorului care întreabă. Un standard ca MCP (Model Context Protocol) scurtează conectarea, dar nu înlocuiește acest control.

Citire și scriere

  • Citirea se face cu drepturile utilizatorului: asistentul vede ce vezi și tu, nimic în plus. E punctul de plecare.
  • Scrierea în ERP vine mai târziu, în limite înguste: domenii definite, aprobare umană, posibilitatea de anulare și un jurnal complet.

Cum se descriu termenii firmei

Începi mic. Alegi un termen, de exemplu „factură scadentă”, și răspunzi la patru întrebări: de la ce dată se numără termenul de plată, ce facturi intră (cu TVA sau fără, parțial plătite sau nu), cine folosește termenul și dacă toți îl înțeleg la fel.

În a doua fază apar de obicei diferențele: finanțele înțeleg altceva decât vânzările. Aici contează oamenii care cunosc procesele, pentru că ei știu excepțiile și motivele din spate.

Stratul semantic îl construim împreună cu tine, pornind de la întrebările pe care le pui și de la oamenii care cunosc procesele firmei, apoi îl extindem întrebare cu întrebare.

Ce înseamnă asta pentru firma ta?

  • Bani. Un asistent AI care greșește pe datele tale te costă în încredere: dacă echipa vede câteva numere greșite, nu îl mai folosește, iar investiția rămâne fără efect.
  • Timp. Începi cu zece termeni, nu cu toată firma, iar fiecare termen descris folosește tuturor întrebărilor următoare care îl conțin.
  • Risc. Riscul este un răspuns plauzibil și greșit, luat de bun. Stratul semantic îl transformă într-un „nu știu” vizibil, iar stratul de integrare ține AI-ul în limitele drepturilor tale.

„Nu ajunge un model mai bun?”

Un model mai bun ajută. În aceeași măsurare, rezultatul pe date nemodificate s-a dublat între 2023 și 2026, de la 32,7% la 64,5%. Dar a rămas sub 65%, iar descrierea datelor l-a mutat la 84,1–90,0% (la cele două modele testate). Modelul contează, însă nu ajunge singur. Un model foarte bun, pus pe date nedescrise, ghicește tot mai convingător.

Ce poți face în această săptămână

  1. Scrie zece termeni pe care îi folosești des („client activ”, „comandă deschisă”, „factură scadentă”, „stoc minim”) și definește fiecare într-o propoziție.
  2. Compară definițiile între departamente. Unde diferă, ai găsit un risc de răspuns greșit.
  3. Alege zece întrebări pe care conducerea le pune în fiecare săptămână și scrie răspunsul corect, calculat de un om.

Întrebări frecvente

Ce este stratul semantic?

Este descrierea sensului de business al datelor: ce înseamnă „client activ” sau „factură scadentă” și cum se calculează. AI-ul folosește definițiile în loc să ghicească și răspunde doar la ce a fost descris; la restul spune „nu știu”.

Cât de precis este AI-ul pe datele din ERP?

Depinde, mai mult decât de model, de cât de bine sunt descriși termenii firmei. Într-o măsurare din 2026, pe un set de date de asigurări, acuratețea a variat între 64,5% pe date nemodificate și 98,2–100% cu strat semantic. Măsoară pe întrebările tale.

Are AI-ul acces direct la baza de date?

Nu ar trebui. O conexiune bine făcută trece printr-un strat de integrare, care alege datele, verifică drepturile, înregistrează și filtrează răspunsul. Modelul vede numai textul primit de la acest strat.

Ce poate vedea și ce poate modifica AI-ul în ERP?

Citește exact ce are voie utilizatorul care întreabă, nu mai mult. Scrierea vine mai târziu, în domenii înguste, cu aprobare umană, anulare și jurnal. În prima fază, AI-ul doar citește.

Ce se întâmplă cu întrebările pe care nu le-am descris?

Un sistem bine făcut răspunde „nu știu” și arată ce lipsește. Apoi adaugi descrierea, iar întrebarea devine acoperită, pas cu pas.

Hai să discutăm

Dacă folosești deja un ERP COSYS și vrei să aflăm împreună cum te-ar ajuta un AI pe datele tale, sau dacă te gândești să începi, Hai să discutăm.

Vezi și capabilitățile ERP COSYS, ERP pentru producție, ERP pentru distribuție și despre COSYS.

COSYS construiește de 35 de ani, din 1991, sisteme de automatizare a întreprinderii pentru firme locale. Suntem partener Microsoft din 1998, avem certificare ISO/IEC 27001, iar peste 100 de firme locale lucrează cu sistemele noastre. De-a lungul anilor am învățat că o tehnologie nouă poate fi folosită bine doar atunci când îi cunoști limitele. Cu această experiență ne ajutăm clienții să separe ce e util de zgomot în era schimbării tehnologice a AI-ului.

‍

Folosit cu încredere de