SAPLAND: Новости экосистемы

MD Audit провел исследование развития ERP-систем и определил, как ИИ трансформирует управление бизнесом в 2026–2028 годах MD Audit провел комплексное исследование трансформации корпоративных систем управления под влиянием искусственного интеллекта. Эксперты проанализировали основные архитектурные модели, технологические решения, экономику внедрения и практические сценарии применения ИИ-агентов в ERP-контуре. Главный вывод исследования: рынок приближается не к одномоментному отказу от ERP, а к значительно более масштабному изменению — переходу от монолитных систем к новой корпоративной архитектуре, в которой ERP сохраняет роль надежного транзакционного ядра, а ИИ-агенты становятся универсальным интерфейсом и исполнительным слоем для работы с бизнес-процессами. В такой модели сотруднику не требуется вручную перемещаться между многочисленными разделами системы, сверять записи, искать документы, переносить данные и контролировать каждое исключение. Значительную часть этих операций способны выполнять специализированные ИИ-агенты: находить необходимую информацию, сопоставлять данные из разных источников, готовить рекомендации, выявлять аномалии, координировать действия между системами и формировать проекты управленческих решений. При этом юридически значимый учет, контролируемые проводки, разделение полномочий, аудиторский след и воспроизводимость операций должны оставаться внутри защищенного транзакционного ядра. В рамках исследования группа экспертов проанализировала четыре основных сценария развития корпоративных систем: • Первый предполагает модернизацию крупных ERP-платформ и внедрение встроенных ИИ-инструментов. • Второй строится вокруг компонуемой архитектуры: минимального транзакционного ядра, отдельных доменных сервисов, API, событийной интеграции и ИИ-оркестрации. • Третий предусматривает создание семантического слоя или графа знаний, который формирует единый контекст для людей и цифровых агентов. • Четвертый связан с применением ИИ-ориентированных решений для замещения отдельных ERP-модулей — прежде всего в финансовых и других хорошо структурированных процессах. Исследование показывает, что максимальная ценность ИИ сегодня создается не за счет универсального корпоративного чат-бота, а благодаря специализированным агентам, подключенным к системам и данным компании через контролируемый слой интеграции. Такие агенты могут работать с бюджетами и платежами, договорами и закупками, задачами и проектами, корпоративными регламентами, отчетностью, клиентскими данными и операционными показателями. Применение специализированных ИИ-инструментов может сокращать продолжительность отдельных финансовых операций примерно на 80% и экономить более 30 рабочих часов в месяц. Эксперты MD Audit выделили три уровня применения ИИ-агентов →

Большинство публикаций о SAP Clean Core сводятся к банальному повторению мантры: «не модифицируйте ядро, выносите код на BTP». Однако в этой конкретной статье Георга Кренна есть несколько действительно уникальных, свежих и нетривиальных мыслей, которые редко встречаются в стандартных технических гайдах SAP. SAP Clean Core и стимпанк*: как сохранить инновационность ядра ERP-системы Автор делает неожиданный и яркий культурологический экскурс, объясняя, почему это направление так называется. «Steampunk» — это не просто внутреннее кодовое имя. Это точная метафора жанра научной фантастики, где исторические, проверенные временем технологии соединяются с футуристическими идеями. Обычно ABAP в облаке позиционируют просто как «современную версию». Автор же легитимизирует его как осознанный, элегантный гибрид: вы не выбрасываете свой многолетний опыт и логику (историческая часть), а помещаете их в современный, гибкий контекст (футуристическая часть). Вместо абстрактных призывов «выносить всё», автор дает конкретный, измеримый критерий для принятия архитектурных решений: решение о том, где писать код, зависит от временной и функциональной связности. Если функция должна реагировать немедленно и напрямую в ходе стандартной SAP-транзакции (например, сложная валидация при проведении документа), ее реализация в ядре (но строго по стандартам Clean Core) допустима и оправдана. Если функцию можно развязать во времени или логике (например, формирование сложного отчета, запуск внешнего скоринга, отправка уведомления), она обязана быть Side-by-Side расширением на BTP. Это готовый чек-лист для архитекторов и бизнес-аналитиков, снимающий идеологический фанатизм «ноль кода в ядре любой ценой». Многие говорят, что стандартное ядро нужно для «быстрых обновлений». Автор идет дальше и называет конкретную технологию будущего: современные инновации SAP, в частности Business AI и агенто-ориентированные приложения, по своей архитектуре физически не могут работать на кастомизированных, «грязных» данных и процессах. Они требуют стандартизированных интерфейсов и структур. Clean Core позиционируется не как скучная задача для ИТ-отдела по облегчению обновлений, а как единственное условие, при котором бизнес вообще сможет когда-либо воспользоваться ИИ-агентами от SAP. Автор открыто признает, что у компаний есть огромные пласты «технического долга», и призывает не пытаться переписать всё историческое наследие в рамках одного проекта. Вместо радикального призыва «обнулиться и начать с чистого листа», дается реалистичная стратегия: оставьте старый код работать, но введите жесткий «карантин»: любое новое требование с сегодняшнего дня должно реализовываться исключительно по принципам Clean Core. Это снимает паралич принятия решений у CIO. *«Steampunk» изначально было внутренним названием проекта в SAP. Этот термин, вероятно, отсылает к одноименному научно-фантастическому жанру, который сочетает исторические технологии с футуристическими идеями. Применительно к SAP это название, вероятно, отражает сочетание проверенного ABAP и современных облачных технологий. Официально SAP теперь в основном использует SAP BTP, ABAP Environment или ABAP Cloud Development Model. Однако термин Steampunk остается распространенным в сообществе SAP.

Урал­хим­маш: ERP не исправляет плохое управление - она делает его обязательным ERP не исправляет недостатки управления, а фиксирует выбранную модель в жёстких правилах, ролях и алгоритмах. Если модель плохая или несогласованная — система сделает её обязательной и масштабирует проблемы на всё предприятие. Почему это происходит? • Продажи, производство, снабжение и финансы изначально предъявляют к системе противоречивые требования (гибкость vs. стабильный план vs. долгосрочные закупки). ERP не снимает этот конфликт, а заставляет компанию выбрать, какой порядок главнее. • Без предварительной договорённости о правилах конфликт переносится внутрь ERP: в маршруты согласования, права доступа и доработки. • ERP дисциплинирует исполнение, но одинаково послушно исполняет и разумный, и неудачный порядок. Ошибка одного перестаёт быть локальной — она немедленно влияет на закупки, загрузку, деньги и обязательства перед клиентом. Три стадии, на которых проявляется проблема (с примерами) На этапе требований — завод «Сигнал»: подразделения продавили противоречащие друг другу локальные интересы; первое внедрение провалилось. Вторая попытка началась с общей цели и чёткой ответственности за данные. Во время реализации — смена куратора привела к изменению самой логики управления; проект перепроектировали, сдвинув запуск на год, но избежав «перекройки» работающей системы. После запуска — Revlon: сбой при запуске SAP привёл к $64 млн невыполненных продаж и $53,6 млн допрасходов, вскрыв слабость контроля и нехватку компетенций. Особая зона риска — импортозамещение: Механический перенос старой системы на новую платформу («сделайте всё как сейчас») консервирует не только нужное, но и устаревшие правила, размытую ответственность и управленческий «долг». Требуется отделить жизненно важные процессы от накопленных компромиссов. Три условия, которые нужно обеспечить до проектирования ERP 1. Согласованная модель и владельцы сквозных процессов с реальными полномочиями и порядком разрешения межфункциональных конфликтов. 2. Качественные данные и контрольная среда: ответственные за справочники, правила ведения и измеримые метрики. 3. Проверенная готовность к запуску: способность пользователей пройти реальный производственный цикл, закрыть период и отработать исключения. Перед ERP нужно сначала договориться о трех вещах: модель работы, владельцы процессов, качество данных и готовность пользователей. Иначе проект может быть технически успешным, но управленчески бесполезным. Результат ERP-проекта определяется не в день старта системы, а в момент, когда руководство решает, как предприятие действительно должно работать. Интегратор может настроить процесс, но не вправе проектировать систему управления. ERP усилит хорошую модель, многократно умножит плохую, а несогласованную заменит случайным проектным правилом.

Урал­хим­маш: ERP не исправляет плохое управление - она делает его обязательным

Кампания «The Beginning of Better»* Одна из, казалось бы, универсальных черт человеческой природы — это подозрительность к переменам, а иногда и сопротивление им. Неизвестность вызывает сильный дискомфорт. Сейчас мы оказались в очередном таком моменте, когда жизнь уже никогда не будет прежней. Нравится нам это или нет, но новые технологии пришли и останутся с нами навсегда. «The Beginning of Better»* — это глобальная рекламная кампания SAP, созданная совместно с агентством BBDO New York, которая эмоционально показывает, как люди на протяжении истории боялись новых технологий, но каждая инновация делала жизнь лучше. Кампания отличается от традиционного B2B-маркетинга тем, что использует эмоциональный сторителлинг вместо технического жаргона, показывая реальные страхи и сомнения руководителей. SAP трансформируется из ERP-компании в ИИ-компанию, где ИИ-агенты управляют критически важными бизнес-операциями от начала до конца; это начало новой эры, где предприятия могут думать, адаптироваться и действовать как никогда раньше, объединяя усилия людей и ИИ. Сюжет строится на исторической параллели: люди в разные эпохи боялись новых технологий, задаваясь вопросом «Неужели это конец?». Кампания призвана уменьшить страх и дискомфорт людей перед новыми технологиями (в частности, перед ИИ и автономными системами SAP). Она показывает, что человечество всегда скептически реагировало на прорывные инновации, но в итоге они всегда делали жизнь лучше. Это юмористическое «путешествие во времени», в котором зритель последовательно видит, как люди в разные эпохи морщились от нововведений: — Сырая еда vs огонь; — Гребные лодки vs паруса; — Пиявки vs настоящая медицина; — Пьесы Шекспира vs телевидение. В наше время коллеги смотрят на внедрение «Автономного предприятия» (Automated Enterprise) от SAP и в панике спрашивают: «Это конец?». На что бизнес-лидер спокойно отвечает: «Да. Конец рутинной работы, узких мест и разрозненности. И начало более быстрой, простой и качественной работы». Как отмечает креативный директор BBDO Гэри Реш, кампания должна вызвать улыбку и глубокий выдох облегчения: «Расслабьтесь, мы уже проходили через это. Мы всегда кричим «небо рушится», но в итоге не можем представить, как вообще жили без этих новых технологий». Хотя ролик рассказывает о технологиях будущего, сама съемка была технологически инновационной: видео было снято с использованием объемного LED-экрана (Volume stage) — той же технологии, что используется в «Мандалорце». Это позволило команде отснять 20 разных исторических эпох и локаций, не покидая одной студии. *«Начало лучшего».

Создание Open Secure AI Alliance (Альянс безопасного открытого ИИ) Nvidia и Microsoft объединились с рядом других технологических компаний (включая SpaceX, IBM, SAP, Palantir, Linux Foundation, Cloudflare, Cisco, Adobe, Siemens и DoorDash) для создания Open Secure AI Alliance (Альянса безопасного открытого ИИ). При этом из альянса намеренно исключены ведущие американские разработчики ИИ: OpenAI, Google и Anthropic. Участники альянса заявили, что для эффективной защиты от атак, исходящих от передовых моделей ИИ, необходимы именно инструменты с открытым исходным кодом. Компании будут совместно разрабатывать и делиться решениями для кибербезопасности ИИ. Инициатива стала прямым ответом на растущие опасения по поводу безопасности ИИ после недавнего инцидента, когда «неконтролируемая» модель OpenAI вышла из-под контроля (покинула изолированную среду тестирования) и атаковала инфраструктуру компании Hugging Face. Подчеркивается важный нюанс инцидента: Hugging Face заявила, что была вынуждена использовать китайскую открытую модель для защиты своей инфраструктуры, потому что строгие внутренние ограничения безопасности топовых американских моделей сделали их бесполезными для отражения этой атаки. Альянс формируется на фоне растущей напряженности в вопросе о том, должны ли самые мощные модели ИИ оставаться открытыми. Китайские компании выпускают всё более мощные открытые модели, что бросает прямой вызов стратегии лабораторий США, которые в основном держат свои передовые системы закрытыми и проприетарными. Nvidia и её партнёры утверждают, что для обеспечения безопасности ИИ необходим доступ как к закрытым, так и к открытым моделям, чтобы у защитников были реальные инструменты для противодействия новым угрозам.

Согласно данным исследования SAP Engagement Cloud (Emarsys) «Engagement Index» (Индекс вовлеченности) 21% всех потребителей уже используют ИИ-агентов для поддержки принятия решений о покупке. Среди представителей поколения Z этот показатель достигает 43%. В исследовании также отмечается, что 74% потребителей считают, что ИИ помогает им делать более быстрый и обоснованный выбор, а 80% маркетологов уверены, что ИИ станет критически важным инструментом для удержания клиентов в ближайшем будущем. Обоснование значимости этой статистики для ERP-систем На первый взгляд может показаться, что использование ИИ покупателями — это задача исключительно для маркетинга и CRM. Однако для ERP-систем этот тренд имеет фундаментальное значение. Как прямо отмечается в исследовании SAP, когда интерес к продукту резко возрастает (например, из-за рекомендации ИИ-агента), «управление запасами, выполнение заказов и обслуживание клиентов должны быть синхронизированы, чтобы компании могли эффективно реагировать». Если маркетинг генерирует спрос, а ERP-система не может мгновенно проверить наличие товара на складе или перенастроить логистику, бренд теряет продажи и лояльность. ERP выступает тем самым «единым ядром», которое связывает клиентский спрос с операционными возможностями. Директор по маркетингу SAP Engagement Cloud Сара Рихтер подчеркивает: «Данные часто разрознены по несвязанным системам, команды работают в изоляции, а непоследовательное качество данных ограничивает возможность действовать в моменте...Организации с более унифицированными базовыми системами находятся в гораздо более сильной позиции». SAP связывает поведение потребителей с своей стратегией «Автономного предприятия», в которой системы ИИ переходят от простого анализа данных к автоматическому выполнению действий в рамках бизнес-процессов. Если 43% зумеров полагаются на ИИ при покупке, компания-продавец должна отвечать им той же технологичностью: ERP-система должна автоматически инициировать дозаказ сырья, корректировать производственные планы или менять маршруты доставки без участия человека, реагируя на сигналы спроса в реальном времени. Поколение Z склонно к быстрым, импульсивным покупкам, основанным на трендах и рекомендациях алгоритмов. Традиционные системы планирования ресурсов (MRP), работающие на исторических данных, не справляются с такими резкими всплесками. Современные ERP с встроенной аналитикой и ИИ позволяют перейти от реактивного к предиктивному планированию, учитывая внешние цифровые сигналы (включая активность ИИ-агентов покупателей) для точного прогноза спроса.

И снова послушаем финансового директора SAP. На этот раз Доминик Асам рассуждает о том, что повсеместное использование ИИ приводит к росту расходов на токены, SAP внедряет строгую трехуровневую систему контроля. Финансовый директор SAP: Расходы на токены ИИ «стремительно растут» Цифровые помощники ускоряют программирование и обслуживание клиентов, но с каждым запросом затраты растут. «В этом году стоимость токенов для нас резко возрастает», — заявил финансовый директор Доминик Асам в интервью Handelsblatt и CNBC. Токены считаются центральной единицей измерения при развертывании и выставлении счетов за использование ИИ. Это естественный этап перехода SAP от точечных пилотных проектов к промышленному масштабированию ИИ-технологий внутри компании. Чтобы предотвратить неконтролируемый рост операционных расходов, SAP внедряет систему классического финансового контроллинга для ИИ-инструментов. По словам Асама, компания добилась «прозрачности»: теперь финансовая дирекция и ИТ-отдел точно видят, какие подразделения, сколько и для каких конкретных задач тратят токенов. Согласно внутренним документам, SAP вводит строгие ежемесячные лимиты на использование корпоративных ИИ-сервисов: — Basic (Базовый): лимит до 100 евро в месяц (для большинства сотрудников). — Pro (Профессиональный): бюджет 500 евро в месяц (для сотрудников технических и профильных подразделений). — Pro Max (Максимальный): лимит 5 000 евро в месяц (для небольшой группы интенсивных пользователей). При специальном одобрении руководителя возможно разовое выделение до 50 000 евро. Новая система включает автоматические уведомления для сотрудников, когда они израсходуют 50% и 80% своего выделенного бюджета. Если сотруднику на постоянной основе требуется больше вычислительных ресурсов, он обязан получить официальное согласование с непосредственным руководителем. SAP отказалась от дальнейших комментариев по поводу этого плана. На данный момент основное потребление ИИ-токенов приходится на «низко висящие фрукты» (low-hanging fruit) — чат-боты и помощники для написания кода. В этих сферах возможные «галлюцинации» ИИ менее критичны, так как ошибки несут ограниченные финансовые или репутационные риски. Чтобы получить реальную отдачу от инвестиций, ИИ должен выйти за рамки чат-ботов и интегрироваться в сложные процессы, такие как финансы или управление цепочками поставок. Однако Асам предупреждает: в таких процессах ошибки ИИ статистически накапливаются на каждом шаге, что создает серьезные риски для соблюдения нормативных требований и требует гораздо более высокого уровня гарантий и проверок. Асам подчеркивает, что «высоко висящие фрукты» (настоящая ценность ИИ) заключаются не в повсеместном применении общих языковых моделей, а в создании управляемых систем под конкретные бизнес-задачи. Идея о том, что ИИ сам по себе решит проблемы с неструктурированными данными или устаревшими изолированными хранилищами, ошибочна. Без предварительной очистки и упорядочивания данных использование ИИ приводит к «чрезвычайно высоким затратам на токены» без реальной пользы. В видео также звучит важный тезис о том, что компаниям не всегда нужна самая дорогая или мощная ИИ-модель для решения задач, а в некоторых случаях ИИ не нужен вовсе, если проблема решается более простыми и дешевыми методами. Действия SAP отражают более широкую тенденцию среди крупных корпораций. После этапа первоначального энтузиазма и экспериментов с генеративным ИИ бизнес переходит к фазе оптимизации затрат, требуя от ИИ-инициатив измеримой эффективности, прозрачности и строгой финансовой дисциплины. SAP признает огромный потенциал ИИ, но предупреждает об опасности бесконтрольного сжигания бюджетов на токены для простых задач. Будущее корпоративного ИИ, по мнению CFO SAP, лежит не в гонке за самыми мощными моделями, а в строгом контроле затрат, чистоте данных и интеграции ИИ только в те процессы, где это приносит измеримую и безопасную бизнес-ценность.

Финансовый директор SAP утверждает, что ИИ должен выйти за рамки простых решений для чат-ботов, прежде чем начнет приносить прибыль Финансовый директор Доминик Асам заявил журналистам после публикации результатов SAP за второй квартал, что «львиная доля» потребления токенов ИИ сегодня была потрачена на «легкодоступные» решения — помощников по программированию и чат-ботов, где «иллюзии» ИИ имеют меньшее значение, поскольку результат сопряжен с ограниченным риском в случае сбоя. Однако, по его словам, применение ИИ в финансах, цепочках поставок или других ключевых бизнес-процессах сложнее, поскольку ошибки переносятся на несколько этапов, что увеличивает риск нарушения стандартов соответствия. «Если в процессе возникают галлюцинации, ошибки будут статистически накапливаться на протяжении многих этапов», — сказал Асам, имея в виду финансовые рабочие процессы. «Это требует гораздо более строгих мер безопасности». Асам отметил, что «легкодоступные возможности» ИИ заключаются не столько в применении универсальной, готовой к использованию модели обработки больших языков программирования в масштабах всей компании, сколько в создании систем, адаптированных под конкретные бизнес-задачи. Это требует от компаний обеспечения доступности и управляемости собственных данных, чтобы ИИ мог работать, опираясь на знания компании. «Идея о том, что ИИ решит все эти проблемы, если они связаны с разрозненными, устаревшими хранилищами данных, неверна», — сказал Асам, добавив, что такой подход сопряжен с «чрезвычайно высокими затратами на токены». «Самая передовая модель не всегда является правильной», — сказал он. На практике, по его словам, компании будут использовать самый дешевый и надежный инструмент, способный безопасно обеспечить требуемый результат, будь то простое программное обеспечение, модель с открытым исходным кодом или дорогостоящая передовая модель.

Финансовые результаты SAP за 2 квартал 2026 года: сила облачного бизнеса SAP SE отчиталась за второй квартал 2026 года. Облачная выручка компании выросла на 22%, а выручка Cloud ERP Suite увеличилась на 25%. Текущий облачный бэклог (объем заключенных, но еще не реализованных контрактов) достиг €22,9 млрд, что на 26% больше. Это гарантирует стабильный поток доходов в ближайшие 12 месяцев. SAP незначательно снизила прогноз операционной прибыли на 2026 год с €11,9–12,3 млрд до €11,8–12,2 млрд. Это связано исключительно с эффектом недавних стратегических поглощений в сфере данных и ИИ, таких как Dremio, Prior Labs и Reltio. Это прямая инвестиция в инфраструктуру для безопасного и эффективного внедрения ИИ у клиентов. В течение года акции SAP испытывали давление (падение до 40% с начала года) из-за распространенного страха, что генеративный ИИ сделает традиционное корпоративное ПО ненужным. Однако сильные квартальные результаты и четкая стратегия «Автономного предприятия» (Autonomous Enterprise) помогли акциям показать рост после публикации отчета, развеивая эти опасения. Комментарии руководства «Мы показали еще один квартал сильного роста текущего облачного бэклога, увеличив его на 26% в постоянной валюте. Эти результаты подкрепляются нашей стратегией Autonomous Enterprise с сильным импульсом как в нашем Autonomous Suite, так и в нашей платформе Business AI. Клиенты выбирают SAP для обеспечения точных и соответствующих нормативным требованиям результатов внедрения ИИ, основанных на их наиболее критических бизнес-процессах и данных», — заявил генеральный директор SAP Кристиан Кляйн. Финансовый директор Доминик Азам добавил: «Второй квартал стал еще одним сильным кварталом, отмеченным устойчивым ростом текущего облачного бэклога и свободного денежного потока на фоне волатильного макроэкономического фона. Эти результаты отражают нашу дисциплинированную реализацию стратегии и способность достигать операционных целей. В рамках этой реализации мы активно продвигаем собственную трансформацию в автономное предприятие, используя ИИ для повышения как эффективности, так и производительности одновременно». Клиентские кейсы и география Во втором квартале клиенты по всему миру продолжали выбирать путь «RISE with SAP». Среди них: ACCIONA, AIRBUS, город Оснабрюк, Electrolux, Eli Lilly, Gilead Sciences, HARTING, Hindustan Zinc, Берлинский университет имени Гумбольдта, JET, Ørsted, Samsonite Group, Shell, The Shoprite Group, SIGNAL IDUNA, SPAR (CH), Sun Pharma, Vonovia. Решение «SAP GROW» выбрали Gooroo Crédito, Modular Data Centers, Parloa, округ Таррант и Techem. AI- и data-решения SAP выбрали AMADEUS, BBC, Booking.com, GOL, Oki Electric Industry, PwC, Университетская больница Цюриха и Vale. Ключевые победы по портфелю SAP: Birlasoft, Capgemini, Haier Group, KaDeWe. Новые клиенты во втором квартале: Döhler, FANUC Europe, Fonterra, Natura Cosméticos, SABESP и TEAG. Руководители SAP также привели несколько примеров от клиентов, чтобы проиллюстрировать раннее внедрение ИИ. Кляйн сказал, что SAP и Amadeus разработали агента на основе ИИ, который автономно сверяет неструктурированные платежные данные и уже исправил около 40 000 некорректных транзакций. Он также отметил, что Northcote перешла с устаревшей системы BW на SAP Business Data Cloud, сократив время разработки решений бизнес-аналитики примерно на 75% и время создания отчетов на 50%. В другом примере Кляйн рассказал, что компания Lemvigh-Müller, работая совместно с NTT Data, внедрила специализированных агентов на основе искусственного интеллекта для проверки заказов на покупку, достигнув более 90% бесконтактной обработки и 98% точности сопоставления. Выручка от облачных услуг особенно сильно росла в регионах APJ и EMEA, а также показала стабильные результаты в Америке. Выдающиеся результаты — в Бразилии, Франции, Германии, Италии, Индии, Южной Корее и Испании. Особо сильные позиции — в Австралии, Сингапуре и США. Устойчивый рост облачного бэклога и выручки подтверждает успешность стратегии SAP по переходу к автономным предприятиям, однако зависимость прогнозов от геополитической стабильности на Ближнем Востоке остается значительным фактором риска для инвесторов.

Фрилансеры: специалисты по SAP и ERP противостоят нисходящей тенденции Согласно анализу Freelancerkompass 2026, специалисты по SAP и ERP-системам немецком рынке ИТ-фриланса являются самыми высокооплачиваемыми среди фрилансеров в сфере IT. Однако в целом ситуация с заказами ухудшается. Медианная почасовая ставка специалистов по SAP и ERP-системам выросла с 115 до 120 евро в годовом исчислении. Это примечательно, так как общий рынок фриланса демонстрирует тенденцию к снижению или стагнации ставок. Медианный валовой ежемесячный доход фрилансеров в сфере SAP и ERP составляет 7 750 евро. Для сравнения, в других областях ИТ эти показатели ниже: аналитика данных (Data & Analytics) – 7 000 евро, ИТ-инфраструктура – 6 000 евро, программная и веб-разработка – 5 500 евро. Несмотря на общее заметное охлаждение рынка ИТ-фриланса (56% ИТ-фрилансеров сообщают об ухудшении ситуации с заказами по сравнению с предыдущим годом), а также несмотря на охлаждение в оценке их собственного экономического положения: 38% IT-фрилансеров оценивают свою ситуацию как плохую или очень плохую, эксперты с узкой и востребованной специализацией, такой как SAP и ERP, остаются в высоком спросе даже в условиях экономического спада. Однако Freelancerkompass не выявил какого-либо негативного влияния ИИ на ситуацию с заказами в IT-сфере. Общее давление на снижение ставок фрилансеров связано с осторожностью бюджетов и более нерешительным запуском проектов со стороны компаний. Однако наличие правильной специализации (как в случае с SAP/ERP) позволяет специалистам стабилизировать или увеличивать свой доход, в то время как большинство других фрилансеров (62%) не видят возможностей для повышения своих ставок: «Цифры показывают, что в настоящее время IT-фрилансеры стабилизируют свой доход скорее за счет загрузки и объема проектов, чем за счет высоких почасовых ставок. Это соответствует рыночной ситуации».

Сам агент SNOW был разработан и развернут на базе SAP BTP. Эта платформа выступает «мостом», который позволяет объединять внешние неструктурированные данные (например, потоки данных с метеодатчиков в реальном времени) с внутренними структурированными данными ERP-системы. Агент использует встроенные возможности SAP Business AI для анализа условий, валидации доступности ресурсов (люди, техника, химикаты) и принятия решений на основе этих данных. Самое главное: агент не просто выдает «рекомендацию» в виде текста или дашборда. Он автоматически создает и выпускает рабочие ордеры (work orders) непосредственно внутри модулей SAP S/4HANA, а затем отслеживает их выполнение через мобильные интерфейсы для бригад на поле. Именно наличие современного технологического фундамента (S/4HANA + BTP) позволило команде пройти путь от идеи до рабочего прототипа (MVP) всего за 12 недель.

За пределами офисной продуктивности: как агентный ИИ берет под контроль критически важные операции Сегодняшний ландшафт ИИ перенасыщен историями об автоматизации рутинных задач. Генерация писем, саммаризация встреч, создание презентаций — все эти сценарии обещают повысить продуктивность офисных сотрудников на 10-20%. Безусловно, это ценно. Но создается ощущение, что за деревьями «офисной» оптимизации мы не видим леса по-настоящему трансформационных изменений. На этом фоне запуск ИИ-агента SNOW (Smart Network for Operative Winter) в аэропортах Аргентины (Aeropuertos Argentina 2000) звучит как глоток свежего воздуха. Это не история про «сделать то же самое, но чуть быстрее». Это история про качественно иной уровень ответственности и воздействия, где ИИ берет на себя управление физическими процессами в режиме реального времени, влияя на безопасность людей, экологический след и операционную устойчивость критической инфраструктуры. Контекст задачи был предельно суровым. Управление зимними операциями в аэропортах — это сложный, стрессовый и дорогостоящий процесс. Ошибки в расчете количества реагентов (мочевины и гликоля) или задержка в принятии решения ведут не просто к финансовым потерям, а к рискам безопасности и экологическому ущербу. Ранее этот процесс был разрозненным: метеоданные, инвентаризация химикатов, диспетчеризация техники и работа бригад существовали в разных информационных сценариях. SNOW Agent изменил правила игры, создав замкнутый автономный контур: агент непрерывно анализирует данные с IoT-датчиков на аэродроме и внешние метеопрогнозы → ИИ оценивает доступность ресурсов (люди, техника, химикаты) и автоматически формирует план действий → Ключевой момент — агент не просто «рекомендует», а самостоятельно создает рабочие заказы в системе SAP S/4HANA → Задачи мгновенно поступают на мобильные устройства бригад на поле, а статус выполнения отслеживается в реальном времени. Весь этот путь от сигнала датчика до физической уборки снега теперь происходит с минимальным участием человека в рутинных решениях. Почему это впечатляет больше, чем «Copilot для всех» Существует фундаментальное различие между ИИ, который помогает писать код или письма, и ИИ, который управляет операционной деятельностью предприятия. Здесь мы видим измеримые бизнес-результаты и преимущества: — Снижение углеродного следа на 45 тонн CO₂-эквивалента в год (за счет предотвращения перерасхода химикатов). — Сокращение прямых операционных затрат на 16%. — Уменьшение административных временных затрат на 90%. — Повышение безопасности пассажиров и бесперебойности полетов. Многие ИИ-инструменты остаются на периферии бизнеса — в мессенджерах или надстройках над почтой. SNOW Agent встроен в ядро бизнеса — SAP S/4HANA. Это демонстрирует важный тезис: настоящий корпоративный ИИ должен уметь «нажимать кнопки» в ERP-системе. Без возможности инициировать финансовые и операционные транзакции ИИ остается просто «разговорчивым консультантом», но не активным участником бизнеса. Успех агента стал возможен благодаря предварительной модернизации ИТ-инфраструктуры. Аэропорты Аргентины мигрировали на SAP S/4HANA (начиная с 2023 года), создав глобальный шаблон бизнес-процессов. Статья подчеркивает, что старые системы (например, SAP ECC) не подходят для надежного внедрения ИИ-агентов: качественная ИИ-автоматизация требует современных платформ данных и ERP. SNOW Agent задуман не как разовое решение, а как платформа для развития агентного ИИ во всех операциях аэропорта. В планах: расширение на другие аэропорты и новые сценарии использования, такие как обнаружение посторонних предметов на ВПП (FOD), мониторинг дикой природы и контроль состояния инфраструктуры. Настоящая ценность агентного ИИ раскрывается там, где внешние или неструктурированные данные (например, показания датчиков погоды) бесшовно интегрируются в корпоративные рабочие процессы ERP. Такие отраслевые инновационные проекты, решающие критически важные операционные задачи, гораздо ценнее, чем массовые сценарии использования ИИ для простой офисной продуктивности.

SAP ABAP-1: Языковая модель искусственного интеллекта для кода ABAP SAP ABAP-1 (ABAP AI Models) — это первая базовая модель SAP, обученная на коде ABAP. Модель описывает код ABAP, но теперь может также использоваться для генерации кода. Доступ к ней осуществляется через Generative AI Hub на платформе SAP Business Technology Platform (BTP). SAP ABAP-1 интегрируется с существующим кодом ABAP и CDS в SAP S/4HANA. SAP описывает техническую интеграцию и поддерживаемые вызовы в своем портале справки. Эта модель решает распространенную проблему в органически развивающихся системах SAP: понимание кода ABAP без доступной документации. SAP ABAP-1 объясняет существующий код ABAP Модель описывает исходный код на естественном языке. Входными данными являются класс ABAP, метод или фрагмент кода из репозитория; выходными данными является пояснение на английском языке, хотя теперь поддерживаются и другие языки. Это дает разработчикам возможность ознакомиться с незнакомыми или устаревшими программами до внесения изменений или начала рефакторинга . Полезность модели возрастает с возрастом кода, поскольку в давно существующих программах на основе Z-кода редко полностью документируется логика. В основе нескольких инструментов SAP лежит одна и та же модель. Joule for Developers в ABAP Development Tools (ADT) для Eclipse использует SAP ABAP-1 в качестве основы, как и Joule for Consultants и сценарий миграции пользовательского кода, который объясняет работу с устаревшим кодом во время миграции с SAP ERP на SAP S/4HANA. SAP ссылается на кодовую базу ABAP и CDS S/4HANA в качестве основы для обучения, которая, по оценкам SAP, составляет около 250 миллионов строк кода ABAP. Этот том предполагает широкое освещение стандартных объектов, пользовательских расширений, реализаций BAdI и шаблонов облачной разработки ABAP, но сам по себе ничего не говорит о качестве отдельных объяснений. По сравнению с универсальными языковыми моделями, SAP указывает на преимущество для бизнеса. По данным SAP, SAP ABAP-1 понимает систему типов ABAP, ограниченный набор языков программирования для облачной разработки ABAP и интерфейсы, выпущенные для Clean Core, что приводит к меньшему количеству некорректных имен классов или сигнатур методов. Однако эта информация предоставлена ​​SAP и не была независимо подтверждена. Для команд разработчиков наиболее надежной проверкой остается практическое тестирование собственного кода, поскольку результаты все равно требуют анализа с точки зрения бизнеса перед внесением каких-либо изменений в программу.

Германия — Назад в будущее — через Lidl В 2018 году Lidl потерял полмиллиарда евро из-за попытки бесконечно кастомизировать SAP под свои устаревшие процессы. Lidl потратил около 500 миллионов евро и 7 лет на разработку и внедрение новой системы управления запасами на базе SAP (проект eLWIS), но в 2018 году был вынужден полностью отказаться от него и вернуться к старой системе. Крах произошел из-за того, что руководство Lidl настояло на глубокой кастомизации стандартного ПО SAP под свои устаревшие бизнес-процессы. Вместо того чтобы адаптировать свои процессы под лучшие отраслевые практики, заложенные в стандартной архитектуре SAP, заказчик заставил систему «думать по-старому». Это нарушило целостность системы, сделало ее крайне нестабильной, дорогой в поддержке и неспособной к масштабированию. Этот случай до сих пор изучается в бизнес-школах и консалтинге как хрестоматийный пример ошибок при внедрении ERP-систем, когда, цитаты из отчетов того времени — «сопротивление изменениям» и «чрезмерная кастомизация убивают ERP-проекты». Однако с тех пор IT-стратегия материнской компании Lidl (Schwarz Group) претерпела кардинальные изменения. Компания сделала выводы из этого фиаско и к 2026 году превратилась в одного из крупнейших технологических игроков Европы. Чтобы больше никогда не зависеть от диктата внешних вендоров и сохранить контроль над данными, Schwarz Group выделила свое IT-подразделение в отдельную компанию Schwarz Digits. Они запустили STACKIT — собственный суверенный европейский облачный провайдер, который позиционируется как прямая альтернатива AWS, Microsoft и Google Cloud, но с гарантированным соблюдением строгих европейских законов о защите данных. Успех платформы настолько велик, что ее уже выбирают внешние клиенты, включая, например, Центральный банк Нидерландов. Schwarz Group делает ставку на «цифровой суверенитет». Компания инвестирует около 11 миллиардов евро в создание собственной цифровой экосистемы: это строительство масштабного дата-центра для искусственного интеллекта в Люббенау (на месте бывшей угольной электростанции), это создание Инновационного парка искусственного интеллекта (IPAI) в Хайльбронне, который стал «сердцем» нового технологического кластера. Компания не просто использует чужие ИИ-модели, а активно инвестирует в европейские разработки. Компания также активно инвестирует в суверенные европейские ИИ-разработки, такие как Aleph Alpha, обеспечивая себе полную независимость в эпоху алгоритмов и машинного обучения. История 2018 года служит внутри компании главным напоминанием: технологии не терпят компромиссов с фундаментальной архитектурой. Но если сделать правильные выводы, даже самое дорогое фиаско может стать мощным трамплином для создания технологической империи будущего.

Пошаговый план выстраивания ERP-системы и бюджетирования в агробизнесе на опыте компании «АгроТерра» Этап 1: Подготовка и методология (до начала внедрения) 1. Упорядочивание нормативно-справочной информации (НСИ). Классификаторы, справочники и данные должны быть очищены и стандартизированы до перехода на новую ERP, а не после. Это фундамент всей системы. 2. Отказ от излишней кастомизации. Непрофильные процессы не стоит переписывать под себя, если в коробочном решении (например, 1С ERP) уже заложены лучшие отраслевые практики (best practices). Ресурсы нужно фокусировать на ядре бизнеса, а не на доработке второстепенных функций. 3. Планирование архивирования и миграции данных. Заранее примите решение о сохранении исторической информации из старой системы. Опыт показывает, что доступ к данным старых (особенно иностранных) решений может быть отключен одномоментно, поэтому управление непрерывностью бизнеса и сохранность «исторической памяти» должны быть предусмотрены заранее. Этап 2: Проектирование архитектуры и разделение функций 4. Четкое разделение контуров систем. Избегайте превращения ERP в «монстра», который делает всё. Оптимальная архитектура: — ERP-система: хранит бюджетные предпосылки, бизнес-модели, справочную основу и расчетные блоки. — BI-система: отвечает за сценарное планирование, аналитику, сравнение вариантов и закрытие факта. Такое разделение снижает дублирование функций и упрощает управленческий контроль. 5. Проработка интеграций. Заранее спроектируйте надежные интеграции с внешними источниками данных для повышения достоверности расчетов и исключения ручного ввода. Этап 3: Построение системы бюджетирования 6. Перевод бюджетов на драйверную основу. Автоматизируйте отдельные блоки расчета, чтобы бюджеты формировались не «от прошлого года», а на основе бизнес-драйверов. 7. Обеспечение прозрачности и цифрового следа. Каждый этап бюджетного процесса должен быть логируемым и проверяемым. Это снижает риск потери или подмены данных и повышает доверие к цифрам внутри компании. Этап 4: Тестирование и запуск 8. Обязательное тестирование на тестовой среде. Перед запуском критических процессов (особенно годового закрытия) необходимо тестировать механизмы миграции данных и сценарии закрытия. Пример из практики: без тестирования система при годовом закрытии могла начать пересчитывать каждый месяц заново, игнорируя тот факт, что месяцы уже были закрыты последовательно. 9. Поэтапная, но дисциплинированная миграция. Перенос данных должен идти по строгому плану с проверкой каждого этапа, а не единовременным «большим взрывом». Этап 5: Управленческие принципы успеха 10. Автоматизация как инструмент, а не самоцель. Высокая степень автоматизации сокращает время на подготовку бюджетов и снижает операционные риски, но только если она опирается на заранее выстроенную архитектуру и корректно распределенные роли систем. 11. Изменение процессов, а не только ИТ. Цифровая трансформация требует готовности менять сами бизнес-процессы под новые, более эффективные стандарты, а не просто «оцифровывать» старый хаос. 💡 Главный вывод (3 опоры успешной трансформации) По опыту «АгроТерры», переход на ERP и внедрение бюджетирования дают реальный эффект только при одновременной опоре на три элемента: 1. Правильная архитектура (разделение функций ERP и BI). 2. Качественные структурированные данные (очищенная НСИ и цифровые следы). 3. Готовность менять бизнес-процессы (отказ от излишней кастомизации и дисциплина внедрения). Заранее продуманные интеграции, справочники, границы ответственности систем и сценарии закрытия создают основу для прозрачного учета и управляемой аналитики.

SAP завершила сегодня приобретение компании Prior Labs Сумма сделки превысила €1 млрд. Prior Labs специализируется на Tabular Foundation Models (TFM) — фундаментальных моделях для табличных данных. Их флагманская модель TabPFN работает не с текстом (как привычные LLM), а напрямую со структурированными данными предприятия. Не нужно обучать отдельную модель под каждый новый набор данных. Одна предобученная модель сразу решает задачи прогнозирования: прогноз спроса, отток клиентов, оценка рисков поставщиков, задержки платежей. Технология уже помогает предотвращать сбои в поездах Hitachi, улучшает финансовое прогнозирование TD Банка и используется в научных исследованиях от диагностики рака до прогнозирования лесных пожаров. Prior Labs не будет «растворена» в SAP. Лаборатория сохранит полную независимость, свой бренд, руководство и научную повестку. Она продолжит публиковать исследования и делать свои модели открытыми, но теперь с доступом к инфраструктуре и финансированию гиганта. CTO SAP Филипп Херциг прямо заявил: «Самая большая нереализованная возможность в корпоративном ИИ — это не большие языковые модели (LLM), а ИИ, созданный для структурированных данных, на которых работает мировой бизнес». ***** Это приобретение является частью серии сделок, посредством которых SAP расширяет свои позиции в сфере искусственного интеллекта. Среди прочего, упоминается завершение приобретения Dremio 6 июля и размещение еврооблигаций на сумму 3,5 миллиарда евро в конце мая. Таким образом, SAP явно финансирует свою стратегию в области ИИ одновременно по нескольким каналам – приобретения и финансирование на рынках капитала дополняют друг друга. Время выбрано не случайно: по прогнозам экспертов, рынок корпоративного программного обеспечения на основе ИИ вырастет с 5,8 млрд евро в 2025 году до более чем 58 млрд евро к 2035 году. Многочисленные конкуренты и поставщики активно осваивают смежные области ERP-систем, предлагая собственные расширения на основе ИИ, например, Oracle с NetSuite Next или специализированные компании, разрабатывающие решения для обработки счетов-фактур непосредственно для систем SAP, таких как ECC и S/4HANA. Это усиливает давление на SAP, заставляя ее развивать собственные компетенции в области генеративного и структурированного ИИ, а не приобретать их у сторонних поставщиков.

Почему ваша программа обучения работе с ERP-системой не оправдывает ожиданий ваших сотрудников? И почему развитие внутренней экспертизы — может быть решением проблемы. Провал обучения ERP — это не вина вендора, а осознанный выбор компании, которая выделяет на обучение менее 5% бюджета проекта и полностью передает эту задачу поставщику ПО. Успешные компании не «импортируют» обучение, а формируют внутреннюю экспертизу. Обучение от вендора часто проваливается, потому что оно заточено под демонстрацию функционала, а не под реальные бизнес-процессы вашей компании. Вендор поставляет «коробочный» опыт: абстрактные примеры, попытка охватить все фичи системы сразу и игнорирование специфики рабочих ролей (в одной аудитории могут оказаться и новичок, и senior-специалист). Для сотрудников это выглядит как оторванный от реальности туториал: они механически запоминают, куда кликать, но не понимают, как это встраивается в их ежедневные рабочие процессы. К тому же, такое обучение обычно сжимают в плотный блок прямо перед продуктивом, что гарантирует быстрое выветривание знаний к моменту, когда они действительно понадобятся. Решение — модель внутренних экспертов (супер-пользователей), которые выступают живым мостом между системой и бизнесом. Вместо аутсорса обучения, успешные компании заранее вовлекают ключевых сотрудников из отделов в тесты и обсуждение настроек. К моменту запуска такой эксперт знает не только «как работает система», но и «почему мы настроили её именно так под наши задачи». Он проводит обучение на реальных кейсах и данных компании, а после продуктива становится первой линией поддержки. Это превращает разовое «галочное» мероприятие в устойчивую систему адаптации, где знания закрепляются через практику, релевантность и доверие коллег, а не через сухие слайды поставщика ПО. Вендор знает программное обеспечение, и эти знания ценны. Но только ваши сотрудники знают ваш бизнес, процессы и то, как на самом деле течет работа в обычный день. Вопрос не в том, использовать ли экспертизу вендора, а в том, строите ли вы параллельно внутреннюю экспертизу, которая превратит «формально обученную» рабочую силу в по-настоящему готовую к работе команду.

«Камаз» импортозаместил системы MES и АСУ ТП. На очереди — SAP и инженерное ПО Замещение системы SAP является наиболее сложным и масштабным проектом импортозамещения в ИТ-ландшафте КамАЗа. Это связано с тем, что продукты SAP глубоко интегрированы в бизнес-процессы предприятия, а готовой функциональности для замены таких сложных и специфичных процессов в отечественных решениях, в частности в платформе «1С», на текущий момент пока недостаточно. В связи с этим компания ведет активные переговоры с фирмой «1С» о совместной разработке стандартного отраслевого решения, которое было бы адаптировано именно под потребности автопроизводителей. Однако в КамАЗе рассматривают и запасной вариант: если «1С» не сможет в требуемые сроки закрыть все необходимые технические и бизнес-требования, автогигант готов разрабатывать недостающие модули и системы полностью самостоятельно, опираясь на собственные ИТ-компетенции. Параллельно с ожиданием комплексного решения идут точечные замены отдельных контуров. Например, в части производственного планирования КамАЗ уже договорился о сотрудничестве с компанией BFG Group. Что касается блоков управления транспортом и логистикой, компания планирует заменить их решениями собственной внутренней разработки, чтобы максимально учесть уникальную специфику своих цепочек поставок и избежать зависимости от универсальных, но недостаточно гибких коробочных продуктов.