Sådan kan AI-agenter og automatisering aflaste indkøberen i Business Central

AI-agenter og automatiseringer kan overtage det manuelle tastearbejde for en indkøber i Microsoft Dynamics 365 Business Central, mens indkøberen beholder beslutningerne. I denne podcast-episode fra Abakion gennemgår vi syv konkrete indkøbsopgaver og viser, hvor regelbaseret automatisering, Copilot og autonome agenter hver især gør en forskel. Pointen er: Brug AI til fortolkning og mennesker til beslutning. Hvilke indkøbsopgaver gennemgår episoden? Opgaverne er udvalgt ved at spørge kollegaer, hvad indkøbere bruger mest tid på: oprettelse af nye varer, opfølgning på leverandørers leveringstid, prisændringer og prisaftaler, behovsplanlægning, forecast, opfølgning på åbne indkøbsordrer og håndtering af forsinkede leverancer. Hvad er automatiseringsspektret? Automatiseringsspektret går fra regelbaseret automatisering ("hvis det her sker, så gør sådan") til autonome agenter, der modtager en e-mail og selv klarer resten. Mange opgaver løses bedst et sted midt på spektret. Hvornår giver AI mening ved oprettelse af varer? Hvis leverandøren sender en CSV-fil, så rækker en almindelig importfunktion eller en app. AI bliver stærk, når oplysningerne kommer som tekst i en e-mail, som PDF eller som et scannet dokument, der skal gøres til strukturerede data. Sker det kun en gang eller to om måneden, så er Copilot eller Claude nok, og en agent er ikke nødvendig. Kan AI vise, om leverandører overholder deres lead time? Ja. Business Central har en forventet og en aktuel leveringsdato på leverancerne, og en agent kan via mønstergenkendelse vise, hvor mange gange hver leverandør har overskredet lead time med fx 10 % eller 50 %. Dialogen med leverandøren er stadig indkøberens opgave. Hvad kan en agent gøre med ordrebekræftelser? Abakion har bygget en agent til en kunde, der overvåger en mailbox med ordrebekræftelser, sammenholder dem med indkøbsordren og flytter data fra PDF, Word eller mailtekst over i ERP-systemet. Ud af 50 linjer får indkøberen kun de 4 med afvigelser i antal, pris eller dato at se. Kan AI forklare forslag fra MRP-planlægning? Ja. En agent kan læse forslagene fra MRP-planlægning eller reverse planning, forklare i menneskesprog hvorfor de er kommet, og prioritere dem. Indkøberen vurderer og godkender stadig selv. Er AI bedre end mavefornemmelse til forecast? Ja, ifølge Nikolaj er forecast det største straffespark af de gennemgåede opgaver, fordi mønstergenkendelse rammer bedre end mavefornemmelse. Eksternt input kan indgå, fx vejrudsigten, når der skal bestilles solcreme. Kapitler 00:00 AI-agenter og indkøberens hverdag i Business Central 02:03 Automatiseringsspektret: fra regler til autonome agenter 06:37 Hvilke opgaver bruger indkøbere mest tid på? 07:01 Oprettelse af nye varer fra CSV, e-mail og PDF 12:07 Opfølgning på leverandørers lead time 15:34 Prisændringer, prisaftaler og udløbsdatoer 19:09 Behovsplanlægning med MRP og reverse planning 22:26 Styklister og afhængigheder på tværs af produkter 24:12 Forecasting med mønstergenkendelse og eksterne data 27:49 Opfølgning på åbne indkøbsordrer med en agent 30:49 Forsinkede leverancer og prioritering af kunder 32:43 AI til fortolkning, mennesker til beslutning Se denne video, når du står i disse situationer: Når du vil finde ud af, hvor AI kan spare tid i indkøbsafdelingen. Når leverandører sender produktdata som PDF eller scannede dokumenter, og nogen skal taste dem ind i Business Central. Når du mangler overblik over, hvilke leverandører der ikke leverer til tiden. Når en rabataftale eller kampagnepris udløber, uden at nogen opdager det. Når MRP-kørslen giver flere forslag, end indkøberen kan nå at forstå. Når forecast bygger på sælgernes mavefornemmelse. Når ordrebekræftelser fra leverandører skal sammenholdes med indkøbsordrerne linje for linje. Når en forsinket leverance betyder, at du skal prioritere mellem kunder. Links Lyt og læs mere på abakion.dk: https://abakion.dk/business-central/i...