OCHUTNÁVKA Z TLAČENÉHO ČASOPISU: Elektronická výmena dokumentov stojí na presnosti a jednoznačnosti. Umelá inteligencia prináša pravdepodobnostné výstupy a flexibilitu, ktoré však EDI z definície nepripúšťa. Tieto dva svety sa napriek tomu dnes stretávajú a napriek zjavným odlišnostiam sa vzájomne dokážu obohacovať.
Mnohé EDI projekty dnes stoja na opakovaných manuálnych krokoch – analýze formátov, návrhu mapovania medzi systémami, dokumentácii a porovnávaní implementačných zásad. To sa však s príchodom umelej inteligencie začalo meniť. „V oblasti EDI vidíme prínos AI najmä pri analýze formátov, návrhoch mapovania medzi systémami a identifikácii rozdielov medzi správami. Veľkým pomocníkom je aj v zrýchlení opakujúcich sa administratívnych činností a to platí aj pri EDI projektoch a onboardingu,“ hovorí David Reichel, Solution Architect spoločnosti GRiT. Rutinné činnosti, ktoré doposiaľ zaberali špecialistom dni alebo týždne, sa tak postupne darí zrýchľovať.
V produkčnej komunikácii medzi systémami je obraz iný. EDI je postavené na presnosti, jednoznačnosti a opakovateľnosti procesov, kde každá chyba má priamy dosah na sklad, fakturáciu alebo výrobu. „K využívaniu umelej inteligencie treba pristupovať s istou mierou opatrnosti, v zmysle známeho príslovia o dobrom sluhovi, ale zlom pánovi. Plnohodnotné nasadenie AI priamo počas produkčnej komunikácie medzi systémami bez následnej kontroly človekom si zatiaľ neviem predstaviť,“ upozorňuje Daniel Čermák, Delivery Manager spoločnosti Editel. Spoločným menovateľom oboch pohľadov je rozdelenie zodpovedností. AI zrýchľuje prípravu a znižuje rutinnú prácu, finálne rozhodnutie však zostáva na špecialistovi.
Most k menším partnerom
Plnohodnotnou integráciou EDI nedisponujú všetci obchodní partneri. Pre menšie firmy je investícia do mapovania a údržby často neúmerná objemu dokladov, a tak doklady prichádzajú vo forme PDF, e-mailov alebo excelových tabuliek. „Vidíme tu priestor pre AI ako medzivrstvu, ktorá pomôže previesť menej štruktúrované vstupy do kontrolovanej a štruktúrovanej podoby, nie ako náhradu EDI,“ opisuje Jan Tafat, IT Director spoločnosti Geis pre región CEE. Výstup z takejto medzivrstvy je možné ďalej validovať, mapovať a spracovať obdobne ako štandardnú EDI správu.
K najvyspelejším B2B EDI ekosystémom patrí v súčasnosti jednoznačne farmácia. Cez ADC Net či EDI rozhrania prebiehajú automatizovane viac než štyri pätiny objemovo významných tokov, manuálne sa spracúvajú najmä menší partneri s nízkym objemom dokladov. „Ide typicky o dodávateľov, ktorí posielajú doklady vo forme PDF alebo e-mailov bez štruktúrovaného formátu. V týchto prípadoch využívame princípy inteligentného spracovania dokumentov – kombináciu OCR, pravidiel a strojového učenia,“ dopĺňa Zoltán Nagy, riaditeľ informačných technológií spoločnosti Phoenix Zdravotnícke zásobovanie. AI teda ani v tejto vrstve neslúži na to, aby EDI nahradila, ale aby do štruktúrovanej podoby posunula partnerov, ktorí by inak v EDI ekosystéme nemali zastúpenie.
Archívy sú sľubné, ale neúplné
Druhým smerom je analytika nad historickými EDI dátami. Tie umožňujú odhaliť sezónne výkyvy, predikovať objemy, identifikovať anomálie a plánovať kapacity. Štruktúrované a konzistentné dáta z EDI správ sa tak na prvý pohľad zdajú ako ideálny vstup pre prediktívne modely. „EDI obvykle nepokrýva kompletnú obchodnú komunikáciu zákazníka. Nie všetky protistrany EDI používajú a rad procesov stále prebieha mimo neho – napríklad e-mailom alebo cez portály. Ak by AI pracovala iba nad EDI archívom, môže dochádzať ku skresleniu výsledkov,“ upozorňuje David Reichel. Hodnota analytiky preto vzniká až vtedy, keď model dostane EDI dáta v kombinácii s ďalšími zdrojmi, ako sú ERP, WMS a BI nástroje.
Druhú prekážku odhalí až prevádzková konfrontácia. Čo bolo avizované v EDI správe a čo sa naozaj stalo v sklade, sú dve rôzne veci. A práve rozdiel medzi nimi nesie analytickú hodnotu. „Najväčší prínos vzniká pri prepojení EDI dát s prevádzkovými dátami z WMS, pretože až táto kombinácia ukazuje rozdiel medzi tým, čo bolo avizované, a tým, čo sa v sklade skutočne stalo,“ vysvetľuje Jan Tafat. Vo farmácii sa archívy už dnes využívajú na analytiku dopytu a obrátkovosti, podporu plánovania zásob a sledovanie odchýlok v dodávkach, no v pokročilejšej prediktívnej analytike musia postupovať firmy v odvetví opatrne. Visia nad nimi totiž prísne regulačné nároky na potrebu vysvetliteľnosti a sledovateľnosti rozhodnutí.
Citlivé dáta v čiernej skrinke
EDI komunikácia obsahuje citlivé obchodné informácie. Sú nimi objednávky, ceny, dodávateľské vzťahy, fakturácia. Sloboda, s akou AI nástroje pracujú s dátami, sa tu stretáva s prísnymi mantinelmi. „Pozornosť treba venovať tomu, či sa dáta neodosielajú do verejných cloudových AI služieb bez jasne definovaných pravidiel ochrany a spracovania. V praxi preto rastie význam privátnych AI riešení prevádzkovaných v internom prostredí alebo v režime s garantovanou izoláciou dát,“ zdôrazňuje Daniel Čermák. Druhým rozmerom je transparentnosť. AI modely často fungujú ako „black box“, zatiaľ čo v EDI prostredí, kde sa konkrétna transformácia premietne do daňového dokladu, musí byť dohľadateľné, prečo vznikla.
V regulovanom prostredí sú tieto požiadavky ešte tvrdšie. „Regulované prostredie farmácie kladie vysoké nároky na vysvetliteľnosť rozhodnutí, sledovateľnosť dátových vstupov a auditovateľnosť procesov. Limity AI dnes nevidíme ani tak v technológii samotnej, ako v potrebe jasne definovať, kde môže AI radiť a kde už rozhodovať nesmie,“ načrtáva Zoltán Nagy. Práve preto sa AI v EDI dnes nasadzuje predovšetkým ako podporný nástroj pre interné procesy, nie ako autonómny systém zasahujúci do produkčnej komunikácie.
Napredovanie dvoma cestami
Otázka, či bude dominovať „AI v EDI“, alebo „AI nad EDI dátami“, zatiaľ nemá jednoznačnú odpoveď. „V najbližších mesiacoch bude dominantnejší trend AI v EDI, teda využitie AI priamo na podporu EDI procesov, ako sú onboarding partnerov, návrhy mapovania alebo automatizácia administratívnych činností. Firmy dnes potrebujú zrýchliť implementácie a efektívnejšie zvládať rastúci počet partnerov,“ predpovedá David Reichel. Analytika nad EDI dátami podľa neho porastie tiež, ale skôr sekundárne, v koncových systémoch zákazníkov, kde EDI zaistí rýchlo dostupné a presné dáta.
Druhá časť expertného pohľadu počíta s paralelným rozvojom. „Domnievam sa, že oba smery vývoja budú existovať paralelne vedľa seba, a nedá sa jednoznačne povedať, ktorý bude dominantný. Každý totiž rieši inú oblasť potrieb a prináša iný typ pridanej hodnoty,“ uzatvára Daniel Čermák. Spoločným menovateľom oboch trendov ostáva, že deterministická podstata EDI sa nemení – AI ho obaľuje na okrajoch, pri vstupe od menších partnerov, pri analytike vystupujúcich dát, pri onboardingu. Jadro, teda samotný prenos správy s daňovou alebo prevádzkovou hodnotou, však naďalej zostáva pod ľudskou kontrolou.
Článok pripravil Vladimír Maťo
„Pri analýze a oprave chýb môže AI fungovať ako veľmi užitočný poradný nástroj. Treba však počítať s tým, že generuje aj riešenia, ktoré síce na prvý pohľad pôsobia logicky a konzistentne, ale v konkrétnej obchodnej alebo technickej realite nemusia byť správne.“
Daniel Čermák, Delivery Manager, Editel
„Hlavnou výzvou zostáva kvalita, jednotnosť a správna interpretácia dát. Rôzni partneri používajú odlišné štruktúry a úrovne vyplnenia správ, pričom logistické objemy je nutné chápať prevádzkovo – iný dosah má počet objednávok, kusov, paliet, kartónov alebo riadkov.“
Jan Tafat, IT Director CEE, Geis
Prinášame vám ochutnávku z aktuálneho čísla časopisu Systémy Logistiky 107/2026.
Celý článok, ktorý bol publikovaný v rámci rubriky IT, si môžete prečítať v časopis Systémy Logistiky 107/2026, alebo aj na našej webovej stránke.
