Opsætning af lokale KI-modeller uden datarisiko

Spørgsmålet er ikke længere, om KI kan understøtte jeres processer. Spørgsmålet er: Må fakturaer, finansdata, prislister eller personaledata forlade jeres netværk for dette formål? Hvis I ønsker at opsætte lokale KI-modeller, bestemmer I selv, hvor data behandles, hvem der har adgang, og hvilke opgaver KI’en virkelig må overtage. Dette er ikke en selvfølge for IT. Det skaber et solidt grundlag for produktiv KI i ERP.

Hvorfor lokal KI kan være fornuftig i mellemstore virksomheder

Mange KI-tjenester fungerer via eksterne datacentre. For generelle tekster eller idéindsamlinger kan det være passende. Men så snart dokumenter, kundeoplysninger, beregninger eller data fra SAP Business One er involveret, bliver beslutningen mere kompleks. I har brug for klare regler for databeskyttelse, adgang, opbevaring og ansvar.

En lokal model kører i eget netværk og behandler forespørgsler på jeres egen infrastruktur. Indholdet forlader dermed ikke automatisk jeres hus. Dette er særligt relevant, når I behandler følsomme finans- og løndata, opfylder strenge kundekrav eller simpelthen ikke ønsker at acceptere ukendte dataflow.

Fordelen ligger ikke kun i GDPR. I reducerer afhængigheden af eksterne grænseflader, kan styre tilladelser mere præcist og definerer selv, hvilke data modellen må se. Samtidig bør I planlægge ærligt: En lokal drift kræver passende hardware, vedligeholdelse og et klart anvendelseskoncept. En model i serverrummet løser ikke et procesproblem, hvis databasen er ufuldstændig, eller godkendelser stadig kører via e-mail og Excel.

Opsætning af lokale KI-modeller: Først fastlægge anvendelsestilfældet

Den mest almindelige fejl sker før den tekniske installation: Teams vælger en så stor model som muligt, før det er klart, hvad den skal kunne. Det skaber omkostninger og forventninger, men sjældent en mærkbar nytte.

Start derfor med en tilbagevendende opgave, der i dag koster tid, er klart afgrænset og indeholder tilstrækkeligt strukturerede oplysninger. I SAP Business One-miljøet er det ofte spørgsmål om ordrestatus, søgning efter dokumenter, forberedelse af rapporter eller kontrol af indgående fakturaer fra PDF-filer.

Et godt første anvendelsestilfælde besvarer fire spørgsmål: Hvilke input modtager KI’en? Hvilket svar eller handling skal den levere? Hvilke data må den bruge til dette? Og hvem kontrollerer resultatet? Ved en indgående faktura kan KI’en for eksempel aflæse leverandør, beløb, dokumentdato og ordreforbindelse. Bogføringsgodkendelsen forbliver dog hos en berettiget medarbejder. Præcis denne adskillelse forhindrer, at automatisering fører til ukontrollerede bogføringer.

For enkle opgaver som opsummeringer eller klassificering af tekster er en mindre model ofte tilstrækkelig. Hvis KI’en skal besvare komplekse spørgsmål på tværs af flere SAP-databaser, har I brug for mere regnekraft, en renere dataforbindelse og betydeligt mere præcise sikkerhedsregler. Større er ikke automatisk bedre. I hverdagen tæller det, om svarene er korrekte, forståelige og hurtige nok.

Den tekniske basis: Hardware, model og drift

En lokal KI-model kan køre på en kraftfuld server i eget netværk. Afgørende er især arbejdshukommelse, grafisk ydeevne, lagerplads og antallet af samtidige brugere. En enkelt medarbejder, der lejlighedsvis kontrollerer dokumenter, stiller andre krav end et team, der arbejder med SAP via chat hele dagen.

Regnekraft påvirker svartid og modelstørrelse. Små modeller er billigere og ofte tilstrækkelige til klart definerede opgaver. Større modeller forstår komplekse sammenhænge bedre, men kræver som regel kraftfulde grafikkort og medfører mere driftsarbejde. Den, der planlægger for snævert her, oplever lange ventetider. Den, der planlægger for stort, betaler for infrastruktur, der knap bruges. En realistisk testfase med ægte, rensede eksempler giver mere klarhed end nogen producentpræsentation.

Til driften hører også opdateringer, overvågning og sikkerhedskopier. En model bør ikke bare installeres og glemmes. I skal kunne spore, hvilken modelversion der var aktiv hvornår, hvordan fejl rapporteres, og hvem der godkender tekniske ændringer. Især når KI’en indgår i forretningsprocesser, hører protokoller og ansvar med fra starten.

Også netværksadskillelse fortjener opmærksomhed. KI-systemet har kun brug for adgang til de data og tjenester, der er nødvendige for dets formål. En assistent til rapportering behøver ikke automatisk adgang til personalefiler eller bankdata. Arbejd med adskilte tilladelser, tekniske servicekonti og klare godkendelser. Så bliver et nyttigt værktøj ikke en unødvendig sikkerhedsrisiko.

Sikker tilslutning af SAP Business One til KI

En lokal model kender ikke jeres forretningsdata af sig selv. For at kunne besvare spørgsmål om kunder, ordrer, lagerbeholdninger eller åbne poster, har den brug for en kontrolleret forbindelse til SAP Business One. Denne forbindelse er vigtigere end modellen selv.

Giv ikke KI’en simpelthen fuld databaseadgang. Det ville være hurtigt at opsætte, men fagligt og sikkerhedsmæssigt den forkerte vej. Mere fornuftigt er et lag, der kun stiller tilladte forespørgsler og handlinger til rådighed. KI’en formulerer så eksempelvis en forespørgsel, den tekniske tjeneste kontrollerer tilladelse og parametre, og først derefter hentes en information fra SAP eller forberedes en handling.

For skrivende operationer gælder strengere regler. En KI kan udarbejde et udkast til en ordre, markere manglende oplysninger eller forberede et bogføringsforslag. Udløsningen af en ordre, ændringen af stamdata eller bogføringen af et dokument bør forblive bundet til roller, godkendelser og sporbare kontroller. KI fremskynder beslutninger. Den erstatter ikke jeres ansvar.

Her viser forskellen sig mellem en pæn chat-demo og en produktiv løsning. En SAP-assistent skal respektere jeres tilladelseslogik, præsentere resultater forståeligt og spørge ved uklare oplysninger. Med RC.AI og en kontrolleret teknisk tilslutning via RC.MCP kan RConsult praktisk implementere denne vej for SAP Business One - afhængigt af krav med en model, der drives i Tyskland, jeres egen API-nøgle eller fuldstændigt lokalt i jeres netværk.

Datakvalitet afgør nytten

KI forbedrer ikke dårlige stamdata. Den kan godt nok genkende dubletter, fremhæve manglende oplysninger eller markere usædvanlige værdier. Men hvis artikelnumre, leverandørnavne og omkostningssteder er uensartet vedligeholdt, bliver svarene upålidelige. Det gælder også for uklare ansvarsområder og processer, der kun eksisterer i enkelte medarbejderes hoveder.

Før I indfører lokal KI, er det værd at tage et kort kig på den operationelle virkelighed: Er dokumenttyper entydige? Er der bindende godkendelsestrin? Findes vigtige oplysninger i SAP Business One eller stadig i spredte Excel-filer? Hvilke medarbejdere må se hvilke data? Disse spørgsmål er ikke en bremse. De sikrer, at en første anvendelsestilfælde bliver produktiv i stedet for at strande efter to uger i testdrift.

KI er særligt effektiv, hvor den reducerer mediebrud. Når fakturadata indfanges fra PDF’er, kontrolleres mod ordrer og stilles til rådighed som forslag i SAP, sparer det indtastningsarbejde og reducerer overførselsfejl. Når teams kan besvare spørgsmål om lagerbeholdning eller åbne kundeordrer direkte, falder antallet af manuelle evalueringer. Nytten opstår fra processen, ikke fra etiketten KI.

Hvad I bør afklare før start

En ren start kræver ingen månedlange forstudier. Men fire emner bør være afklaret før den første produktive anvendelse:

• Hvilke konkrete opgaver overtager KI, og hvilke beslutninger forbliver hos mennesket?
• Hvilke datakilder og datafelter må den bruge, og hvilke er udelukket?
• Hvem er fagligt ansvarlig for svar, godkendelser og fejltilfælde?
• Hvordan håndteres adgang, protokoller, opdateringer og sikkerhedskopier?

Dokumenter disse punkter forståeligt. Ikke som en mappe til skuffen, men som arbejdsgrundlag for fagområde, IT og ledelse. Når en medarbejder spørger, hvorfor et svar opstod, eller hvilke data der blev brugt, har I brug for et klart svar uden overraskelser.

Planlæg også med en begrænset pilotgruppe. Tag medarbejdere med, der virkelig håndterer processen dagligt og tidligt kan opdage fejl. Mål ikke kun, om KI formulerer imponerende. Mål behandlingstid, korrektionsarbejde, træfprocent og antallet af undgåede manuelle trin. Først da beslutter I, om anvendelsen skal udvides.

Lokal er ikke altid det eneste rigtige valg

Fuldstændig lokal KI er den mest konsekvente mulighed for maksimal datakontrol. Men den er ikke altid økonomisk. Hvis I kun behandler få, lidt følsomme forespørgsler og ikke ønsker at drive egen infrastruktur, kan en model, der hostes i Tyskland, være et passende alternativ. I holder øje med databeskyttelse og klare kontraktgrundlag uden selv at drive hardware.

Omvendt er en lokal model ofte den rigtige beslutning, når følsomme data behandles regelmæssigt, krav ikke tillader ekstern behandling, eller I ønsker at arbejde uafhængigt. Der er ingen generel svar. Afgørende er dataklasser, antal brugere, ønsket reaktionstid, eksisterende infrastruktur og den konkrete forretningsproces.

Start derfor ikke med spørgsmålet om, hvilken model der lige nu får mest opmærksomhed. Start med den proces, der dagligt koster jer tid, gennemsigtighed eller nerver. Når dataadgang, tilladelser og godkendelser er på plads fra starten, bliver lokal KI et værktøj, der virkelig aflaster jeres teams - uden at I mister kontrollen over jeres data.