Integracja AI z ERP (Optima, SAP, Subiekt) - jak zbudować warstwę decyzyjną nad danymi firmy

System ERP to serce firmy. Przechowuje stany magazynowe, faktury, marże, kontrahentów i historię operacji. Problem w tym, że w większości firm to serce… nie myśli. Dane są, ale żeby z nich skorzystać, człowiek musi je ręcznie przepisywać, analizować, sprawdzać i poprawiać.

System ERP przechowuje fakty o Twojej firmie - stany magazynowe, faktury, marże, kontrahentów. AI może te fakty zamieniać w decyzje: automatycznie, bezpiecznie i zgodnie z logiką systemu. Poznaj architekturę Closed-Loop AI dla Optimy, SAP i Subiekta.

Integracja AI z ERP nie polega na "podłączeniu Chata do faktur". Polega na zbudowaniu warstwy decyzyjnej, która rozumie dane transakcyjne, pilnuje logiki biznesowej i wykonuje operacje w ERP zgodnie z zasadami systemu.

W tym artykule pokazuję, jak wygląda ta architektura w praktyce - od doboru metody integracji przez JSON Contract i RAG, aż po środowiska testowe i zabezpieczenia, bez których żaden system produkcyjny nie powinien ruszyć.

Jakie ERP można integrować z AI?

W praktyce najczęściej mam do czynienia z trzema rodzinami systemów: Comarch ERP Optima, SAP (ECC / S/4HANA) oraz Subiekt nexo i GT. Każdy ma inną architekturę komunikacji - i dlatego podejście musi być zawsze dopasowane do konkretnego systemu.

Dlatego nie istnieje "gotowa wtyczka AI do ERP". Każde wdrożenie musi być zaprojektowane architektonicznie pod konkretną infrastrukturę - i dlatego wiele „integracji AI z ERP” kończy się na OCR faktur i ręcznym klikaniu.

Architektura Closed-Loop AI ↔ ERP

Profesjonalna integracja zawsze działa w zamkniętej pętli decyzyjnej. ERP generuje zdarzenie (nowa faktura, zamówienie, dokument magazynowy), middleware je przechwytuje, dane są walidowane, AI podejmuje decyzję, a dopiero na końcu - przez oficjalne API ERP - następuje zapis.

Najważniejsza zasada inżynierska: AI nigdy nie zapisuje nic bezpośrednio do bazy danych ERP.

Systemy ERP mają setki zależności między tabelami, logikę biznesową i walidacje, których AI nie zna. Bezpośredni zapis do SQL prędzej czy później uszkodzi integralność danych. AI generuje propozycję decyzji w formacie JSON, a dedykowany adapter wykonuje ją zgodnie z zasadami systemu.

Middleware jako obowiązkowy bufor

ERP nie jest systemem przygotowanym na tysiące zapytań na minutę. Ma przerwy techniczne, potrafi blokować dostęp przy zbyt dużym obciążeniu i często działa na infrastrukturze on-premise sprzed kilku lat.

Middleware (n8n lub dedykowany serwis) pełni rolę bufora i kontrolera:

• Kolejkuje zadania - przy napływie 500 dokumentów jednocześnie system nie upadnie.
• Ponawia operacje - gdy ERP chwilowo nie odpowiada, zadanie trafia do retry z exponential backoff.
• Pilnuje idempotencji - ta sama faktura nie zostanie zaksięgowana dwukrotnie, nawet jeśli serwer przerwie pracę w połowie operacji.
• Rozdziela światy AI i ERP - middleware jest tłumaczem i ochroniarzem jednocześnie.

Bez tej warstwy integracja działa dobrze… do pierwszego większego obciążenia.

AI Decision Contract - JSON jako wspólny język AI i ERP

AI nie może zwracać opisowego tekstu w stylu "to wygląda na fakturę kosztową". Musi zwracać ściśle określoną strukturę danych (JSON), walidowaną schematem przed jakimkolwiek zapisem. Taki kontrakt decyzyjny sprawia, że AI staje się przewidywalnym elementem systemu, a nie kreatywnym asystentem.

{  "document_type": "invoice_purchase",  "confidence": 0.97,  "kontrahent_id": "CONT-10482",  "kwota_netto": 4850.00,  "kwota_vat": 1115.50,  "kwota_brutto": 5965.50,  "waluta": "PLN",  "data_wystawienia": "2026-04-22",  "termin_platnosci": "2026-05-22",  "konto_kosztowe": "402-01",  "decision": "auto_approve",  "requires_human_review": false,  "idempotency_key": "INV-2026-04-22-CONT10482-7d3f"}

Kluczowe pola kontraktu:

• confidence - jeśli poniżej 0.85, dokument automatycznie trafia do ręcznej weryfikacji, niezależnie od innych pól.
• konto_kosztowe - AI przypisuje konto z planu kont na podstawie RAG (wiedzy firmowej), nie z ogólnej wiedzy modelu.
• decision: auto_approve / human_review - binarne pole określające dalszą ścieżkę przetwarzania.
• requires_human_review - flaga nadpisywana przez reguły biznesowe (np. kwota powyżej progu autoryzacji).
• idempotency_key - unikalny klucz uniemożliwiający podwójny zapis przy restarcie systemu.

Jeśli struktura JSON jest niepoprawna lub brakuje wymaganych pól - dokument trafia do kolejki ręcznej weryfikacji. System nigdy nie zapisuje "na siłę".

RAG i pamięć kontekstowa firmy

AI nie podejmuje decyzji na podstawie wiedzy z internetu. Przed każdą decyzją otrzymuje kontekst z Twojej firmy, realizowany przez RAG i lokalną bazę wektorową:

• Historia kontrahenta - czy ten dostawca był już problematyczny? Jakie ma typowe kwoty i terminy płatności?
• Plan kont - aktualna struktura kont księgowych z Twojego ERP, synchronizowana automatycznie.
• Polityka rabatowa i marżowa - progi, przy których decyzja wymaga akceptacji człowieka.
• Poprzednie podobne przypadki - do kontekstu trafiają podobne, już zatwierdzone lub odrzucone dokumenty, więc decyzje z czasem coraz lepiej pasują do praktyki Twojej księgowości.

Dzięki temu AI działa na danych firmowych, a nie na domysłach i ogólnej wiedzy o rachunkowości.

KSeF a integracja AI z ERP

Od lutego 2026 każda firma odbiera faktury w KSeF, a systemy ERP pobierają je jako ustrukturyzowany XML - Optima, nexo i Symfonia mają do tego własne moduły. To zmienia rolę AI: przy krajowych fakturach nie musi już odczytywać dokumentu, za to zajmuje się tym, co dotąd robił człowiek - dekretacją, dopasowaniem do zamówienia, wykrywaniem duplikatów i kierowaniem wyjątków. Najprostsza architektura w 2026 roku to: moduł KSeF w ERP pobiera fakturę, middleware odczytuje ją z ERP, AI proponuje dekret według kontraktu JSON, a adapter zapisuje decyzję. Więcej o obiegu dokumentów po KSeF piszę w tekście o automatyzacji faktur.

Poziomy autonomii - co AI może robić w ERP

Najczęstszy błąd projektowy to jedna decyzja „AI ma dostęp do ERP: tak czy nie”. Lepiej rozpisać to na poziomy i przesuwać operacje wyżej dopiero wtedy, gdy liczby to uzasadniają:

Większość moich wdrożeń zatrzymuje się na poziomie 1 albo 2 i to jest dobra wiadomość: już tryb szkicu zabiera człowiekowi większość pracy, a ryzyko zostaje pod kontrolą. Ta tabela to też gotowa odpowiedź na pytanie audytora „kto zatwierdził ten dokument”.

Środowiska DEV / STAGE / PROD

W systemach księgowych nie ma miejsca na eksperymenty na żywej bazie. Poprawne wdrożenie wymaga trzech środowisk - i jest to element, którego dramatycznie brakuje w większości wdrożeń AI.

Najpierw buduję logikę i prompty w DEV. Następnie testuję na kopii bazy ERP w STAGE - na realnych danych, ale bez ryzyka. Dopiero gdy wszystkie edge case'y przejdą testy, rozwiązanie trafia na produkcję.

Najgorsze scenariusze i zabezpieczenia

Tu wychodzi różnica między "demo AI" a systemem produkcyjnym. Każdy z poniższych scenariuszy musi mieć techniczne zabezpieczenie zanim system trafi na produkcję.

Nie obsługuję tylko "szczęśliwej ścieżki" - obsługuję wszystkie ścieżki.

Bezpieczeństwo i RBAC

Bezpieczeństwo w integracji AI z ERP to fundament, nie opcja:

• Zasada najmniejszych uprawnień - AI ma wyłącznie dostęp do odczytu wybranych widoków danych (np. widok faktur), nigdy do całej bazy.
• Zapis tylko przez adapter - żaden klucz API nie ma uprawnień do bezpośredniego zapisu w bazie SQL ERP.
• Szyfrowanie kluczy - klucze API i dane uwierzytelniające przechowywane w bezpiecznym vault (zmienne środowiskowe z szyfrowaniem at rest).
• Pełny audit trail - każda operacja wykonana przez AI oznaczona w logach z timestampem, źródłem zdarzenia i wynikiem decyzji.
• Brak wystawienia ERP do internetu - komunikacja odbywa się przez VPN lub prywatną sieć, nigdy przez publiczny endpoint.

Dla działu IT: pełna kontrola, pełna odpowiedzialność - zero czarnych skrzynek.

Realne zastosowania: znacznie więcej niż OCR faktur

Gdy architektura Closed-Loop już działa, możliwości są znacznie szersze niż rozpoznawanie dokumentów:

• Automatyczne zamówienia replenishment - AI monitoruje stany magazynowe i składa zamówienie do dostawcy, gdy zapas spada poniżej progu minimalnego.
• Blokowanie sprzedaży przy niskiej marży - system blokuje wystawienie faktury, gdy wyliczona marża spada poniżej zdefiniowanego progu - zanim handlowiec kliknie "wyślij".
• Inteligentna windykacja - AI analizuje historię płatności i ton korespondencji kontrahenta, sugerując priorytet i styl ponaglenia.
• Generowanie ofert handlowych - na podstawie aktualnych stanów, cen zakupu i polityki marżowej AI generuje ofertę dla klienta bez udziału handlowca.
• Automatyczna kategoryzacja kosztów - każdy zakup trafia na właściwe konto księgowe bez ręcznego przypisania przez księgową.
• Prognozowanie przepływów kasowych - AI analizuje historię płatności i otwarte należności, generując tygodniowy forecast cash flow.

Dlaczego Zapier i Make się tu nie nadają?

Zapier i Make są świetne do automatyzacji marketingowych i prostych integracji. W kontekście ERP brakuje im kilku kluczowych elementów:

• Brak transakcyjnych kolejek z gwarancją dostarczenia.
• Brak mechanizmu idempotencji na poziomie operacji.
• Brak zaawansowanej walidacji schematów JSON przed zapisem.
• Brak kontroli nad logiką zapisu - dane "wchodzą" bez weryfikacji biznesowej.
• Dane księgowe przechodzą przez serwery dostawcy narzędzia, więc potrzebujesz umowy powierzenia i sprawdzenia regionu przetwarzania. Self-hostowane n8n albo własny serwis rozwiązują ten problem. Kiedy prosta automatyzacja przestaje wystarczać, opisuję w tekście kiedy Zapier i Make to za mało.

W systemach ERP to nie jest kwestia wygody - to kwestia integralności danych i bezpieczeństwa firmy.

Najczęstsze pytania

Podsumowanie: ERP przestaje być archiwum, zaczyna być mózgiem

Integracja AI z ERP to nie kolejna automatyzacja. To budowa warstwy decyzyjnej nad danymi transakcyjnymi firmy.

ERP przestaje być archiwum danych - staje się źródłem decyzji wykonywanych automatycznie, bezpiecznie i zgodnie z logiką systemu.

Każde profesjonalne wdrożenie wymaga odpowiedniej metody integracji dla danego ERP, warstwy middleware jako bufora, JSON Decision Contract jako języka komunikacji, RAG z danymi firmowymi, trzech środowisk testowych i pełnego RBAC.

Jeśli planujesz integrację AI z ERP, zacznij od wyboru jednego procesu i ustalenia, na którym poziomie autonomii ma działać na start. Pomagam w tym w ramach automatyzacji procesów z AI - od mapy procesów po adapter i testy na kopii bazy.

Powiązane artykuły

• Automatyzacja faktur z AI
• Automatyzacja raportowania
• ROI z automatyzacji