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.

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 właśnie dlatego 90% "integracji AI z ERP" na rynku 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 — AI uczy się z historii Twoich zatwierdzeń i odrzuceń, poprawiając dokładność decyzji w czasie.

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

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 obsługujemy tylko "szczęśliwej ścieżki" — obsługujemy 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 przechodzą przez zewnętrzne serwery (problem RODO w kontekście danych księgowych).

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

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 systemem ERP i chcesz mieć pewność, że architektura jest poprawna od pierwszego dnia — zapraszam na konsultację. Zaczniemy od audytu Twojego systemu i mapy procesów, które AI może przejąć bezpiecznie i skutecznie.