Один из наших клиентов управлял цепочкой поставок, охватывающей 47 поставщиков, 12 складов и десятки тысяч SKU. Планирование и отчётность велись полностью вручную — еженедельный экспорт в Excel и несколько часов на сверку данных.
Наша задача: автоматизировать процессы, ускорить работу, дать менеджерам доступ к данным в реальном времени. В качестве бэкенда мы выбрали Java 21 + Spring Boot 3.2 — проверенный стек для enterprise-систем.
Система выросла до более чем 300 REST-эндпоинтов. Каждый модуль — закупки, склад, доставка, прогнозирование — имел собственный API — это интерфейс, через который две системы обмениваются данными автоматически, без выгрузок в Excel и копирования руками. Полное определение →. Интеграция с ERP (Enterprise Resource Planning) — это основная система компании, где хранятся заказы, склад, бухгалтерия и кадры: одно место вместо нескольких отдельных инструментов. Полное определение →-системой клиента потребовала поддержки шести различных форматов данных.
Ключевой инновацией стал модуль Text2SQL превращает вопрос, заданный обычным языком, в запрос к базе данных — знание SQL не требуется. Полное определение →. Менеджеры могли задавать вопросы на естественном языке: «Сколько единиц продукта X было заказано у поставщика Y в прошлом квартале?» — система переводила это в SQL — это язык запросов к базе данных: именно на нём записано «покажи продажи за прошлый квартал». Полное определение →-запрос и возвращала ответ за секунды. Мы построили его на основе языковой модели с дообучением на схеме базы данных клиента.
Второй компонент AI — RAG (Retrieval-Augmented Generation) — это когда ИИ сначала находит нужную информацию в ваших документах, а потом отвечает, опираясь на неё, а не на догадки. Полное определение → (Retrieval-Augmented Generation) для документации. Система имела доступ к сотням контрактов с поставщиками, спецификациям продуктов и внутренним процедурам. Сотрудники могли задавать вопросы об условиях договоров — например, «Каков гарантийный срок для холодильной продукции поставщика Z?» — и получать точные ответы со ссылкой на источник.
Результаты через 6 месяцев: время подготовки еженедельного отчёта сократилось с 8 часов до 20 минут. Количество ошибок в заказах снизилось на 34%. Менеджеры получили доступ к дашборду в реальном времени вместо еженедельного снимка данных.
Хотите узнать больше о том, как мы строим enterprise-системы с AI? Напишите нам: development@mi-code.pl
Частые вопросы
- Каким по масштабу был автоматизированный процесс управления цепочкой поставок?
- Клиент управлял цепочкой поставок, охватывающей 47 поставщиков, 12 складов и десятки тысяч SKU. Планирование и отчётность велись полностью вручную — с еженедельным экспортом в Excel и несколькими часами на сверку данных.
- Какой технологический стек использовался для бэкенда?
- Бэкенд построен на Java 21 и Spring Boot 3.2 — проверенном стеке для enterprise-систем. Система выросла до более чем 300 REST-эндпоинтов, а интеграция с ERP-системой клиента потребовала поддержки шести различных форматов данных.
- Что представляет собой модуль Text2SQL и как он работает?
- Модуль Text2SQL позволяет менеджерам задавать вопросы на естественном языке, например сколько единиц продукта было заказано у поставщика в прошлом квартале, а система переводит их в SQL-запрос и возвращает ответ за секунды. Он построен на основе языковой модели с дообучением на схеме базы данных клиента.
- Для чего в системе используется компонент RAG?
- Компонент RAG даёт сотрудникам доступ к сотням контрактов с поставщиками, спецификациям продуктов и внутренним процедурам, что позволяет задавать вопросы об условиях договоров. Система возвращает точные ответы со ссылкой на документ-источник.
- Каких результатов удалось достичь через 6 месяцев?
- Через 6 месяцев время подготовки еженедельного отчёта сократилось с 8 часов до 20 минут, а количество ошибок в заказах снизилось на 34%. Менеджеры получили доступ к дашборду в реальном времени вместо еженедельного снимка данных.