在过去20年中，对ERP和其他业务应用的投资推动了生产力的大幅提高。

自2004年以来，大公司财务部门全职员工的中位数从119人下降到每10亿美元收入中约71人，下降了40%，大数据培训班，根据咨询公司Hackett Group的数据，

根据Hackett的数据，与十年前相比，大型公司雇佣的全职信息技术工人减少了44%，人力资源工人减少了20%，至少部分原因是自动化减少了雇员人数。

虽然这些福利相当可观，大数据的解决方案，对集中化的进一步投资和优化体力劳动的过程效率的边际回报继续下降。低垂的果实已经不见了。对于推动下一波改进的公司来说，低价的云服务器，许多公司正越来越多地转向新一代使能技术，如人工智能、机器人过程自动化（RPA）和机器学习。事实上，这类技术已经在数字世界普及，推动了制造业、消费者、零售业、医疗保健和许多其他领域的巨大进步。

但在企业后台和管理ERP功能中使用这类技术仍处于初级阶段。财政部仍然和十年前一样。的确，现在大多数人都有平板电脑和笔记本电脑，云服务器设备，而不是台式电脑，在线报告和纸质报告以及现代版的Excel。但是办公室里的大多数其他事情并不令人惊讶。

但是强大的新力量已经开始改变后台的世界。财务、采购、订单管理和许多其他管理ERP功能现在正处于转型的早期阶段，与重塑

自动化交易处理的算法技术的可用性并不新鲜。如果有更大的数据集来训练机器，云中廉价的计算，传感器的改进和计算速度（内存中）的提高使输出变得可操作，那又有什么新鲜事呢。下面列出了人工智能和智能自动化的一些例子：

人工智能可以加速许多财务流程中的异常处理。例如，当收到的付款没有相应的采购订单时，需要大量的人工工作来识别正确的采购订单和付款金额是否正确。

智能系统可以大量接收发票，应用自然语言处理（NLP）技术来读取和评估能够识别订单的标记正确的订单和发票。80%的收入可以通过这种方式处理，其余的由于不匹配而标记为人工审核。

根据历史记录和第三方指标更频繁地对业务实体的信用进行建模和评分，以主动增加或减少信用限额，从而增加可能会增加的收入否则会丢失并减少坏账。

一个机器学习模型，可以根据成品库存的可用数据预测物流配送系统的任何方面–来源、运输路线，扫描时间或RF（射频）标签等报告其位置和状态的时间-可用于触发补救措施供人员审查。那些能够利用供应链中已有数据的公司，由于客户服务的增强，将在竞争中立于不败之地。

利用人工智能破坏性潜力的竞赛正在进行。麦肯锡最近的一份报告（人工智能，下一个数字前沿）说明了结合了强大的数字能力、强大的人工智能采用和积极主动的人工智能战略的公司如何预见到巨大的财务业绩。

无论是为了吸引更多的利润，还是为了在竞争中断前保持领先，其清晰的人工智能都在这里留下来。ERP的未来很可能不会有什么不同。智能ERP是任何一家公司考虑实现其ERP足迹现代化的唯一出路。

，大数据网