Integracja AI z Subiekt GT i nexo PRO: sprzedaż, magazyn i kartoteki klientów

Masz Subiekta. Dane sprzedażowe wpisujecie od lat, kartoteki klientów rosną, magazyn jakoś się kręci. Problem jest inny: żeby dostać sensowne zestawienie, trzeba wejść w moduł raportów, poustawiać filtry, wyeksportować do Excela i dopiero wtedy zobaczyć, co się sprzedało w ostatnim kwartale. Jeśli chcesz wiedzieć, u którego klienta od trzech miesięcy nie było zamówienia, musisz to przeklikać ręcznie albo poprosić kogoś z biura. To trwa i zazwyczaj nie jest robione tak często, jak powinno.

Integracja AI z Subiektem GT lub nexo PRO zmienia ten schemat. Nie trzeba eksportować, nie trzeba czekać na raport. Dane są w bazie, AI ma do nich dostęp i odpowiada na pytania tak, jak zadajesz je na co dzień, po polsku, bez wchodzenia w program.

Co łączymy i skąd bierzemy dane

Subiekt GT trzyma dane w bazie SQL, standardowo MS SQL Server lub Firebird w starszych instalacjach. To dobra wiadomość: odczyt danych jest możliwy bez żadnych modyfikacji w samym programie. Czytamy tylko do odczytu. Nic nie wpisujemy bezpośrednio do bazy Subiekta.

W nexo PRO sprawa jest podobna, a do tego dochodzi API InsERT nexo, które pozwala pobierać dane przez warstwę aplikacyjną. Zależy od wersji licencji i uprawnień, ale w praktyce działa w większości instalacji, które mamy za sobą.

Co konkretnie podłączamy:

• Dokumenty handlowe: faktury sprzedaży (FS), paragony (PA), korekty, zamówienia od klientów (ZK), zamówienia do dostawców (ZD)
• Dokumenty magazynowe: WZ (Wydanie Zewnętrzne), PZ (Przyjęcie Zewnętrzne), MM (Przesunięcie Międzymagazynowe), a przy firmach z produkcją też PW i RW
• Kartoteki: kontrahenci (cn_Kontrahenci), towary (tw_Towary) z grupami i indeksami, cenniki (ce_Cenniki), karty klientów
• Stany magazynowe: tabela stanów bieżących i pełna historia ruchów

Połączenie konfigurujemy z uprawnieniami tylko do odczytu, na osobnym użytkowniku bazodanowym. Subiekt działa dalej normalnie, nikt w biurze nie zauważa zmiany.

Dokumenty, które naprawdę warto analizować

Nie każdy dokument niesie tę samą wartość informacyjną. Skupiamy się na tych, które mówią o sprzedaży, ruchu towaru i relacji z klientem.

Faktura sprzedaży (FS) to podstawa. Data wystawienia, kontrahent, pozycje z indeksami towarowymi, ilości, ceny jednostkowe, zastosowane rabaty, termin płatności. Z serii FS AI widzi trendy: co sprzedaje się regularnie, co sezonowo, gdzie rabaty poszły za daleko w stosunku do historii.

WZ i PZ to historia ruchu towarów. AI patrzy na pary: ile wydaliśmy i ile przyjęliśmy w danym okresie. Na tej podstawie widzi, czy jakiś towar schodzi szybciej niż zamawiamy. Proste, ale bardzo rzadko ktoś to robi ręcznie na bieżąco.

Zamówienia ZK i ZD dają obraz popytu zanim towar jeszcze wyjdzie z magazynu. Szczególnie cenne w firmach, gdzie klienci składają zamówienia z kilkudniowym wyprzedzeniem.

MM przydaje się przy kilku lokalizacjach lub magazynach. AI może wykryć, że jeden magazyn ma zerowe stany, a w drugim ten sam towar zalega od miesięcy.

AI pilnuje stanów i mówi, co zamawiać

To jedno z najczęściej używanych zastosowań po uruchomieniu. Zamiast codziennie wchodzić w stan magazynowy i ręcznie szukać, co jest poniżej minimum, AI przegląda stany na żądanie albo w ustalonym harmonogramie.

Typowe pytanie: "Co na magazynie wymaga uzupełnienia?" AI przegląda bieżące stany, porównuje z tempem wydań z ostatnich czterech tygodni i odpowiada konkretnie. Nie "proszę sprawdzić stany," tylko: "Towar XT-4412 ma 8 sztuk na stanie, a w ostatnich 30 dniach wydaliście 34 sztuki. Przy tym tempie zostanie na siedem dni."

U jednego z naszych klientów, dystrybutora materiałów budowlanych, okazało się tydzień po uruchomieniu, że kilka indeksów regularnie schodziło do zera na początku każdego miesiąca. Dostawy planowano w cyklu miesięcznym bez uwzględnienia faktycznego tempa wydań z WZ. AI wyłapało wzorzec w ciągu kilku dni, patrząc na historię PZ i WZ z poprzednich czterech miesięcy. Nikt w firmie tego nie widział, bo nikt nie zestawiał tych danych regularnie.

Ważna rzecz: AI nie składa zamówień samo. Przygotowuje listę pozycji z sugerowanymi ilościami do domówienia. Ostateczna decyzja i wystawienie ZD w Subiekcie należy do człowieka.

Zestawienia sprzedaży bez raportowania ręcznego

Z tego klienci korzystają najczęściej zaraz po uruchomieniu, bo efekt widać natychmiast.

Zamiast wchodzić w moduł raportów i ustawiać każdy filtr, zadajesz pytanie po polsku. "Które dziesięć towarów sprzedało się najgorzej w tym kwartale?" albo "Pokaż sprzedaż według kontrahentów z województwa mazowieckiego za ostatnie sześć miesięcy." AI generuje zestawienie z danych w bazie, bez eksportu do Excela.

Można też pytać o konkrety: "Kiedy wystawiliśmy ostatnią FS dla firmy Kowalski i Spółka?" albo "Ile łącznie faktur wystawiliśmy w maju i jaka była wartość netto?" Proste pytania, które w normalnym trybie wymagają kilku kliknięć i zawsze lądują na "zapytam Kasię z biura."

Bardziej złożone zestawienia też wchodzą w grę. AI może zestawić sprzedaż bieżącego roku z poprzednim dla wybranej grupy towarowej. Sprawdzić, w ilu transakcjach klient przekroczył próg rabatowy. Wyliczyć rotację towaru na podstawie ruchów magazynowych z PZ i WZ.

Jedno zastrzeżenie: jakość odpowiedzi zależy od jakości danych w Subiekcie. Tam gdzie grupy towarowe są wypełnione i spójne, gdzie kontrahenci mają przypisane regiony i opiekunów, AI daje więcej. Tam gdzie kartoteki są puste, pytania o "sprzedaż według regionów" nie mają się na czym oprzeć.

Oferty na bazie historii klienta

To zastosowanie jest mniej oczywiste, ale bardzo przydatne w firmach sprzedających regularnym klientom B2B.

Handlowiec pyta: "Przygotuj mi ofertę dla Marek Nowak Sp. z o.o." AI wchodzi w kartotekę kontrahenta, patrzy na historię FS i ZK z ostatnich dwunastu miesięcy, wyciąga co ten klient zamawiał, jakie miał ceny, czy korzystał z rabatów na konkretne grupy, kiedy ostatnio kupił i co wtedy wziął.

Na tej podstawie proponuje pozycje do oferty. Nie losowo, tylko to co klient faktycznie bierze. Dorzuca informację, czy od ostatniego zamówienia zmienił się cennik na któryś z jego regularnych towarów.

Handlowiec dostaje draft i może go zmodyfikować. Oszczędza czas, który normalnie szedłby na przeklikiwanie historii klienta, albo częściej: klient dostaje ofertę ogólną, bo nikt nie miał czasu szukać co brał ostatnio.

Od czego zaczynamy wdrożenie

Pierwsza rozmowa z klientem zawsze zaczyna się od krótkiego przeglądu stanu danych w Subiekcie. Nie chodzi o tygodnie czyszczenia bazy, tylko o sprawdzenie kilku rzeczy:

• Czy grupy towarowe są wypełnione i spójne w kartotece tw_Towary?
• Czy kontrahenci mają sensownie uzupełnione pola: region, opiekun, typ klienta?
• Czy stany magazynowe są aktualne i czy inwentaryzacja była robiona w tym roku?
• Jaka jest wersja Subiekta i na jakiej bazie działa instalacja?
• Przy nexo PRO: czy API jest aktywne w licencji i jakie są uprawnienia dostępowe?

Potem ustawiamy dostęp tylko do odczytu, testujemy pobieranie danych z wybranych tabel i uruchamiamy pierwsze zapytania razem z użytkownikiem. Od pierwszej rozmowy do działającego systemu mija zazwyczaj kilka tygodni.

Nie jest to projekt na rok. Większość firm widzi pierwsze wyniki w ciągu miesiąca od uruchomienia: pytania, które dotąd zajmowały godzinę, zaczynają zajmować minutę. A stany magazynowe przestają być tematem porannych rozmów o tym, czego znowu brakuje.

Jeśli chcesz zobaczyć, jak to konkretnie wygląda na Twoich danych z Subiekta, umów się na bezpłatny audyt. Sprawdzimy stan danych i pokażemy, co można podłączyć bez modyfikacji programu. Przykłady z podobnych firm znajdziesz też w realnych wdrożeniach.