POS, WMS və ERP-də anomaliya detektoru: süni intellekt növbə bağlanana qədər çeşid səhvlərini, fiziqi itkiləri və qeyri-standart əməliyyatları necə aşkar edir

Biznes heç kim baxmayanda harada pul itirir

Tipik bir mənzərəni təsəvvür edin: həftə sonunda inventarizasiya zamanı məlum olur ki, 12 mövqe üzrə qalıqlar kassa məlumatları ilə üst-üstə düşmür. Fərq dövriyyənin 3–4 %-ni təşkil edir. Maliyyəçi yeddi günlük tranzaksiyaları əl ilə yoxlamağa başlayır. Daha iki gündən sonra aydın olur: bir hissə silinmələr səhv kodlarla keçib, bir neçə qaytarma sonradan rəsmiləşdirilib, bir mövqe isə sistematik olaraq "test" sifarişləri vasitəsilə çıxıb.

Bu hipotetik ssenari deyil — bu, bazar statistikasının fiksə etdiyi itki mexanizmasının təsviridir. Pərakəndə satışda shrinkage-dan qlobal itkiler ildə $100 mlrd-ı keçir (Growthmarketreports, 2025). AI Loss Prevention bazarı 2025-ci ildə %13–18 CAGR ilə $8,4 mlrd olaraq qiymətləndirilir (Dataintelo, 2025) — məhz ona görə ki, əl ilə nəzarət əməliyyatların həcminə fiziki olaraq yetişə bilmir.

Problem qeyri-vicdanlı işçilərdə və ya pis proseslərdə deyil. Problem ondadır ki, anomaliya yalnız faktdan sonra görünür: növbə bağlandıqda, dövr sabitləşdikdə, pul isə artıq itirildikdə.

Əməliyyat kontekstində anomaliya nədir

Anomaliya — statistik baxımdan konkret nöqtənin, növbənin, işçinin və ya əmtəə qrupunun normal modelindən kənar çıxan əməliyyatdır. O, mütləq dələduzluq deyil. Aşağıdakılar ola bilər:

• Çeşid səhvi — mal bir kodla silinib, başqa kodla buraxılıb. Nəticə: bir mövqe üzrə çatışmazlıq, digəri üzrə artıq, bunlar isə əl uçotunda bir-birini kompensasiya edir və adi hesabatda görünmür.
• Normadan artıq fiziki itki — silinmə yol verilən dəyər çərçivəsindədir, lakin qeyri-tipik tezliklə və ya qeyri-tipik vaxtda baş verir.
• Qeyri-standart qaytarmalar — qaytarma fiskal çek olmadan, sonradan və ya ilkin satışdan artıq məbləğdə rəsmiləşdirilib.
• Test tranzaksiyaları — test mühiti xaricindən iş kassasında aparılan əməliyyatlar, real qalıqlara təsir edir.
• ERP-də maliyyə anomaliyaları — tipik modelləri pozan uçot yazıları: qeyri-tipik qarşı tərəf, qeyri-standart hesab, bu kateqoriya üçün diapazon xaricindəki məbləğ.

Bu ssenarilər sadə hədd qaydası ilə işə düşmür. "Silinmə > X vahid = xəbərdarlıq" qaydası həddindən artıq çox saxta tetiklər verir və hər ayrı əməliyyat normal görünən model anomaliyalarını qaçırır.

Süni intellekt deteksiyası artıq əlinizdə olan məlumatlara necə işləyir

EFRION AI — EFRION-un əsas məhsulları üzərindəki əlavədir (add-on): POS, WMS, ERP. Ayrıca tətbiqetmə tələb etmir və məlumatları xarici xidmətə ötürməyi xahiş etmir. Mexanika, sistemin gündəlik iş prosesində artıq topladığı tranzaksiya tarixçəsinə əsaslanır.

Mərhələ 1. Baza profilinin qurulması. Alqoritm hər kassa, anbar zonası və ya hüquqi şəxs üzrə əməliyyat tarixçəsini təhlil edir və normanın statistik profilini formalaşdırır: qaytarmaların tipik məbləğ diapazonu, həftənin günü və növbə kəsimində kateqoriyalar üzrə silinmə tezliyi, hər əmtəə qrupu üzrə satışın qalıqlara nisbəti.

Mərhələ 2. Real vaxt rejimində hər yeni əməliyyatın skoring edilməsi. Hər tranzaksiya profildən sapmaya görə qiymətləndirilir. Əməliyyat bloklanmır — bu, əməliyyat davamlılığı üçün vacibdir. Lakin o, risk nişanı alır.

Mərhələ 3. Xəbərdarlıqların aqreqasiyası və prioritetləşdirilməsi. Sistem hər nişanlı əməliyyata xəbərdarlıq çıxarmır. O, modelləri birləşdirir: kassir X son 4 saatda növbə üzrə 1,2 ortalama dəyərə qarşı 6 qaytarma keçiribsə — bu, birinci prioritetli xəbərdarlıqdır. Əmtəə qrupu B qalığını satışların izah etdiyindən daha sürətlə itirsə — bu, seçmə yoxlama üçün siqnaldır.

Mərhələ 4. Rəhbər interfeysə ötürülməsi. Xəbərdarlıqlar idarə panelində görüntülənir: prioritet, anomaliya növü, əhatə olunan kassa və ya anbar, zaman diapazonu. Məlumatları Excel-ə export etmək və pivot cədvəllər qurmaq lazım deyil.

Bütün bunlar POS-un hər satışda, WMS-in hər mal hərəkətində, ERP-nin hər maliyyə yazısında artıq fiksə etdiyi məlumatlar üzərində işləyir. Əlavə məlumat toplanması tələb olunmur.

Effektin miqyasını təsvir edən üç benchmark

1. Dövrün bağlanma vaxtının %50 azaldılması. Süni intellekt anomaliya deteksiyası olan ERP sistemləri uçot dövrünün bağlanma vaxtını %50 azaldır (McKinsey, 2025). Bu yalnız maliyyəçinin iş vaxtına qənaət deyil — anomaliyanın aşkar edilmədən qalıb yığılmaya davam etdiyi pəncərənin daralmasıdır.

2. Shrinkage-dan itkiler: qlobal miqyasda $100 mlrd-dan çox. Growthmarketreports (2025) məlumatlarına görə, qlobal pərakəndə shrinkage ildə $100 mlrd-ı keçir. Halların əksəriyyəti alıcı oğurluğu ilə deyil, əməliyyat xətaları və daxili proseslərin pozulması ilə bağlıdır — model anomaliyalarının deteksiyası məhz orada işləyir.

3. AI Loss Prevention bazarının artımı: illik %13–18 CAGR. Zərərlərin qarşısının alınmasına dair süni intellekt həlləri bazarı 2025-ci ildə illik %13–18 artım tempi ilə $8,4 mlrd olaraq qiymətləndirilir (Dataintelo, 2025). Bu, əməliyyat biznesinin reaktiv nəzarətdən preventiv nəzarətə keçid sürətini əks etdirir.

Konkret ssenari: növbənin bağlandığı gündə nə baş verir

Süni intellekt deteksiyası olmadan: növbə bağlanır, kassir evə gedir. Məlumatlar ümumiləşdirilmiş hesabata daxil olur. Uyğunsuzluqlar inventarizasiya zamanı — bir gün, bir həftə və ya bir ay sonra aşkar edilir. Bu mərhələdə hadisələr zəncirini bərpa etmək çətindir, günahkar əməliyyat artıq yüzlərlə digərinin arasında "əriyib".

EFRION-da süni intellekt deteksiyası ilə: xəbərdarlıq idarə panelində model hələ formalaşarkən — növbə bağlanmadan 2–3 saat əvvəl görünür. İdarəçi qalan kassaların işini dayandırmadan konkret kassanın seçmə yoxlanılmasını tələb edə bilər. Anomaliya təsdiqlənərsə — o, dərhal, tranzaksiyalara bağlı olaraq sənədləşdirilir. Xəta olarsa — maliyyə hesabatlarına keçməzdən əvvəl düzəldilir.

Fərq texnologiya naminə texnologiyada deyil. Fərq ondadır ki, növbə daxilindəki xətanı düzəltmənin dəyəri dəqiqələrdir, dövr bağlandıqdan sonrakı xətanı düzəltmənin dəyəri isə saatlar və potensial hüquqi proseslərdir.

Tipik etirazlar və onların izahı

"Bizdə az məlumat var — süni intellekt öyrənə bilməz"

Alqoritm sistemdə EFRION-un əsas məhsulundan istifadənin ilk günündən bəri mövcud olan məlumatlar üzərində profil qurur. İlkin norma profilinin formalaşması üçün 4–6 həftəlik tranzaksiya tarixçəsi kifayətdir. Nə qədər çox məlumat olsa, profil bir o qədər dəqiq olar, lakin sistem bir ildən sonra deyil, add-on aktivləşdirildikdən sonra ilk ay ərzində işə başlayır.

"Süni intellekt həddindən artıq çox saxta xəbərdarlıq verir"

Sistem tək sapmaları tetikləmir — o, modellər axtarır. Birinci prioritetli xəbərdarlıq bir neçə şərtin eyni anda yerinə yetirilməsini tələb edir: tezlik üzrə sapma, məbləğ və ya vaxt üzrə sapma, qeyri-tipik qarşı tərəf və ya SKU. Saxta tetiklərin sayı profil toplandıqca azalır və konkret nöqtənin həssaslığına uyğun tənzimlənə bilər.

"Bu bahalıdır və ayrıca tətbiqetmə tələb edir"

EFRION AI mövcud tarif planına əlavə (add-on) kimi qoşulur — ayrıca layihə olmadan, inteqrasiya işləri olmadan, məlumatların köçürülməsi zərurəti olmadan. Siz artıq EFRION POS, WMS və ya ERP istifadə edirsiniz — əlavə eyni baza üzərində işləyir. Add-on-un dəyəri böyük bir nöqtədə aşkar edilmiş bir çeşid səhvindən itkilərin dəyəri ilə müqayisə edilmir.

Başlamaq üçün nə lazımdır

EFRION AI-dəki anomaliya deteksiyası EFRION POS, WMS və ERP məhsullarına əlavə kimi əlçatandır. Aktivləşdirmə — tarif parametrləri vasitəsilə, işi dayandırmadan və məlumat miqrasiyası olmadan. Sistem ilk gündən avtomatik olaraq profil qurmağa başlayır.

Potensial effekti qiymətləndirmək üçün iki suala cavab vermək kifayətdir: kassalarınızdan və ya anbarınızdan həftəlik nə qədər tranzaksiya keçir və inventarizasiya zamanı uçot və faktiki qalıqlar arasında hansı uyğunsuzluq fiksə edilir. Ayda $50 000-dan yuxarı dövriyyədə hətta %1–2 sapma belə — bu, anomaliyaların sistematik aşkarlanması və aradan qaldırılması ilə əməliyyat xərclərinə çevrilməyi dayanan bir məbləğdir.

EFRION AI imkanları haqqında ətraflı — /products/ai səhifəsində. Orada sisteminizdəki məlumatlar üzərində nümayiş də tələb edilə bilər.

Əlaqəli mövzu

Artıq qalıqları və satınalmaları idarə edirsinizsə, növbəti addım yalnız sapmaları nəzarətdə saxlamaq deyil, həm də tələbin dəqiq proqnozlaşdırılması vasitəsilə onların qarşısını almaqdır. Bu barədə — "Süni intellekt tələb proqnozu stock-out-u necə %30–50 azaldır" məqaləsindədir.