27. juni 2026
Introduktion
Semantisk søgning ændrer måden vi finder data på i ERP-systemer. I stedet for eksakt tekstmatching bruger teknikker som embeddings til at forstå meningsmæssig lighed mellem termer og dokumenter. Der er nu konkrete eksempler på implementeringer, der kører direkte i Business Central via AL og SQL-embeddings.
Hvad er nyt?
Tidligere prototyper viste, at gemning af embeddings i databasen og søgning på det niveau giver bedre performance og mere relevante resultater end simple tekstsøgninger. Dette åbner op for intelligente søgninger i fx produktbeskrivelser, kundekommentarer, dokumenter og supportlogs uden at flytte data ud af systemet.
Fordele:
- Mere relevante søgeresultater: Søgeudtryk matches semantisk, ikke kun ord-for-ord.
- Bedre performance: SQL-niveau-implementering kan skaleres til store datamængder.
- Lokal kontrol af data: Embeddings kan opbevares lokalt, hvilket giver bedre kontrol over følsomme oplysninger.
Begrænsninger og overvejelser:
- Omkostninger: Generering af embeddings kræver AI-kald, som kan være forbrugsafhængige.
- Vedligehold: Der skal etableres proces for genindeksering, når data ændres.
- Datakvalitet: Semantisk relevans afhænger af god struktur og konsistente beskrivelser i data.
Hvad betyder det for dig?
Semantisk søgning er særligt interessant for organisationer med store mængder fritekst eller ustrukturerede data:
- Overvej pilot: Start med en afgrænset datamængde (fx produktkatalog eller kundedokumenter) og mål forbedring i søge-relevans.
- Vurder omkostninger: Estimér AI-forbrug og sæt telemetri på for at styre forbruget.
- Data governance: Beslut hvor embeddings skal lagres, og hvordan I håndterer følsomme oplysninger.
- Partner-samarbejde: Benyt en erfaren partner til at sikre en robust implementering i AL/SQL.
Konklusion: Semantisk søgning er moden nok til at gå fra eksperiment til pilot i Business Central. Det kan give store gevinster i brugeroplevelse og effektivitet, men kræver styring af omkostninger og datakvalitet.
Kilde: Demiliani (blog)