Jak AI może nas wesprzeć w zakupach?
AI może znacząco wspierać dział zakupów usprawniając różne aspekty procesu zakupowego, w tym analizę danych, automatyzację procesów oraz optymalizację decyzji. Oto, jak i w których obszarach może mieć kluczowy wpływ:
Klasyfikacja wydatków
W zakupach kluczowe jest zrozumienie wewnętrznych wydatków, aby usprawnić procesy i zarządzać zgodnością (compliance). Dokładne dane dotyczące wydatków stanowią fundament skutecznych strategii zarządzania wydatkami. Na podstawie różnych technik sztucznej inteligencji algorytmy klasyfikacji wydatków dynamicznie przeszukują szczegóły poszczególnych pozycji i zaznaczają słowa kluczowe, które są powiązane z odpowiednimi kategoriami wydatków. Organizacje, które korzystają z klasyfikacji wydatków opartej na AI, osiągają zazwyczaj 97% dokładności w klasyfikacji danych, co zwiększa precyzję i wartość działań.
Global sourcing
W obszarze global sourcing dyrektorzy zakupów (CPO) napotykają ogromną ilość danych. Sztuczna inteligencja może identyfikować zmiany w globalnych trendach dostaw, dostarczać informacji na temat przyszłych tendencji i wspierać strategię zakupów dla poszczególnych kategorii.
Dane z faktur
Bardziej ugruntowane zastosowanie AI w zakupach polega na ekstrakcji danych z faktur, aby zautomatyzować proces, kontrolować przepływ pracy i weryfikować poprawność danych. Dla tych, którzy nie posiadają systemu source-to-pay (S2P), jest to cenne rozwiązanie. Zazwyczaj technologia ta może być zintegrowana z istniejącymi systemami i wykorzystuje kombinację rozpoznawania obrazów i przetwarzania języka naturalnego.
Automatyzacja zgodności (compliance)
Dla tych, którzy nie wdrożyli systemu source-to-pay (S2P), zgodność z przepisami może być procesem ręcznym i czasochłonnym. Sztuczna inteligencja może pomóc w strukturze danych kontraktów, faktur i zamówień (PO), aby identyfikować i podkreślać brak zgodności. Zastosowanie AI w ten sposób pozwala zespołom zakupowym automatycznie porównywać warunki płatności, określać brak zgodności lub identyfikować duplikaty.
Ekstrakcja danych kontraktowych
Podobnie jak ekstrakcja danych z faktur, ekstrakcja danych z kontraktów pozwala organizacjom na załadowanie dużych ilości kontraktów w różnych formach elektronicznych i wyodrębnienie kluczowych informacji. Dla tych, którzy nie mają uporządkowanych baz kontraktów, użycie AI do wyodrębniania kluczowych informacji i warunków może pomóc w ustalaniu zgodności z przepisami i przyspieszyć przejście do systemów takich jak Ariba lub Coupa. Zaawansowane rozwiązania mogą wspomagać zarządzanie ryzykiem i wskazywać obszary wymagające przeglądu.
Zarządzanie cyklem życia kontraktu (CLM)
Choć zarządzanie cyklem życia kontraktu (CLM) istnieje od dziesięcioleci, AI teraz wnosi nową jakość w tym obszarze. Narzędzia CLM oparte na AI mogą wspierać generowanie kontraktów, negocjacje oraz identyfikację ryzyk w kontrakcie. Skuteczne rozwiązania skracają czas cyklu i usprawniają proces zarządzania kontraktami poprzez standaryzację szablonów i automatyzację pierwszych wersji.
Wykrywanie anomalii
W przypadku anomalii AI jest testowana pod kątem zdolności do przetwarzania dużych ilości danych, aby dostarczać zespołom zakupowym informacje o najnowszych zmianach w środowisku operacyjnym. Pozwala to na natychmiastowe powiadomienia o zmianach z większą precyzją.
Zaopatrzenie
AI może być również używana do zarządzania i automatyzacji wydarzeń związanych z zaopatrzeniem. Dzięki wykorzystaniu uczenia maszynowego do rozpoznawania arkuszy ofert, organizacje mogą opracowywać wyspecjalizowane boty eSourcingowe dla kategorii takich jak surowce czy MRO.
Automatyzacja zobowiązań (AP)
Wykorzystanie AI i uczenia maszynowego do automatyzacji procesów związanych z zarządzaniem zobowiązaniami (AP) przyspiesza procesowanie i zatwierdzanie faktur, czyniąc go bardziej wydajnym. Automatyzacja AP eliminuje ręczne etapy procesu, co redukuje liczbę interakcji z fakturą, zwiększa efektywność i dokładność, obniża koszty oraz zapewnia wbudowaną zgodność.
Zarządzanie ryzykiem dostawców
Dzięki przyjęciu metodologii big data, AI może pomóc w zarządzaniu ryzykiem dostawców. Metody te są wykorzystywane do przeszukiwania milionów różnych źródeł danych i dostarczania alertów na temat potencjalnych ryzyk w łańcuchu dostaw. Algorytmy uczenia maszynowego mogą monitorować ryzyko związane z dostawcami i przewidywać potencjalne opóźnienia lub problemy w łańcuchu dostaw, uwzględniając czynniki zewnętrzne jak zmiany gospodarcze, ryzyka geopolityczne czy problemy z transportem.
Analiza wydatków i danych zakupowych
Dzięki AI możliwa jest szczegółowa analiza wydatków w czasie rzeczywistym. Algorytmy analizują historię zakupów, identyfikują obszary do oszczędności i rekomendują alternatywnych dostawców. AI może wykryć, gdzie istnieją możliwości konsolidacji dostawców lub wolumenów, co może prowadzić do większych rabatów przy negocjacjach.
Automatyzacja procesu wyboru dostawców i zarządzania relacjami
Algorytmy mogą analizować dużą ilość informacji na temat dostawców, biorąc pod uwagę historię współpracy, jakość dostaw i inne parametry KPI, co pozwala na bardziej świadome decyzje. AI pomaga w monitorowaniu zgodności dostawców z umowami i standardami jakościowymi, przewidując potencjalne ryzyka i obszary do poprawy.
Przewidywanie popytu i zarządzanie zapasami
Analiza popytu za pomocą AI umożliwia bardziej precyzyjne prognozowanie potrzeb zakupowych na podstawie historii zamówień, sezonowości oraz trendów rynkowych. Algorytmy optymalizują poziomy zapasów, przewidując, kiedy zapotrzebowanie wzrośnie lub spadnie. AI minimalizuje koszty związane z magazynowaniem i ryzyko braków.
Automatyzacja operacji zakupowych
Chatboty oraz rozwiązania NLP (przetwarzanie języka naturalnego) mogą automatyzować rutynowe zadania, takie jak odpowiedzi na zapytania, przetwarzanie zamówień i faktur. Pozwala to skrócić czas przetwarzania oraz zmniejszyć błędy. Niektóre systemy AI potrafią przeprowadzać proste negocjacje w imieniu firmy, bazując na ustalonych parametrach oraz analizie danych z poprzednich transakcji.
Optymalizacja decyzji zakupowych
AI analizuje dane rynkowe i wewnętrzne koszty, aby doradzać w zakresie optymalnego czasu na dokonanie zakupu przy minimalnych kosztach. Na podstawie poprzednich zamówień oraz preferencji firmy, AI sugeruje produkty, dostawców oraz formy płatności, które mogą przynieść największe korzyści finansowe lub operacyjne.
Polecane platformy AI w zakupach wg. Procurement Magazine
Basware – basware.com
JAGGAER – jaggaer.com
Globality - globality.com
Zycus - zycus.com
Oracle Fusion Cloud Procurement - oracle.com
Ivalua - ivalua.com
GEP - GEP.com
IBM Watson Orchestrate - ibm.com
SAP Ariba - SAP.com
Coupa - Coupa.com
Scoutbee- https://scoutbee.com/
Medius - https://www.medius.com/
Proactis- https://www.proactis.com/uk/
Tipalti - https://tipalti.com/en-uk/
ServiceNow - https://www.servicenow.com/uk/
Procurify - https://www.procurify.com/
Suplari - https://suplari.com/
Kissflow https://kissflow.com/
Keelvar https://www.keelvar.com/
Liderzy o AI
Globalni Dyrektorzy Zakupów (CPO) oraz liderzy działów zakupów coraz bardziej koncentrują się na integracji sztucznej inteligencji (AI), w szczególności generatywnej AI, w swoich operacjach, aby zwiększyć efektywność, innowacyjność i wartość strategiczną. Według badania z 2024 roku, 92% CPO monitoruje i planuje inwestycje w zdolności AI, z czego 37% już wdraża lub testuje AI w procesach zakupowych. Kluczowe obszary, w których AI ma wnieść wartość, obejmują analizę wydatków, automatyzację rutynowych zadań (takich jak tworzenie zapytań ofertowych RFI/RFP) oraz wsparcie w podejmowaniu decyzji. Do 2025 roku oczekuje się, że inwestycje w AI podwoją się, a wiele organizacji przeznaczy ponad 1 milion dolarów rocznie na rozwiązania oparte na AI. CPO widzą w generatywnej AI siłę transformacyjną, umożliwiającą bardziej strategiczne podejmowanie decyzji poprzez automatyzację powtarzalnych, małowartościowych zadań, co pozwala specjalistom ds. zakupów skupić się na wyższych, bardziej wartościowych działaniach. Takie obszary, jak analiza wydatków i zarządzanie kontraktami, już teraz korzystają z AI, która pomaga odkrywać ukryte wzorce wydatków i zwiększać efektywność. Liderzy zakupów przewidują znaczne korzyści w zakresie produktywności, optymalizacji kosztów oraz lepszej integracji z funkcjami, takimi jak planowanie łańcucha dostaw i finanse(
Pomimo swojego potencjału, wdrażanie AI w działach zakupów napotyka na wyzwania. CPO wskazują obawy dotyczące jakości danych, prywatności oraz potrzebę podnoszenia kwalifikacji zespołów zakupowych. Wiele firm nadal zmaga się z integracją AI z istniejącą infrastrukturą IT przy jednoczesnym zachowaniu bezpieczeństwa danych.
Liderzy zakupów zauważają że wdrożenie AI jest kluczowe dla utrzymania konkurencyjności, a jego zaniechanie może prowadzić do tzw. "deficytu kosztów i zwinności”.
AI a przyszłość zakupów
Rozwój generatywnej sztucznej inteligencji sprawia, że trudno sobie wyobrazić, by jakikolwiek aspekt działalności działu zakupów pozostał nietknięty przez technologię. Generatywna AI, reprezentowana przez duże modele językowe (LLM), łączy ludzką wiedzę z analizą danych, przynosząc wymierne korzyści organizacjom. Zmianie ulegną kluczowe procesy w obszarze zakupów. Zarządzanie kategoriami przejdzie od koncentracji na dostawcach i umowach w kierunku zarządzania relacjami z dostawcami i ryzykiem, natomiast zarządzanie wydatkami będzie bazować na autonomicznych procesach sourcingu, zastępując tradycyjne aukcje.
Transformacyjny potencjał sztucznej inteligencji może zrewolucjonizować zarządzanie zakupami i łańcuchem dostaw, choć sukces będzie zależał od odpowiednich partnerstw i technologii. Kluczowe znaczenie ma równowaga między integracją AI z istniejącymi systemami a wykorzystaniem konfigurowalnych rozwiązań do zaspokajania specyficznych potrzeb organizacji.
Nie ma prawie żadnych ograniczeń w zastosowaniach generatywnej AI (GenAI). Organizacje zakupowe mogą rozwijać modele językowe jako cyfrowych współpracowników o szerokiej wiedzy. Wymaga to jednak nowych sposobów pracy i myślenia oraz całkowitej transformacji modelu operacyjnego. Powtarzalne zadania oparte na tekście czy dokumentach są szczególnie dobrze dostosowane do pracy LLM, co rodzi pytanie, czy dział zakupów powinien stać się wydajną jednostką do realizacji standardowych zadań, czy też pełnić kluczową rolę strategiczną jako generator wartości. Te właśnie decyzje wpłyną na zakres działań ludzkich, które zostaną przejęte przez technologię.
W przyszłości do zarządzania kategoriami, sourcingu, negocjacji oraz procesów operacyjnych będzie potrzebnych mniej zasobów, podobnie jak do działań wspierających, takich jak analiza wydatków, kontrola ryzyka czy zarządzanie kontraktami. Tradycyjne role i funkcje będą musiały dostosować się do nowej rzeczywistości, a nowe umiejętności staną się niezbędne. Role, takie jak menedżerowie kategorii, kupcy taktyczni czy kontrolerzy zakupów, ewoluują w kierunku menedżerów ds. relacji strategicznych, operatorów LLM, data scientistów lub inżynierów promptów, co pozwoli na efektywne wykorzystanie GenAI i uniknięcie „halucynacji” AI.
Pełne wdrożenie i integracja GenAI mogą umożliwić CPO osiąganie lepszych wyników zakupowych przy wykorzystaniu jedynie 50-75% zasobów. Jednak transformacja ta niesie za sobą liczne wyzwania, w tym konieczność stałego szkolenia i adaptacji pracowników do nowych narzędzi i technologii. Przyszłość zakupów zapewne będzie jeszcze głębiej związana z technologią AI, co może prowadzić do zacierania granic między technologią a człowiekiem w tym obszarze.
Słownik:
Generative AI (GenAI)
Generative AI to technologia sztucznej inteligencji, która jest zdolna do tworzenia nowych treści, takich jak teksty, obrazy, dźwięki, czy wideo, na podstawie wzorców danych, które wcześniej przetworzyła. Przykłady zastosowania to generowanie tekstów, tłumaczenia, grafiki, czy nawet komponowanie muzyki. Generative AI bazuje na zaawansowanych modelach, takich jak Large Language Models (LLM).
Large Language Models (LLM)
LLM to potężne modele językowe oparte na sztucznej inteligencji, które są trenowane na ogromnych ilościach tekstu. Umożliwiają one maszynom rozumienie, generowanie i przetwarzanie ludzkiego języka na bardzo wysokim poziomie. Modele te, jak GPT (Generative Pre-trained Transformer), wykorzystywane są w zadaniach takich jak tłumaczenia, chatboty, automatyczne pisanie, analiza sentymentu itp.
Artificial Neural Networks (ANN)
Sztuczne sieci neuronowe to rodzaj algorytmu inspirowanego strukturą biologicznych neuronów w ludzkim mózgu. W ANN dane są przetwarzane przez węzły (neurony), które połączone są warstwami – od wejściowej, przez ukryte, do wyjściowej. Sieci neuronowe są fundamentem wielu technologii związanych ze sztuczną inteligencją, w tym uczenia maszynowego, generative AI oraz rozpoznawania wzorców.
Robotic Process Automation (RPA)
RPA to technologia, która pozwala na automatyzację powtarzalnych, rutynowych procesów biznesowych, wykonywanych zazwyczaj przez ludzi. W przeciwieństwie do AI, RPA działa według ściśle określonych reguł i skryptów. Automatyczne boty mogą wykonywać zadania takie jak przetwarzanie danych, wprowadzanie danych do systemów, czy generowanie raportów, co znacząco zwiększa efektywność operacyjną.
Machine Learning (ML)
Uczenie maszynowe to poddziedzina sztucznej inteligencji, która pozwala komputerom na uczenie się z danych i doskonalenie swoich wyników bez konieczności programowania każdej reguły przez człowieka. W ML algorytmy analizują ogromne zbiory danych, uczą się na ich podstawie i potrafią przewidywać przyszłe wyniki lub rozpoznawać wzorce. Przykładami zastosowań są systemy rekomendacyjne, rozpoznawanie obrazów czy analiza predykcyjna.
Źródła:
https://procurementmag.com/top10/top-10-generative-ai-platforms-in-procurement
https://procurementmag.com/top10/top-10-generative-ai-platforms-in-procurement
https://procurementmag.com/technology-and-ai/how-cpos-are-approaching-ai-in-procurement-and-sourcing
https://procurementmag.com/articles/top-10-ai-companies-in-procurement
https://supplychaindigital.com/procurement/gartner-cpos-must-embrace-ai-procurement-tech
https://marketplace.procurementleaders.com/partners/gep/resources/cpo-compass-2024