الدليل النهائي للذكاء الاصطناعي في المشتريات: حالات الاستخدام والأدوات

Generative AI

الذكاء الاصطناعي التوليدي، أو GenAI، هو نوع الذكاء الاصطناعي الذي يمكنه توليد مخرجات مثل رسائل البريد الإلكتروني أو التقارير أو طلبات تقديم العروض بالكامل، بناءً على البيانات التي تم تدريبه عليها. وقد أصبح أحد أكثر أشكال الذكاء الاصطناعي شيوعاً في مجال المشتريات، ومن السهل معرفة السبب في ذلك.

في مجال المشتريات، يمكن لـ GenAI:

• قم بصياغة مستندات مثل بيانات العمل (SOWs) أو ملخصات الموردين أو طلبات تقديم العروض في دقائق.
• لخص اجتماعات الموردين الطويلة أو تقارير الأداء حتى لا تضطر إلى البحث فيها.
• كتابة وإرسال رسائل البريد الإلكتروني للموردين أو تحديثات الحالة تلقائياً.
• المساعدة في تنظيم البيانات وتسميتها لتسهيل تحليلها لاحقًا.

بشكل أساسي، تتولى GenAI الكثير من عمليات الكتابة وترتيب البيانات، مما يسمح للفرق بالتركيز أكثر على العمل الاستراتيجي.

التعلّم الآلي

يتعلم التعلُّم الآلي (ML) من الاتجاهات السابقة لاكتشاف الأنماط والتنبؤ بما قد يحدث بعد ذلك. 

بدلاً من فرز جداول البيانات التي لا نهاية لها أو الاعتماد على الحدس الغريزي، يمكن لأدوات تعلّم الآلة تحليل اتجاهات الشراء السابقة وأداء الموردين لمساعدة الفرق على اتخاذ قرارات أسرع.

على سبيل المثال، إذا كان أحد الموردين يتأخر بانتظام في التسليم، فقد تكتشف ML هذا النمط قبل أن يصبح مشكلة أكبر. أو قد يشير إلى فاتورة غير عادية لا تتماشى مع سلوك الإنفاق المعتاد. ويمكنه أيضاً القيام بالمهمة الشاقة المتمثلة في تصنيف الإنفاق عبر مئات المعاملات، وإتمامها في غضون دقائق. 

كلما زاد عدد البيانات التي يتم تغذية نموذج تعلّم الآلة بها، أصبح النموذج أكثر ذكاءً، مما يعني أن رؤاه تتحسن بمرور الوقت.

أتمتة العمليات الروبوتية (RPA)

لا تحاول أتمتة العمليات الآلية أن تكون ذكية - فهي لا تهدف إلى اتخاذ القرارات أو الكشف عن الرؤى. ما تقوم به أتمتة العمليات الآلية بشكل جيد حقاً هو تنفيذ مهام كبيرة الحجم وقائمة على القواعد عبر الأنظمة بسرعة، دون إدخال يدوي. 

كجزء أساسي من أتمتة العمليات التجارية، تتعامل الأتمتة الآلية مع أشياء مثل إدخال البيانات ومطابقة الفواتير ومعالجة الطلبات دون الحاجة إلى الإدخال اليدوي.

على الرغم من أن الأمر قد لا يبدو براقاً، إلا أن التخلص من هذه المهام الروتينية يعني أن الفرق يمكنها التركيز على الأجزاء الأكثر استراتيجية في المشتريات. يتعلق الأمر بجعل الأمور أكثر سلاسة وأقل اعتماداً على المدخلات اليدوية.

معالجة اللغة الطبيعية (NLP)

تساعد البرمجة اللغوية العصبية الحواسيب على فهم اللغة البشرية وفهمها، وهو أمر مفيد عند التعامل مع محتوى نصي ثقيل مثل العقود أو رسائل البريد الإلكتروني أو الردود على طلبات تقديم العروض.

في سياق المشتريات، يمكن لأدوات البرمجة اللغوية العصبية:

• سحب الشروط والأحكام المهمة من العقود
• تحليل ملاحظات الموردين أو المراجعات عبر الإنترنت لمعرفة النبرة والمشاعر
• استخراج المعلومات الأساسية من الفواتير أو الإيصالات وتحويلها إلى بيانات منظمة
• ساعد في تشغيل روبوتات الدردشة الآلية التي تجيب على أسئلة المشتريات الشائعة

وغالباً ما تكون البرمجة اللغوية العصبية مدمجة في منصات مثل برامج تحليلات الإنفاق، وأنظمة معالجة المستندات. كما يمكن للفرق أيضاً استخدام واجهات برمجة التطبيقات مثل AWS Comprehend أو Google Cloud Natural Language لتوصيلها بسير العمل. 

على الرغم من أن المفهوم قد يبدو معقداً، إلا أن تطبيقه غالباً ما يكون بسيطاً مثل تمكين ميزة في الأدوات التي تستخدمها الفرق بالفعل.

الذكاء الاصطناعي العميل

الذكاء الاصطناعي العميل هو أحدث التقنيات على الساحة. 

يشير الذكاء الاصطناعي العميل إلى الأنظمة التي يمكنها التخطيط واتخاذ الإجراءات والتكيف بشكل مستقل بناءً على الأهداف أو الظروف المتغيرة دون الحاجة إلى تعليمات خطوة بخطوة لكل مهمة. 

وفي الوقت نفسه، يتجاوز وكلاء الذكاء الاصطناعي في المشتريات مجرد إرسال التنبيهات. فيمكنهم محاكاة التكلفة أو تأثير الجدول الزمني للتبديل، وحتى بدء الخطوات التالية، مثل صياغة أمر الشراء أو تحديث سجلات الموردين. 

وهذا يفتح تدفقات عمل الذكاء الاصطناعي العميل: عمليات ديناميكية لا يكتفي فيها وكلاء الذكاء الاصطناعي بإبراز الرؤى فحسب، بل يتخذون أيضًا إجراءات متابعة عبر الأنظمة. على سبيل المثال، قد يكتشف الوكيل مخاطر نفاد المخزون، ويحاكي تأثير الموردين البديلين، ويبدأ في إصدار أمر شراء كل ذلك في تدفق واحد منسق.

وعند اتصالها بالبيانات والأدوات الصحيحة - مثل قواعد بيانات الموردين أو أدوات إدارة المخزون - يمكن لهذه الوكلاء العمل بشكل شبه مستقل ضمن معايير محددة، مما يساعد الفرق على التحرك بشكل أسرع مع تنسيق يدوي أقل.

تبسيط سير العمل

تعمل أدوات الذكاء الاصطناعي مثل أتمتة العمليات الآلية ومحركات سير العمل التي تعتمد على التعلم الآلي على تبسيط المهام المتكررة على نطاق واسع، مما يحرر الفرق للتركيز على العمل الاستراتيجي.

على سبيل المثال، يمكن لأتمتة العمليات الآلية ملء نماذج طلبات الشراء تلقائيًا عن طريق سحب البيانات من أنظمة الكتالوجات، والتحقق من صحة تفاصيل الموردين مقابل البيانات الرئيسية، وتوجيه الطلبات إلى جهات الموافقة المناسبة بناءً على مركز التكلفة وحدود الإنفاق والحاجة الملحة، كل ذلك دون الحاجة إلى إدخال بشري.

تقليل الأخطاء إلى الحد الأدنى

كلما كانت العملية يدوية أكثر، كلما زادت احتمالية فقدان شيء ما، خاصةً عندما تكون تحت ضغط. 

يساعد الذكاء الاصطناعي من خلال تقديم التحقق من الصحة في الوقت الفعلي واكتشاف الحالات الشاذة خلال سير العمل. 

تخيل تقديم فاتورة لا تتطابق تماماً مع أمر الشراء الأصلي. بدلاً من أن يضطر شخص ما إلى اكتشاف ذلك أثناء المراجعة اليدوية، يقوم نموذج التعلم الآلي بتحديد التباين على الفور. 

سواء أكان الأمر يتعلق باكتشاف الإدخالات المكررة أو الإبلاغ عن شيء لا يبدو صحيحاً تماماً، فإن الذكاء الاصطناعي يجلب الاتساق والدقة إلى هذا النوع من العمل الذي يسهل إفساده عندما تتحرك الفرق بسرعة.

تقليل التكاليف

يقلل الذكاء الاصطناعي التكاليف ليس فقط من خلال أتمتة المهام المتكررة، ولكن من خلال تعزيز عملية صنع القرار وتحديد أوجه القصور الخفية. 

على سبيل المثال، يمكن لوكلاء الذكاء الاصطناعي حساب التكلفة والعائد من الدفع للمورّد في وقت مبكر مقابل خصم 2%، ثم إظهار أفضل الفرص تلقائيًا. 

حققت المؤسسات التي تستخدم الذكاء الاصطناعي لتحليلات الإنفاق المتقدمة وفورات في التكلفة الإجمالية تصل إلى 10% من خلال تشديد استراتيجيات التوريد وتقليل تسرب القيمة.

مقياس بدون آلام النمو

مع توسع عمليات المشتريات، يزداد التعقيد وحجم البيانات، لكن الذكاء الاصطناعي يساعد الفرق على إدارة كليهما دون إضافة عدد من الموظفين. 

بدءًا من أتمتة دمج البيانات إلى تبسيط تحليل العقود ورؤية الإنفاق، يتيح الذكاء الاصطناعي نموًا أكثر ذكاءً مع تقليل آلام النمو.

توقع المخاطر

لقد كانت المشتريات بطبيعتها تفاعلية بطبيعتها. يقلب الذكاء الاصطناعي ذلك من خلال إعطاء فرق العمل إشارات إنذار مبكر وتوصيات قبل أن تنحرف الأمور عن مسارها.

هذا الاستشراف ضروري بشكل متزايد. في الواقع، يشير 70% من قادة المشتريات إلى أن ارتفاع مخاطر الموردين هو مصدر القلق الأكبر، وأصبح الذكاء الاصطناعي هو أداتهم المفضلة.

تقوم نماذج الذكاء الاصطناعي بفحص البيانات الداخلية (مثل مشكلات التسليم والامتثال للعقود) إلى جانب الإشارات الخارجية (درجات الائتمان، وتصنيفات الحوكمة البيئية والاجتماعية والمؤسسية والأخبار) لإنشاء درجات المخاطر الحالية ومساعدة الفرق على التصرف قبل تفاقم المشاكل.

1. التنبؤ الأكثر ذكاءً ومراقبة التكاليف

يساعد التعلم الآلي فرق العمل على التنبؤ بالطلب من خلال التعلم من أنماط الشراء السابقة وأداء الموردين. ويمكنه التنبؤ بموعد إعادة الطلب وكمية الشراء، مع الأخذ في الاعتبار أشياء مثل التأخير وتغيرات الأسعار وحتى العوامل الخارجية مثل الطقس.

تقوم خوارزميات تعلّم الآلة بتحليل كميات كبيرة من بيانات المشتريات التاريخية والبيانات الخارجية مثل أسعار السلع الأساسية وتأخيرات الشحن والتضخم وحتى توقعات الطقس. ويؤدي ذلك معًا إلى بناء نموذج يمكنه التنبؤ باحتياجات الشراء المستقبلية، وغالبًا ما يصل إلى مستوى وحدة التخزين المخزنية.

على سبيل المثال، لنفترض أن هناك تأخيرًا مفاجئًا في الميناء يتداخل مع زيادة في الطلب على مواد تغليف معينة. قد يكتشف نموذج التعلم الآلي النمط الناشئ قبل أن يكون واضحًا ويوصي بالطلب في وقت أقرب أو التحول إلى مورد بديل.

تقوم نماذج التعلم الآلي أيضًا بتتبع المدخلات في الوقت الفعلي مثل تحولات أسعار السوق. إذا بدأت تكاليف المواد الخام في الارتفاع، فقد يقترح النظام إعادة التفاوض على العقود أو التعقب السريع للمشتريات لتثبيت أسعار أقل.

يسمح هذا التنبؤ للفرق بـ

• تجنب الإفراط في الطلب أو التقليل من الطلب.
• تحسين تكاليف الاحتفاظ بالمخزون.
• ضبط استراتيجيات التوريد قبل أن تؤثر المشكلات على العمليات.
• اتخذ قرارات الميزانية برؤية حديثة وقابلة للتنفيذ.

2. أتمتة مهام التوريد والبيانات

تستهلك المهام اليدوية مثل البحث عن الموردين وإنشاء طلبات تقديم العروض وإدخال البيانات الكثير من الوقت. 

يساعد الذكاء الاصطناعي في تبسيط هذه المهام من خلال سحب الملفات الشخصية للموردين من مصادر متعددة، والتعبئة التلقائية لنماذج طلبات تقديم العروض، ومزامنة البيانات الرئيسية عبر الأنظمة دون الحاجة إلى الإدخال اليدوي. وبهذه الطريقة، يمكن لفرق المشتريات تقليل أوقات الدورات وإعادة توجيه تركيزها إلى أعمال أكثر استراتيجية مثل تحسين العلاقات مع الموردين أو تحليل الأداء. 

قامت مجموعة MTN ببناء منصة تسمى "منصة المشتريات" (Procurement Cockpit ) التي تسحب بيانات المشتريات من جميع أنحاء مؤسستهم بأكملها. فبدلاً من التنقل بين الأنظمة المختلفة أو البحث عن المعلومات، تحصل فرقهم على رؤية واضحة وفي الوقت الفعلي لنشاط التوريد وأداء الموردين والإنفاق.

إنها طريقة ذكية للحفاظ على التنظيم وتوفير الوقت. وقد أتت ثمارها: إن استخدام MTN للأتمتة القائمة على الذكاء الاصطناعي أكسبها تقديراً في هذا المجال.

3. تبسيط أوامر الشراء

دعنا نواجه الأمر. إن إدارة أوامر الشراء يدويًا بطيئة وعرضة للأخطاء ومملة. 

يمكن لوكلاء الذكاء الاصطناعي أتمتة الخطوات الرئيسية عبر سير عمل المشتريات - من إنشاء أوامر الشراء إلى تتبع الشحنات والتعامل مع الاستثناءات. وبدلاً من مجرد الإبلاغ عن المشاكل، فإنهم يتخذون إجراءات، مثل إعادة الطلب من الموردين الاحتياطيين أو تصعيد التأخير للمراجعة.

على سبيل المثال، عندما يتم تقديم طلب شراء، يمكن لوكيل الذكاء الاصطناعي التحقق منه مقابل البائعين المعتمدين والتسعير المعتمد وتعبئة أمر الشراء تلقائيًا. ثم يقوم بإرسال الطلب وتحديث جداول التسليم. 

إذا كان هناك تعارض، مثل مشكلة في المهلة الزمنية، فيمكنه اقتراح بدائل بناءً على البيانات السابقة. تُبقي لوحات المعلومات أصحاب المصلحة على اطلاع، بينما يقوم النظام بمطابقة الفواتير والإيصالات تلقائياً، مع الإبلاغ عن أي اختلافات لمراجعتها.

4. مساعدو الذكاء الاصطناعي لفرق المشتريات

مساعدو الذكاء الاصطناعي في مجال المشتريات هم أدوات تدعم فرق العمل من خلال تولي المهام الروتينية التي تستغرق وقتاً طويلاً. وهي تعمل جنباً إلى جنب مع الأنظمة الحالية لتسريع عملية اتخاذ القرار وتقليل الجهد اليدوي في العمليات اليومية.

فهي لا تحل محل الخبرة البشرية، ولكن مساعدي الذكاء الاصطناعي يساعدون فرق العمل بالتأكيد على العمل بشكل أسرع وأكثر ذكاءً.

تقدم Zycus تطبيق Merlin Intake، وهو مساعد ذكاء اصطناعي يساعد المستخدمين على إنشاء طلبات الشراء وتتبعها. وهو يرشد المستخدمين خلال عملية الشراء ويجيب على الأسئلة على طول الطريق، مما يقلل من عمليات الشراء المتتالية.

5. التحليل الذكي للإنفاق الذكي

غالبًا ما تواجه فرق المشتريات صعوبة في فهم أين تذهب الأموال، خاصةً مع تشتت البيانات عبر أنظمة تخطيط موارد المؤسسات وأنظمة P2P. عندما تكون البيانات مبعثرة عبر أنظمة تخطيط موارد المؤسسات وأنظمة P2P، قد يكون من الصعب فهم أين يذهب كل دولار.

يمكن لأدوات الذكاء الاصطناعي تنظيف البيانات وتصنيفها تلقائيًا، مما يمنح الفرق رؤية موحدة ودقيقة للإنفاق. تكتشف خوارزميات التعلُّم الآلي الحالات الشاذة وتكشف عن فرص التوفير التي غالباً ما تفوتها الأدوات التقليدية.

على سبيل المثال، قد يحدد الذكاء الاصطناعي عمليات الشراء المتكررة من عدة بائعين يمكن توحيدها للحصول على خصومات على الحجم، أو تسليط الضوء على الارتفاعات غير العادية في الإنفاق ضمن فئة ما تستدعي المراجعة.

هذا المستوى من التبصر يساعد الفرق:

• تحسين رؤية الإنفاق عبر الفئات والموردين
• الكشف عن الإنفاق غير المتوافق أو الإنفاق المستقل
• تحديد فرص التجميع أو إعادة التفاوض
• اتخاذ قرارات مستنيرة بشأن وضع الميزانية وتحديد المصادر بشكل أفضل

6. إدارة مخاطر الموردين

تعد مخاطر الموردين مصدر قلق متزايد، ويجعل الذكاء الاصطناعي إدارتها أكثر استباقية من أي وقت مضى.

تفحص نماذج التعلم الآلي باستمرار الإشارات الداخلية مثل انتهاكات العقود والتباينات في الفواتير، إلى جانب المؤشرات الخارجية مثل درجات الائتمان وتصنيفات الحوكمة البيئية والاجتماعية وحوكمة الشركات والأحداث الجيوسياسية والأخبار العالمية.

ثم يقوم الذكاء الاصطناعي بتجميع ذلك في درجات مخاطر في الوقت الفعلي، مما يسمح لفرق المشتريات بتحديد أولويات الموردين بناءً على مدى التعرض والموثوقية. كما يمكن لبعض الأدوات محاكاة سيناريوهات تعطل سلسلة التوريد لتوجيه استراتيجيات التخفيف من المخاطر.

على سبيل المثال، تتيح منصة Resilinc للذكاء الاصطناعي للشركات التنبؤ بالتأخيرات المحتملة من خلال تحليل عوامل مثل أداء الموردين والأحداث الخارجية. وباستخدام منصة Resilinc، يمكن للشركات توقع الاضطرابات، مثل الإعصار في الصين، قبل حدوثها. يقوم النظام بتنبيه فرق العمل مسبقاً، مما يسمح لهم بإعادة توجيه الشحنات وتجنب خسارة الإيرادات المحتملة.

7. استخبارات العقود

عقود المشتريات مليئة بالمعلومات الهامة، ولكن مراجعتها وإدارتها يدوياً تستغرق وقتاً طويلاً.

على سبيل المثال، يمكن لأدوات معالجة اللغات الطبيعية، مثل وكلاء LLM استخراج المصطلحات الرئيسية مثل بنود الدفع واتفاقيات مستوى الخدمة من آلاف العقود وتعيينها إلى أطر الامتثال.

لنفترض أن فريقك يحتاج إلى مراجعة 500 عقد مورد قبل نهاية العام. فبدلاً من تمشيط كل عقد يدوياً، يقوم نظام الذكاء الاصطناعي بمسح المستندات في دقائق، ويحدد العقود التي تنتهي مدة صلاحيتها، ويسلط الضوء على تلك التي تفتقد بنود حماية البيانات، ويجمع الاتفاقيات المتشابهة لتسهيل مراجعتها. 

8. المطابقة الديناميكية للموردين

كان العثور على المورد المناسب يعتمد بشكل كبير على قوائم الموردين الثابتة أو البحث اليدوي. ويغير الذكاء الاصطناعي ذلك من خلال التوصية بالموردين بناءً على سجل الأداء والشهادات والتسعير والقدرة الحالية.

باستخدام التعلم الآلي، يقوم النظام بتقييم البيانات المهيكلة وغير المهيكلة لاقتراح أنسب البائعين لحاجة أو منطقة معينة. 

يمكن لفرق المشتريات الآن:

• وضع قائمة مختصرة بالموردين المثاليين بسرعة أكبر
• التوريد من البائعين بما يتماشى مع أهداف الجودة والتكلفة والحوكمة البيئية والاجتماعية والمؤسسية
• تقليل الوقت اللازم للإعداد وتحسين سرعة التوريد

1. وضع أهداف واضحة

لا تستخدم الذكاء الاصطناعي لمجرد أنه يبدو مبتكراً. اعرف بالضبط ما هي المشكلة التي تحاول حلها.

هل تريد أتمتة أوامر الشراء؟ تحسين تصنيف الإنفاق؟ التنبؤ بمخاطر التوريد؟

يتطلب كل هدف من هذه الأهداف أدوات ونماذج بيانات وعمليات تكامل مختلفة. على سبيل المثال، قد تعني أتمتة أوامر الشراء استخدام أتمتة العمليات الآلية، في حين أن تحسين التنبؤ قد يعتمد على التعلم الآلي. 

بدون هدف واضح، فإنك تخاطر ببناء أداة مكلفة لا تحل أي شيء. ابدأ بنقطة الألم ودع ذلك يوجه تنفيذ الذكاء الاصطناعي الخاص بك.

2. اختر منصة

بعد وضع أهدافك في مكانها الصحيح، ابحث عن الأدوات التي تدعمها. 

ابدأ بما تستخدمه بالفعل. تقدم العديد من أنظمة تخطيط موارد المؤسسات ومنصات المشتريات الآن ميزات ذكاء اصطناعي مدمجة مثل تصنيف الإنفاق أو تحليل العقود. أما إذا كانت احتياجاتك أكثر تحديداً، فابحث عن أدوات مستقلة ولكن تأكد من تكاملها بشكل نظيف مع stack. 

أفضل منصة هي المنصة التي تعمل مع ما لديك وتتوسع مع نموك.

3. قم بإعداد بياناتك

الذكاء الاصطناعي ذكي بقدر ذكاء البيانات التي تغذيه بها.

قبل الغوص، قم بتقييم ما لديك. قم بتنظيف البيانات الفوضوية، ودمج المعلومات المتناثرة عبر الأنظمة، وتطبيق حوكمة قوية للبيانات. وهذا يعني توحيد التنسيقات والتحقق من دقتها.

لا تحتاج فرق المشتريات إلى بيانات مثالية ولكنها تحتاج إلى بيانات قابلة للاستخدام. فكّر في هذا الأمر على أنه تحضير التربة قبل الزراعة.

4. اجعل الحل الخاص بك ينبض بالحياة 

بمجرد أن تكون أهدافك ومنصتك واضحة وبياناتك جاهزة، فقد حان الوقت لتحقيق الحل الخاص بك.

في معظم فرق المشتريات، هذا لا يعني بناء أدوات الذكاء الاصطناعي من الصفر. بل يعني العمل مع بائع أو شريك أو فريق تكنولوجيا المعلومات الداخلي لتهيئة ونشر أداة تناسب حالة الاستخدام.

اختر النهج الذي يناسب قدرات فريقك ومدى تعقيد هدفك.

5. تمكين فريقك

حتى أفضل أدوات الذكاء الاصطناعي لن تحقق نتائج إذا كان الفريق لا يعرف كيف يستخدمها أو يثق بها.

بمجرد أن يتم تشغيل الحل، خصص وقتًا للتأهيل والاعتماد. اعمل مع البائع أو شريك التنفيذ لتدريب الفريق على حالات الاستخدام، وصمم التدريب على كيفية عمل محترفي المشتريات فعلياً - وليس فقط كيفية عمل الأداة.

أنشئ مساحة للممارسة العملية، ووثق سير العمل المشترك، وحافظ على فتح حلقة التغذية الراجعة. 

لا يمكن للتكنولوجيا تحقيق نتائج إذا لم يكن أحد يعرف كيفية استخدامها.

6. التقييم والتكرار

لا تضبطها وتنسى الأمر.

تتبّع تأثير أدوات الذكاء الاصطناعي الخاصة بك باستخدام مقاييس واضحة مثل تقليل وقت الدورة، أو الوفورات المتحققة، أو تجنب حوادث المخاطر. 

إذا كانت روبوتات الدردشة الآلية جزءًا من عملية الطرح، فراجع تحليلات روبوتات chatbot لية لفهم كيفية استخدامها، وأين تكون فعالة، وأين يمكن أن تسبب الاحتكاك. إن قياس عائد الاستثمار فيchatbot مهم بشكل خاص لتبرير الاستثمار وتوجيه التحسينات المستقبلية.

وتحدث إلى المستخدمين لديك. ما الذي يعمل؟ ما الذي لا يعمل؟ 

تتحسن أنظمة الذكاء الاصطناعي بمرور الوقت، ولكن فقط إذا واصلت ضبطها. تتطور أفضل التطبيقات مع الاستخدام الواقعي.

ما مدى تكلفة تطبيق أدوات الذكاء الاصطناعي في مجال المشتريات؟

تتباين تكلفة تطبيق أدوات الذكاء الاصطناعي في المشتريات تباينًا كبيرًا: قد تكلف ميزات الذكاء الاصطناعي للمبتدئين في المنصات الحالية ما لا يزيد عن بضع مئات من dollars شهريًا، في حين أن الحلول على مستوى المؤسسات مثل تحليل الإنفاق المتقدم أو الوكلاء المستقلين يمكن أن تصل إلى ستة أرقام سنويًا. وتعتمد التكلفة الإجمالية على مدى تعقيد تدفقات العمل وما إذا كنت تعتمد حلولاً جاهزة أو قدرات ذكاء اصطناعي مخصصة.

هل هناك أي مخاطر أو سلبيات لاستخدام الذكاء الاصطناعي في المشتريات؟

هناك مخاطر لاستخدام الذكاء الاصطناعي في المشتريات، مثل ضعف عملية اتخاذ القرار إذا كانت البيانات غير مكتملة أو غير دقيقة، واحتمال انغلاق البائعين مع أنظمة الذكاء الاصطناعي المملوكة للموردين، والمخاوف المتعلقة بالامتثال إذا لم يتم تأمين البيانات الحساسة بشكل صحيح. بالإضافة إلى ذلك، يمكن أن تؤدي أدوات الذكاء الاصطناعي في بعض الأحيان إلى أخطاء أو نتائج غير متوقعة، مما يتطلب إشرافًا بشريًا لاكتشاف المشكلات قبل أن تتفاقم وتتحول إلى أخطاء مكلفة.

هل تحل أدوات الذكاء الاصطناعي في مجال المشتريات محل الوظائف، أم أنها تغير طريقة عمل الأشخاص فقط؟

لا تلغي أدوات الذكاء الاصطناعي في مجال المشتريات بشكل عام الوظائف بشكل مباشر، ولكنها بدلاً من ذلك تغير طريقة عمل الأشخاص من خلال أتمتة المهام المتكررة مثل إدخال البيانات أو مطابقة الفواتير أو تصنيف الإنفاق، مما يسمح لمحترفي المشتريات بالتركيز على الأنشطة الاستراتيجية مثل العلاقات مع الموردين والمفاوضات وإدارة المخاطر. ومع ذلك، قد تتحول الأدوار نحو المزيد من المهارات التحليلية أو التقنية مع دمج الذكاء الاصطناعي في سير العمل اليومي.

هل يمكن أن تستفيد الشركات الصغيرة من الذكاء الاصطناعي في مجال المشتريات، أم أنه مخصص للشركات الكبيرة بشكل أساسي؟

يمكن للشركات الصغيرة الاستفادة تمامًا من الذكاء الاصطناعي في مجال المشتريات، خاصةً من خلال أدوات SaaS ذات الأسعار المعقولة التي توفر ميزات مثل المعالجة الآلية للمستندات أو مطابقة الموردين أو تحليل الإنفاق الأساسي دون استثمارات مسبقة كبيرة. في حين أن الشركات الكبيرة غالبًا ما تنشر حلول ذكاء اصطناعي مخصصة أكثر تعقيدًا، لا يزال بإمكان الشركات الصغيرة تحقيق وفورات كبيرة في الوقت واتخاذ قرارات أفضل باستخدام أدوات ذكاء اصطناعي أخف وزنًا وقائمة على السحابة.

ما نوع المهارات التي تحتاجها فرق المشتريات للعمل مع أدوات الذكاء الاصطناعي؟

لا تحتاج فرق المشتريات بالضرورة إلى أن يكونوا مبرمجين للعمل مع أدوات الذكاء الاصطناعي، لكنهم يحتاجون إلى مهارات الإلمام بالبيانات لفهم كيفية عمل نماذج الذكاء الاصطناعي وتحديد مشكلات جودة البيانات. كما أن الإلمام بأدوات التحليلات والراحة في استخدام المنصات الرقمية أمران أساسيان، إلى جانب القدرة على التعاون مع تكنولوجيا المعلومات لدمج حلول الذكاء الاصطناعي في سير عمل المشتريات.