Panduan Utama untuk AI dalam Pengadaan: Kasus Penggunaan & Alat Bantu

Generative AI

AI Generatif, atau GenAI, adalah jenis AI yang dapat menghasilkan output seperti email, laporan, atau seluruh RFP, berdasarkan data yang telah dilatih. Ini menjadi salah satu bentuk AI yang paling umum dalam pengadaan, dan mudah dipahami alasannya.

Dalam hal pengadaan, GenAI bisa:

• Membuat dokumen seperti Pernyataan Pekerjaan (SOW), ringkasan pemasok, atau RFP dalam hitungan menit.
• Rangkum rapat pemasok atau laporan kinerja yang panjang sehingga Anda tidak perlu membacanya.
• Tulis dan kirimkan email vendor atau pembaruan status secara otomatis.
• Membantu mengatur dan melabeli data untuk memudahkan analisis di kemudian hari.

Pada dasarnya, GenAI menangani sebagian besar penulisan dan data, sehingga tim dapat lebih fokus pada pekerjaan strategis.

Pembelajaran mesin

Machine learning (ML) belajar dari tren masa lalu untuk menemukan pola dan membuat prediksi tentang apa yang mungkin terjadi selanjutnya. 

Alih-alih memilah-milah spreadsheet yang tak ada habisnya atau mengandalkan naluri, alat bantu ML dapat menganalisis tren pembelian sebelumnya dan kinerja pemasok untuk membantu tim mengambil keputusan yang lebih cepat.

Sebagai contoh, jika pemasok sering terlambat dalam pengiriman, ML dapat melihat pola tersebut sebelum menjadi masalah yang lebih besar. Atau mungkin menandai faktur yang tidak biasa yang tidak sesuai dengan perilaku pengeluaran pada umumnya. Sistem ini juga dapat melakukan pekerjaan yang membosankan dalam mengkategorikan pengeluaran di ratusan transaksi, dan menyelesaikannya dalam hitungan menit. 

Semakin banyak data yang diberikan pada model ML, semakin pintar model tersebut, yang berarti wawasannya akan semakin baik dari waktu ke waktu.

Otomatisasi proses robotik (RPA)

RPA tidak berusaha menjadi pintar - RPA tidak dimaksudkan untuk membuat keputusan atau mengungkap wawasan. Yang dilakukan RPA dengan sangat baik adalah menjalankan tugas-tugas bervolume tinggi dan berbasis aturan di seluruh sistem dengan cepat, tanpa input manual. 

Sebagai bagian inti dari otomatisasi proses bisnis, RPA menangani hal-hal seperti entri data, pencocokan faktur, dan pemrosesan pesanan tanpa perlu input manual.

Meskipun mungkin tidak terdengar glamor, dengan menyingkirkan pekerjaan rutin tersebut, tim dapat fokus pada bagian pengadaan yang lebih strategis. Ini adalah tentang membuat segala sesuatunya menjadi lebih lancar dan tidak terlalu bergantung pada input manual.

Pemrosesan bahasa alami (NLP)

NLP membantu komputer memahami dan memahami bahasa manusia - yang sangat membantu ketika berurusan dengan konten yang penuh dengan teks seperti kontrak, email, atau tanggapan RFP.

Dalam konteks pengadaan, alat bantu NLP bisa:

• Tarik syarat dan ketentuan penting dari kontrak
• Menganalisis umpan balik pemasok atau ulasan online untuk mengetahui nada dan sentimen
• Mengekstrak informasi penting dari faktur atau tanda terima dan mengubahnya menjadi data terstruktur
• Membantu memberdayakan chatbot yang menjawab pertanyaan umum tentang pengadaan

NLP sering kali dibangun ke dalam platform seperti perangkat lunak analisis pengeluaran, dan sistem pemrosesan dokumen. Tim juga dapat menggunakan API seperti AWS Comprehend atau Google Cloud Natural Language untuk menyambungkannya ke dalam alur kerja mereka. 

Meskipun konsep ini mungkin terdengar rumit, penerapannya sering kali sesederhana mengaktifkan fitur dalam alat bantu yang sudah digunakan oleh tim.

AI Agen

Agentic AI adalah teknologi terbaru yang ada di blok ini. 

Agentic AI mengacu pada sistem yang dapat merencanakan, mengambil tindakan, dan beradaptasi secara mandiri berdasarkan tujuan atau kondisi yang berubah tanpa memerlukan instruksi langkah demi langkah untuk setiap tugas. 

Sementara itu, agen AI dalam pengadaan lebih dari sekadar mengirimkan peringatan. Mereka dapat mensimulasikan dampak biaya atau waktu dari peralihan, dan bahkan memulai langkah selanjutnya, seperti menyusun pesanan pembelian atau memperbarui catatan pemasok. 

Hal ini membuka alur kerja AI agenik: proses dinamis di mana agen AI tidak hanya menampilkan wawasan, tetapi juga mengambil tindakan lanjutan di seluruh sistem. Misalnya, agen dapat mendeteksi risiko kehabisan stok, mensimulasikan dampak pemasok alternatif, dan memulai pesanan pembelian, semuanya dalam satu alur yang terkoordinasi.

Ketika terhubung ke data dan alat yang tepat - seperti database pemasok atau alat manajemen inventaris - agen-agen ini dapat bertindak secara semi-otonom dalam parameter yang ditentukan, sehingga membantu tim bergerak lebih cepat dengan lebih sedikit koordinasi manual.

Merampingkan Alur Kerja

Alat bantu AI seperti RPA dan mesin alur kerja yang digerakkan oleh ML merampingkan tugas-tugas yang berulang dalam skala besar, sehingga tim dapat fokus pada pekerjaan strategis.

Misalnya, RPA dapat mengisi formulir permintaan secara otomatis dengan menarik data dari sistem katalog, memvalidasi detail pemasok terhadap data master, dan mengarahkan permintaan ke pihak yang tepat berdasarkan pusat biaya, batas pengeluaran, dan urgensi, semuanya tanpa input manusia.

Meminimalkan Kesalahan

Semakin manual suatu proses, semakin besar kemungkinan ada sesuatu yang terlewatkan, khususnya apabila berada di bawah tekanan. 

AI membantu dengan memperkenalkan validasi waktu nyata dan deteksi anomali di seluruh alur kerja. 

Bayangkan jika Anda mengirimkan faktur yang tidak sesuai dengan PO asli. Alih-alih seseorang harus mengetahui hal tersebut selama peninjauan manual, model pembelajaran mesin akan menandai ketidaksesuaian secara instan. 

Entah itu menemukan entri duplikat atau menandai sesuatu yang tidak terlihat benar, AI menghadirkan konsistensi dan akurasi pada jenis pekerjaan yang mudah berantakan ketika tim bergerak cepat.

Mengurangi Biaya

AI mengurangi biaya tidak hanya dengan mengotomatiskan tugas-tugas yang berulang, tetapi juga dengan meningkatkan pengambilan keputusan dan mengidentifikasi inefisiensi yang tersembunyi. 

Sebagai contoh, agen AI dapat menghitung biaya-manfaat membayar pemasok lebih awal dengan imbalan diskon 2%, lalu menampilkan peluang terbaik secara otomatis. 

Organisasi yang menggunakan AI untuk analitik pengeluaran tingkat lanjut telah merealisasikan penghematan total biaya hingga 10% dengan memperketat strategi pengadaan dan mengurangi kebocoran nilai.

Skala Tanpa Rasa Sakit yang Tumbuh

Seiring dengan meningkatnya skala operasi pengadaan, kompleksitas dan volume data meningkat, namun AI membantu tim mengelola keduanya tanpa menambah jumlah karyawan. 

Mulai dari mengotomatiskan konsolidasi data hingga merampingkan analisis kontrak dan visibilitas pengeluaran, AI memungkinkan pertumbuhan yang lebih cerdas dengan lebih sedikit rasa sakit.

Mengantisipasi Risiko

Pengadaan barang dan jasa pada dasarnya bersifat reaktif. AI membalikkan hal itu dengan memberikan tanda peringatan dini dan rekomendasi kepada tim sebelum segala sesuatunya berjalan tidak sesuai rencana.

Pandangan ke depan ini semakin penting. Faktanya, 70% pemimpin pengadaan menyebutkan bahwa meningkatnya risiko pemasok menjadi perhatian utama, dan AI menjadi alat bantu utama mereka.

Model AI memindai data internal (seperti masalah pengiriman dan kepatuhan terhadap kontrak) bersama dengan sinyal eksternal (skor kredit, peringkat ESG, berita) untuk menghasilkan skor risiko saat ini dan membantu tim bertindak sebelum masalah meningkat.

1. Perkiraan dan Pengendalian Biaya yang Lebih Cerdas

Pembelajaran mesin membantu tim meramalkan permintaan dengan belajar dari pola pembelian sebelumnya dan kinerja pemasok. Hal ini dapat memprediksi kapan harus memesan ulang dan berapa banyak yang harus dibeli, dengan mempertimbangkan hal-hal seperti penundaan, perubahan harga, dan bahkan faktor eksternal seperti cuaca.

Algoritme ML menganalisis volume besar data historis pengadaan dan data eksternal seperti harga komoditas, penundaan pengiriman, inflasi, dan bahkan prakiraan cuaca. Bersama-sama, hal ini membangun model yang dapat memprediksi kebutuhan pembelian di masa depan, sering kali hingga ke tingkat SKU.

Misalnya, katakanlah penundaan pelabuhan yang tiba-tiba tumpang tindih dengan lonjakan permintaan untuk bahan kemasan tertentu. Model ML dapat mendeteksi pola yang muncul sebelum terlihat jelas dan merekomendasikan untuk memesan lebih cepat atau beralih ke pemasok alternatif.

Model ML juga melacak input secara real-time seperti pergeseran harga pasar. Jika biaya bahan baku mulai meningkat, sistem mungkin menyarankan negosiasi ulang kontrak atau pembelian cepat untuk mengunci harga yang lebih rendah.

Perkiraan ini memungkinkan tim untuk:

• Hindari pemesanan yang berlebihan atau kurang.
• Mengoptimalkan biaya penyimpanan inventaris.
• Sesuaikan strategi pengadaan sebelum masalah berdampak pada operasi.
• Buatlah keputusan anggaran dengan wawasan terkini yang dapat ditindaklanjuti.

2. Mengotomatiskan Tugas Sumber dan Data

Tugas-tugas manual seperti riset pemasok, pembuatan RFP, dan entri data menghabiskan banyak waktu. 

AI membantu menyederhanakan tugas-tugas ini dengan menarik profil pemasok dari berbagai sumber, mengisi templat RFP secara otomatis, dan menyinkronkan data utama di seluruh sistem tanpa entri manual. Dengan cara ini, tim pengadaan dapat memangkas waktu siklus dan mengalihkan fokus mereka ke pekerjaan yang lebih strategis seperti meningkatkan hubungan dengan pemasok atau menganalisis kinerja. 

MTN Group membangun sebuah platform yang disebut Procurement Cockpit yang menarik data pengadaan dari seluruh organisasi mereka. Alih-alih menyulap sistem yang berbeda atau mencari informasi, tim mereka mendapatkan pandangan yang jelas dan real-time tentang aktivitas pengadaan, kinerja pemasok, dan pengeluaran.

Ini adalah cara cerdas untuk tetap teratur dan menghemat waktu. Dan itu terbayar: Penggunaan otomatisasi berbasis AI oleh MTN membuat mereka mendapatkan pengakuan industri.

3. Merampingkan Pesanan Pembelian

Mari kita hadapi itu. Mengelola PO secara manual itu lambat, rentan terhadap kesalahan, dan sangat membosankan. 

Agen AI dapat mengotomatiskan langkah-langkah penting di seluruh alur kerja pengadaan - mulai dari membuat PO hingga melacak pengiriman dan menangani pengecualian. Alih-alih hanya menandai masalah, mereka mengambil tindakan, seperti memesan ulang dari pemasok cadangan atau mengeskalasi penundaan untuk ditinjau.

Misalnya, ketika permintaan pembelian diajukan, agen AI dapat memeriksanya dengan vendor dan harga yang disetujui dan mengisi PO secara otomatis. Kemudian, mengirimkan pesanan dan memperbarui jadwal pengiriman. 

Jika ada konflik, seperti masalah waktu tunggu, sistem ini dapat menyarankan alternatif berdasarkan data masa lalu. Dasbor memberikan informasi kepada para pemangku kepentingan, sementara sistem secara otomatis mencocokkan faktur dan tanda terima, serta menandai setiap ketidaksesuaian untuk ditinjau.

4. Asisten AI untuk Tim Pengadaan

Asisten AI dalam pengadaan adalah alat yang mendukung tim dengan melakukan tugas-tugas rutin yang memakan waktu. Mereka bekerja bersama sistem yang ada untuk mempercepat pengambilan keputusan dan mengurangi upaya manual dalam proses sehari-hari.

Mereka tidak menggantikan keahlian manusia, tetapi asisten AI pasti membantu tim bekerja lebih cepat dan lebih cerdas.

Zycus menawarkan Merlin Intake, sebuah asisten AI yang membantu pengguna membuat dan melacak permintaan pembelian. Asisten ini memandu pengguna melalui proses pembelian dan menjawab pertanyaan-pertanyaan di sepanjang proses, sehingga mengurangi proses bolak-balik.

5. Analisis Pengeluaran Cerdas

Tim pengadaan sering kali kesulitan untuk memahami ke mana uang mengalir, terutama dengan data yang tersebar di seluruh sistem ERP dan P2P. Ketika data tersebar di berbagai sistem ERP dan P2P, akan sulit untuk memahami ke mana saja uang tersebut pergi.

Alat bantu AI dapat secara otomatis membersihkan dan mengklasifikasikan data, sehingga memberikan pandangan yang terpadu dan akurat kepada tim mengenai pengeluaran. Algoritme pembelajaran mesin mendeteksi anomali dan menemukan peluang penghematan yang sering terlewatkan oleh alat tradisional.

Misalnya, AI dapat mengidentifikasi pembelian berulang dari beberapa vendor yang dapat dikonsolidasikan untuk mendapatkan diskon volume, atau menyoroti lonjakan pengeluaran yang tidak biasa dalam suatu kategori yang memerlukan peninjauan.

Tingkat wawasan ini membantu tim:

• Meningkatkan visibilitas pengeluaran di seluruh kategori dan pemasok
• Mendeteksi pengeluaran yang tidak patuh atau maverick
• Mengidentifikasi peluang bundling atau negosiasi ulang
• Membuat keputusan penganggaran dan pengadaan barang dan jasa dengan informasi yang lebih baik

6. Manajemen Risiko Pemasok

Risiko pemasok menjadi perhatian yang terus meningkat dan AI membuat pengelolaannya menjadi lebih proaktif dari sebelumnya.

Model pembelajaran mesin terus memindai sinyal internal seperti pelanggaran kontrak dan ketidaksesuaian faktur, di samping indikator eksternal seperti skor kredit, peringkat ESG, peristiwa geopolitik, dan berita global.

AI kemudian mensintesisnya menjadi skor risiko waktu nyata, yang memungkinkan tim pengadaan memprioritaskan pemasok berdasarkan eksposur dan keandalan. Beberapa alat bantu bahkan dapat mensimulasikan skenario gangguan rantai pasokan untuk memandu strategi mitigasi.

Sebagai contoh, platform AI Resilinc memungkinkan perusahaan memprediksi potensi penundaan dengan menganalisis faktor-faktor seperti kinerja pemasok dan peristiwa eksternal. Dengan menggunakan platform Resilinc, perusahaan dapat mengantisipasi gangguan, seperti topan di Tiongkok, sebelum terjadi. Sistem ini memberi tahu tim sebelumnya, sehingga mereka dapat mengubah rute pengiriman dan menghindari potensi kehilangan pendapatan.

7. Intelijen Kontrak

Kontrak pengadaan barang dan jasa sarat dengan informasi penting, namun meninjau dan mengelolanya secara manual akan memakan waktu.

Alat bantu NLP, seperti agen LLM , misalnya, dapat mengekstrak istilah-istilah penting seperti klausul pembayaran dan SLA dari ribuan kontrak dan memetakannya ke dalam kerangka kerja kepatuhan.

Katakanlah tim Anda perlu meninjau 500 kontrak pemasok sebelum akhir tahun. Alih-alih menyisir satu per satu secara manual, sistem AI memindai dokumen dalam hitungan menit, menandai kontrak yang masa berlakunya sudah habis, menyoroti klausul perlindungan data yang tidak ada, dan mengelompokkan perjanjian yang serupa untuk memudahkan peninjauan. 

8. Pencocokan Pemasok yang Dinamis

Menemukan pemasok yang tepat biasanya sangat bergantung pada daftar vendor statis atau penelitian manual. AI mengubah hal tersebut dengan merekomendasikan pemasok berdasarkan riwayat kinerja, sertifikasi, harga, dan kapasitas saat ini.

Dengan menggunakan pembelajaran mesin, sistem ini mengevaluasi data terstruktur dan tidak terstruktur untuk menyarankan vendor yang paling sesuai untuk kebutuhan atau wilayah tertentu. 

Tim pengadaan sekarang bisa:

• Menyeleksi pemasok yang ideal dengan lebih cepat
• Sumber dari vendor yang selaras dengan tujuan kualitas, biaya, dan ESG
• Mengurangi waktu orientasi dan meningkatkan kelincahan sumber daya

1. Tetapkan Tujuan yang Jelas

Jangan menggunakan AI hanya karena terdengar inovatif. Ketahui dengan pasti masalah apa yang ingin Anda selesaikan.

Apakah Anda ingin mengotomatiskan pesanan pembelian? Meningkatkan klasifikasi pengeluaran? Memprediksi risiko pasokan?

Masing-masing tujuan ini membutuhkan alat, model data, dan integrasi yang berbeda. Misalnya, mengotomatiskan pesanan pembelian dapat berarti menggunakan RPA, sementara meningkatkan perkiraan dapat mengandalkan ML. 

Tanpa tujuan yang jelas, Anda berisiko membangun alat yang mahal namun tidak menyelesaikan apa pun. Mulailah dengan titik masalah dan biarkan hal tersebut memandu implementasi AI Anda.

2. Pilih Platform

Dengan adanya tujuan Anda, temukan alat yang mendukungnya. 

Mulailah dengan apa yang sudah Anda gunakan. Banyak ERP dan platform pengadaan sekarang menawarkan fitur AI bawaan seperti klasifikasi pengeluaran atau analisis kontrak. Jika kebutuhan Anda lebih spesifik, lihatlah alat bantu mandiri, namun pastikan alat bantu tersebut terintegrasi dengan baik dengan stack Anda. 

Platform terbaik adalah platform yang sesuai dengan apa yang Anda miliki dan dapat berkembang seiring pertumbuhan Anda.

3. Siapkan Data Anda

AI hanya sepintar data yang Anda berikan kepadanya.

Sebelum Anda terjun ke dalamnya, perhatikan apa yang Anda miliki. Bersihkan data yang berantakan, konsolidasikan informasi yang tersebar di berbagai sistem, dan terapkan tata kelola data yang kuat. Ini berarti menstandarkan format dan memvalidasi keakuratannya.

Tim pengadaan tidak membutuhkan data yang sempurna, namun mereka membutuhkan data yang dapat digunakan. Anggap saja hal ini seperti menyiapkan tanah sebelum menanam.

4. Wujudkan Solusi Anda Menjadi Nyata 

Setelah tujuan dan platform Anda jelas dan data Anda siap, saatnya untuk mewujudkan solusi Anda.

Pada sebagian besar tim pengadaan, hal ini tidak berarti membangun alat bantu AI dari awal. Ini berarti bekerja sama dengan vendor, mitra, atau tim TI internal untuk mengonfigurasi dan menerapkan alat yang sesuai dengan kasus penggunaan.

Pilih pendekatan yang sesuai dengan kemampuan tim Anda dan kompleksitas tujuan Anda.

5. Aktifkan Tim Anda

Bahkan alat AI terbaik pun tidak akan memberikan hasil jika tim tidak tahu cara menggunakannya atau mempercayainya.

Setelah solusi tersedia, sediakan waktu untuk orientasi dan adopsi. Bekerjasamalah dengan vendor atau mitra implementasi untuk melatih tim mengenai kasus penggunaan, dan sesuaikan pelatihan dengan cara kerja para profesional pengadaan - bukan hanya cara kerja alat tersebut.

Ciptakan ruang untuk praktik langsung, dokumentasikan alur kerja umum, dan jaga agar umpan balik tetap terbuka. 

Teknologi tidak dapat memberikan hasil jika tidak ada yang tahu cara menggunakannya.

6. Mengevaluasi dan Mengulangi

Jangan mengaturnya dan melupakannya.

Lacak dampak alat bantu AI Anda menggunakan metrik yang jelas seperti pengurangan waktu siklus, penghematan yang dihasilkan, atau insiden risiko yang dihindari. 

Jika chatbot adalah bagian dari peluncuran, lihatlah analitik chatbot untuk memahami bagaimana chatbot digunakan, di mana mereka efektif, dan di mana mereka mungkin menyebabkan gesekan. Mengukur ROI chatbot sangat penting untuk menjustifikasi investasi dan memandu perbaikan di masa depan.

Dan bicaralah dengan pengguna Anda. Apa yang bekerja? Apa yang kikuk? 

Sistem AI akan semakin baik dari waktu ke waktu, tetapi hanya jika Anda terus menyempurnakannya. Implementasi terbaik berkembang seiring dengan penggunaan di dunia nyata.

Seberapa mahal biaya untuk mengimplementasikan alat bantu AI dalam pengadaan?

Biaya untuk mengimplementasikan alat AI dalam pengadaan sangat bervariasi: fitur AI tingkat pemula dalam platform yang ada mungkin hanya memerlukan biaya beberapa ratus dollars per bulan, sementara solusi tingkat perusahaan seperti analisis pengeluaran tingkat lanjut atau agen otonom bisa mencapai enam digit per tahun. Total biaya tergantung pada kompleksitas alur kerja dan apakah Anda mengadopsi solusi siap pakai atau membangun kemampuan AI secara khusus.

Apakah ada risiko atau kerugian menggunakan AI dalam pengadaan?

Terdapat risiko dalam menggunakan AI dalam pengadaan, seperti pengambilan keputusan yang buruk jika data tidak lengkap atau tidak akurat, potensi penguncian vendor dengan sistem AI yang dipatenkan, dan masalah kepatuhan jika data sensitif tidak diamankan dengan baik. Selain itu, alat bantu AI terkadang dapat menghasilkan kesalahan atau hasil yang tidak diharapkan, sehingga membutuhkan pengawasan manusia untuk menangkap masalah sebelum masalah tersebut meningkat menjadi kesalahan yang merugikan.

Apakah alat bantu AI dalam pengadaan barang dan jasa menggantikan pekerjaan, atau hanya mengubah cara orang bekerja?

Alat bantu AI dalam pengadaan umumnya tidak menghilangkan pekerjaan secara langsung, melainkan mengubah cara kerja dengan mengotomatiskan tugas-tugas berulang seperti entri data, pencocokan faktur, atau kategorisasi pengeluaran, sehingga memungkinkan para profesional pengadaan untuk fokus pada kegiatan strategis seperti hubungan pemasok, negosiasi, dan manajemen risiko. Namun, peran dapat bergeser ke arah keterampilan yang lebih analitis atau teknis karena AI tertanam dalam alur kerja sehari-hari.

Dapatkah bisnis kecil mendapatkan manfaat dari AI dalam pengadaan, atau apakah AI hanya diperuntukkan bagi perusahaan besar?

Bisnis kecil benar-benar dapat memperoleh manfaat dari AI dalam pengadaan, terutama melalui alat SaaS yang terjangkau yang menawarkan fitur-fitur seperti pemrosesan dokumen otomatis, pencocokan pemasok, atau analisis pengeluaran dasar tanpa investasi awal yang besar. Meskipun perusahaan besar sering kali menggunakan solusi AI yang lebih kompleks dan khusus, perusahaan kecil masih dapat mencapai penghematan waktu yang signifikan dan pengambilan keputusan yang lebih baik dengan alat bantu AI yang lebih ringan dan berbasis cloud.

Keterampilan seperti apa yang dibutuhkan tim pengadaan untuk bekerja dengan alat bantu AI?

Tim pengadaan tidak perlu menjadi programmer untuk bekerja dengan alat AI, tetapi mereka membutuhkan keterampilan literasi data untuk memahami cara kerja model AI dan mengidentifikasi masalah kualitas data. Keakraban dengan alat analitik dan kenyamanan menggunakan platform digital adalah kuncinya, bersama dengan kemampuan untuk berkolaborasi dengan TI untuk mengintegrasikan solusi AI ke dalam alur kerja pengadaan.