調達におけるAIの究極ガイド：使用例とツール

Generative AI

ジェネレーティブAI（GenAI）とは、学習させたデータに基づいて、電子メールやレポート、RFP全体のような出力を生成できるAIのことだ。これは、調達におけるAIの最も一般的な形態の1つとなっており、その理由を理解するのは簡単だ。

調達において、GenAIはできる：

• 作業指示書（SOW）、サプライヤー概要、RFPなどの文書を数分で作成できます。
• 長いサプライヤー・ミーティングや業績報告書を要約することで、それらを読み返す必要がなくなる。
• ベンダーの電子メールやステータスアップデートを自動的に作成し、送信します。
• 後で分析しやすいように、データの整理とラベル付けに役立つ。

基本的に、GenAIは文章作成とデータ整理の多くを処理し、チームはより戦略的な仕事に集中することができる。

機械学習

機械学習（ML）は過去の傾向から学習し、パターンを見つけ、次に起こりそうなことを予測する。 

MLツールは、延々とスプレッドシートを並べ替えたり、直感に頼ったりする代わりに、過去の購買傾向やサプライヤーのパフォーマンスを分析し、チームがより迅速な意思決定を行えるよう支援する。

例えば、あるサプライヤーが定期的に納期に遅れる場合、MLはそれが大きな問題になる前にそのパターンを発見するかもしれない。あるいは、典型的な支出行動と一致しない異常な請求書にフラグを立てるかもしれない。また、何百ものトランザクションの支出を分類するという面倒な作業を、数分で完了させることもできる。 

MLモデルに多くのデータを与えれば与えるほど、MLモデルは賢くなる。

ロボティック・プロセス・オートメーション（RPA）

RPAは賢くなろうとはしない。意思決定をしたり、洞察を明らかにしたりするものではない。RPAが得意とするのは、大量かつルールに基づいた作業を、手動入力なしにシステム全体で迅速に実行することだ。 

ビジネス・プロセス・オートメーションの中核として、RPAはデータ入力、請求書の照合、注文処理などを手入力の必要なく処理する。

華やかな仕事には聞こえないかもしれないが、ルーティンワークを省くことは、チームが調達のより戦略的な部分に集中できることを意味する。つまり、手作業に頼ることなく、物事をスムーズに進めることができるのだ。

自然言語処理（NLP）

NLPは、コンピュータが人間の言葉を理解し、理解するのを助ける。これは、契約書、電子メール、RFP回答書など、テキストが多いコンテンツを扱うときに役立つ。

調達の文脈では、NLPツールは以下のことを可能にする：

• 契約書から重要な条件を抜き出す
• サプライヤーのフィードバックやオンライン・レビューのトーンやセンチメントを分析する
• 請求書や領収書から重要な情報を抽出し、構造化データに変換します。
• 調達に関する一般的な質問に答えるチャットボットのパワーアップに貢献

NLPは多くの場合、消費分析ソフトウェアや文書処理システムなどのプラットフォームに組み込まれている。また、AWS ComprehendやGoogle Cloud Natural LanguageのようなAPIを使って、ワークフローに組み込むこともできる。 

コンセプトは複雑に聞こえるかもしれないが、それを適用することは、チームがすでに使用しているツールの機能を有効にするのと同じくらい簡単なことが多い。

エージェントAI

エージェントAIはブロックの最新技術である。 

エージェント型AIとは、すべてのタスクについて段階的な指示を必要とせず、目標や状況の変化に応じて自律的に計画を立て、行動を起こし、適応することができるシステムを指す。 

一方、調達におけるAIエージェントは、単にアラートを送信するだけではない。切り替えによるコストや時間的な影響をシミュレーションし、発注書の作成やサプライヤー記録の更新といった次のステップを開始することもできる。 

これは、エージェント型AIワークフローを解き放つもので、AIエージェントが洞察力を表面化させるだけでなく、システム間でフォローアップアクションを取るダイナミックなプロセスである。例えば、あるエージェントが在庫切れのリスクを検知し、代替サプライヤーの影響をシミュレーションし、発注を開始するという一連のフローを実現する。

サプライヤー・データベースや在庫管理ツールなど、適切なデータやツールに接続されている場合、これらのエージェントは定義されたパラメーター内で半自動的に行動し、手作業による調整を減らしてチームの迅速な動きを支援することができる。

ワークフローの合理化

RPAやML駆動型ワークフローエンジンのようなAIツールは、反復作業を大規模に効率化し、チームを戦略的作業に集中させる。

例えば、RPAは、カタログシステムからデータを取得することで請求フォームを自動入力し、サプライヤーの詳細をマスターデータと照合して検証し、コストセンター、支出限度額、緊急性に基づいて適切な承認者にリクエストをルーティングすることができる。

エラーの最小化

手作業が多ければ多いほど、特にプレッシャーがかかっているときほど、何かを見逃してしまう可能性が高くなる。 

AIは、ワークフロー全体を通してリアルタイムの検証と異常検知を導入することで役立つ。 

元のPOと全く一致しない請求書を提出することを想像してみてほしい。誰かが手作業で確認する代わりに、機械学習モデルが即座に不一致を検出します。 

重複入力の発見であれ、何かおかしいというフラグの立て方であれ、AIは一貫性と正確さを、チームが素早く動いているときには失敗しがちな作業にもたらす。

コスト削減

AIは、反復的な作業を自動化するだけでなく、意思決定を強化し、隠れた非効率性を特定することで、コストを削減する。 

例えば、AIエージェントは、2％の割引と引き換えにサプライヤーに早めに支払うことのコスト・ベネフィットを計算し、最適な機会を自動的に浮上させることができる。 

高度な支出分析のためにAIを使用している組織は、調達戦略を強化し、価値の漏れを減らすことによって、最大10％の総コスト削減を実現している。

成長痛のない規模

調達業務の規模が拡大するにつれ、複雑さとデータ量は増加するが、AIは人員を増やすことなく、チームがその両方を管理するのに役立つ。 

データ統合の自動化から契約分析や支出可視化の合理化まで、AIは成長痛を軽減しながらよりスマートな成長を可能にする。

リスクを予測する

調達は本来、反応的なものである。AIは、物事がうまくいかなくなる前に、チームに早期警告の兆候や推奨事項を与えることで、それを逆転させる。

この先見性はますます不可欠になっている。実際、調達リーダーの70％がサプライヤーリスクの増大を最大の懸念事項として挙げており、AIがその頼みの綱になりつつある。

AIモデルは、内部データ（納品問題や契約遵守など）と外部シグナル（クレジットスコア、ESG格付け、ニュース）をスキャンして現在のリスクスコアを生成し、問題が深刻化する前にチームが行動できるよう支援する。

1.よりスマートな予測とコスト管理

機械学習は、過去の購買パターンやサプライヤーの実績から学習することで、チームの需要予測を支援する。再注文のタイミングや購入量を予測し、遅延や価格変動、さらには天候などの外的要因も考慮に入れることができる。

MLアルゴリズムは、大量の過去の調達データと、商品価格、出荷遅延、インフレ、さらには天気予報などの外部データを分析する。これらを組み合わせることで、将来の購買ニーズを、多くの場合SKUレベルまで予測できるモデルが構築される。

例えば、突然の港湾遅延が、ある包装資材の需要急増と重なったとする。MLモデルなら、明らかになる前に新たなパターンを検知し、早めの発注や代替サプライヤーへの切り替えを推奨するかもしれない。

MLモデルは、市場価格の変動のようなリアルタイムのインプットも追跡する。原材料コストが上昇し始めた場合、システムは契約の再交渉や、より低いレートを固定するための迅速な購入を提案するかもしれない。

この予測によって、チームは次のことが可能になる：

• 過剰注文や過小注文を避ける。
• 在庫保有コストの最適化
• 問題が業務に影響を及ぼす前に、調達戦略を調整する。
• 最新の実用的な洞察で予算を決定する。

2.ソーシングとデータ・タスクの自動化

サプライヤー調査、RFP作成、データ入力などの手作業は、多くの時間を浪費する。 

AIは、複数のソースからサプライヤーのプロファイルを取得し、RFPテンプレートに自動入力し、手入力せずにシステム間で主要データを同期することで、これらの作業を合理化するのに役立ちます。こうすることで、調達チームはサイクルタイムを短縮し、サプライヤーとの関係改善や業績分析など、より戦略的な業務に集中することができる。 

MTNグループは、組織全体から調達データを取り込むProcurement Cockpitと呼ばれるプラットフォームを構築した。MTNグループのチームは、さまざまなシステムを使いこなしたり、情報を探し出したりする代わりに、調達活動、サプライヤーのパフォーマンス、支出に関する明確でリアルタイムのビューを得ることができる。

整理整頓し、時間を節約する賢い方法だ。そして、それは実を結んだ：MTNはAIを活用した自動化により、業界から高い評価を得た。

3.発注書の合理化

率直に言おう。手作業でPOを管理するのは、時間がかかり、ミスが発生しやすく、とにかく面倒だ。 

AIエージェントは、POの作成から出荷の追跡、例外処理まで、調達ワークフロー全体の主要なステップを自動化することができます。単に問題にフラグを立てるだけでなく、バックアップ・サプライヤーからの再注文や、レビューのための遅延のエスカレーションなど、行動を起こします。

例えば、購買要求が提出されると、AIエージェントは承認されたベンダーや価格と照合し、POを自動入力することができる。その後、注文を送信し、配送スケジュールを更新する。 

リードタイムの問題など、矛盾がある場合は、過去のデータに基づいて代替案を提案することができる。ダッシュボードは関係者に情報を提供し、システムは請求書と領収書を自動照合し、不一致があればフラグを立ててレビューします。

4.調達チームのAIアシスタント

調達におけるAIアシスタントは、定型的で時間のかかるタスクを引き受けることで、チームをサポートするツールである。既存のシステムと連携して意思決定を迅速化し、日々のプロセスにおける手作業を軽減する。

AIアシスタントは人間の専門知識に取って代わるものではないが、チームがより速く、よりスマートに仕事をするのに役立つことは間違いない。

Zycusは、ユーザーの購入リクエストの作成と追跡を支援するAIアシスタント、Merlin Intakeを提供している。購入プロセスを通じてユーザーをガイドし、その過程で質問に答えることで、やり取りを減らすことができる。

5.インテリジェント支出分析

調達チームは、特にデータがERPやP2Pシステムに散在している場合、資金の行き先を把握するのに苦労することが多い。データがERPやP2Pシステムに散在している場合、すべてのドルの行き先を理解するのは困難です。

AIツールは、データを自動的にクレンジング、分類し、チームに支出に関する統一された正確なビューを提供することができます。機械学習アルゴリズムは異常を検出し、従来のツールでは見逃されがちな節約の機会を発見する。

例えば、AIは、ボリュームディスカウントのために統合することができる複数のベンダーからの繰り返し購入を特定したり、見直しが正当化されるカテゴリ内の支出の異常なスパイクを強調したりするかもしれない。

このレベルの洞察力はチームを助ける：

• カテゴリーとサプライヤーを横断した支出の可視性の向上
• コンプライアンス違反または破天荒な支出の検出
• バンドルまたは再交渉の機会を特定する
• より良い情報に基づいた予算編成と調達の決定

6.サプライヤーのリスク管理

サプライヤー・リスクは増大する懸念事項であり、AIはその管理をこれまで以上に積極的に行う。

機械学習モデルは、クレジットスコア、ESG格付け、地政学的イベント、グローバルニュースなどの外部指標とともに、契約違反や請求書の不一致などの内部シグナルを継続的にスキャンする。

そして、AIはこれをリアルタイムのリスク・スコアに合成し、調達チームがエクスポージャーと信頼性に基づいてサプライヤーを優先順位付けできるようにする。ツールによっては、サプライチェーンの混乱シナリオをシミュレートし、緩和戦略を導くこともできる。

例えば、ResilincのAIプラットフォームは、サプライヤーのパフォーマンスや外部イベントなどの要因を分析することで、企業が潜在的な遅延を予測することを可能にする。Resilincのプラットフォームを使うことで、企業は中国の台風のような混乱を事前に予測することができる。システムは事前にチームに警告を発し、出荷のルートを変更して潜在的な収益損失を回避することができる。

7.契約インテリジェンス

調達契約書には重要な情報が詰まっているが、手作業で確認・管理するのは時間がかかる。

例えば、LLM エージェントのようなNLPツールは、何千もの契約から支払い条項やSLAのような重要な用語を抽出し、それらをコンプライアンスの枠組みにマッピングすることができる。

例えば、年末までに500のサプライヤーとの契約を見直す必要があるとします。ひとつひとつ手作業で目を通す代わりに、AIシステムが数分で文書をスキャンし、期限切れの契約にフラグを立て、データ保護条項が欠けている契約を強調表示し、同様の契約をグループ化してレビューを容易にします。 

8.ダイナミック・サプライヤー・マッチング

適切なサプライヤーを見つけるには、静的なベンダーリストや手作業による調査に頼ることが多かった。AIは、パフォーマンス履歴、認証、価格、現在のキャパシティに基づいてサプライヤーを推奨することで、この状況を変えます。

機械学習を使用して、システムは構造化データと非構造化データの両方を評価し、特定のニーズや地域に最適なベンダーを提案する。 

調達チームは今、次のことができる：

• 理想的なサプライヤーをより迅速に絞り込む
• 品質、コスト、ESGの目標に沿ったベンダーから調達する。
• オンボーディング時間を短縮し、ソーシングの俊敏性を向上させる

1.明確な目標の設定

革新的に聞こえるからという理由でAIを使ってはいけない。解決しようとしている問題を正確に把握すること。

発注書の自動化支出分類を改善したいですか？供給リスクを予測したいですか？

これらの目標はそれぞれ、異なるツール、データモデル、統合を必要とする。例えば、購買発注の自動化にはRPAを使うかもしれないし、予測の改善にはMLを使うかもしれない。 

明確な目的がなければ、何も解決しない高価なツールを作る危険性がある。ペインポイントから始め、それをAIの実装の指針にしよう。

2.プラットフォームを選ぶ

目標が定まったら、それをサポートするツールを探す。 

すでに使っているものから始めよう。現在、多くのERPや調達プラットフォームは、支出分類や契約分析のようなAI機能を内蔵している。より具体的なニーズがある場合は、スタンドアローンのツールも検討するが、自社のstackきれいに統合されていることを確認すること。 

最高のプラットフォームとは、今あるもので機能し、成長に合わせて拡張できるものだ。

3.データを準備する

AIは、あなたが与えてくれるデータと同じくらい賢い。

まず、現状を把握しましょう。乱雑なデータを整理し、システム間に散在する情報を統合し、強力なデータガバナンスを適用する。つまり、フォーマットを標準化し、正確性を検証するのだ。

調達チームには完璧なデータは必要ないが、使えるデータは必要だ。これは、植え付け前の土壌の下準備のようなものだと考えてほしい。

4.ソリューションに命を吹き込む 

目標とプラットフォームが明確になり、データの準備が整ったら、いよいよソリューションを実現するときです。

ほとんどの調達チームでは、これはAIツールをゼロから構築することを意味しない。ベンダーやパートナー、あるいは社内のITチームと協力して、ユースケースに合ったツールを構成し、導入することを意味する。

チームの能力と目標の複雑さに合ったアプローチを選択する。

5.チームを活かす

どんなに優れたAIツールでも、チームがその使い方を知らなかったり、信頼していなければ、結果を出すことはできない。

ソリューションが稼動したら、オンボーディングと採用のための時間を確保する。ベンダーや導入パートナーと協力して、ユースケースについてチームをトレーニングし、ツールの機能だけでなく、調達担当者の実際の仕事の進め方に合わせてトレーニングを行う。

実践的な練習の場を設け、一般的なワークフローを文書化し、フィードバックのループをオープンにしておく。 

誰もその使い方を知らなければ、技術も結果を出すことはできない。

6.評価と反復

セットして終わりではない。

サイクルタイムの短縮、節約、リスクインシデントの回避などの明確な指標を使用して、AIツールの影響を追跡します。 

チャットボットが展開の一部である場合、チャットボット分析を見て、どのように使用されているか、どこで効果的か、どこで摩擦を引き起こしているかを理解する。チャットボットのROIを測定することは、投資を正当化し、将来の改善を導くために特に重要です。

そしてユーザーと話す。何がうまくいっているか？何が不便か？ 

AIシステムは時間とともに改善されるが、それは微調整を続けている場合に限られる。最良の実装は、実世界での使用とともに進化する。

調達にAIツールを導入するにはどれくらいのコストがかかるのか？

既存のプラットフォームにおけるエントリーレベルのAI機能は月額数dollars 済むかもしれないが、高度な支出分析や自律型エージェントのようなエンタープライズグレードのソリューションでは、年間6桁の費用がかかることもある。総費用は、ワークフローの複雑さや、既製のソリューションを採用するのか、カスタムビルドのAI機能を採用するのかによって異なる。

AIを調達に活用するリスクやデメリットはありますか？

データが不完全または不正確な場合、意思決定がうまくいかない、独自のAIシステムでベンダーがロックインされる可能性がある、機密データが適切に保護されていない場合、コンプライアンス上の懸念があるなど、AIを調達に利用することにはリスクがある。さらに、AIツールは時にエラーや予期せぬ結果を生み出す可能性があり、コストのかかるミスに発展する前に問題をキャッチするために人間の監視が必要となる。

調達におけるAIツールは仕事に取って代わるのか、それとも人々の働き方を変えるだけなのか？

一般的に、調達におけるAIツールは、仕事を完全になくすのではなく、データ入力、請求書の照合、支出分類のような反復作業を自動化することで、人々の働き方を変え、調達担当者がサプライヤーとの関係、交渉、リスク管理のような戦略的活動に集中できるようにする。しかし、AIが日々のワークフローに組み込まれるにつれ、役割はより分析的または技術的なスキルにシフトするかもしれない。

中小企業は調達においてAIの恩恵を受けられるのか、それとも主に大企業向けなのか？

特に、自動文書処理、サプライヤー・マッチング、基本的な支出分析のような機能を提供する手頃な価格のSaaSツールは、大規模な先行投資をすることなく、調達におけるAIの恩恵を絶対に受けることができる。大企業はより複雑なカスタムAIソリューションを導入することが多いが、中小企業でも、より軽量なクラウドベースのAIツールを使えば、大幅な時間短縮とより良い意思決定を実現できる。

AIツールを活用するために、調達チームにはどのようなスキルが必要なのだろうか。

調達チームは、AIツールを扱うのに必ずしもプログラマーである必要はないが、AIモデルがどのように機能するかを理解し、データ品質の問題を特定するためのデータリテラシーのスキルが必要である。アナリティクス・ツールに精通し、デジタル・プラットフォームを使いこなすことは、AIソリューションを調達ワークフローに統合するためにIT部門と協力する能力とともに重要な鍵となる。