Panduan Terbaik untuk AI dalam Perolehan: Kes & Alat Gunakan

AI generatif

AI Generatif, atau GenAI, ialah jenis AI yang boleh menjana output seperti e-mel, laporan atau keseluruhan RFP, berdasarkan data yang telah dilatih. Ia telah menjadi salah satu bentuk AI yang paling biasa dalam perolehan, dan mudah untuk mengetahui sebabnya.

Dalam perolehan, GenAI boleh:

• Draf dokumen seperti Penyata Kerja (SOW), taklimat pembekal atau RFP dalam beberapa minit.
• Ringkaskan mesyuarat pembekal yang panjang atau laporan prestasi supaya anda tidak perlu menelitinya.
• Tulis dan hantar e-mel vendor atau kemas kini status secara automatik.
• Bantu menyusun dan melabel data untuk analisis yang lebih mudah di kemudian hari.

Pada asasnya, GenAI mengendalikan kebanyakan penulisan dan perbalahan data, membolehkan pasukan memberi lebih tumpuan kepada kerja strategik.

Pembelajaran mesin

Pembelajaran mesin (ML) belajar daripada arah aliran lalu untuk mengesan corak dan membuat ramalan tentang perkara yang mungkin berlaku seterusnya. 

Daripada mengisih hamparan yang tidak berkesudahan atau bergantung pada naluri usus, alat ML boleh menganalisis arah aliran pembelian dan prestasi pembekal yang lalu untuk membantu pasukan membuat keputusan yang lebih pantas.

Contohnya, jika pembekal kerap lewat pada penghantaran, ML mungkin melihat corak itu sebelum ia menjadi isu yang lebih besar. Atau ia mungkin membenderakan invois luar biasa yang tidak sejajar dengan tingkah laku perbelanjaan biasa. Ia juga boleh mengambil tugas yang membosankan untuk mengkategorikan perbelanjaan merentas ratusan transaksi, dan menyelesaikannya dalam masa beberapa minit. 

Lebih banyak data yang diberikan kepada model ML, semakin pintar model itu, yang bermaksud cerapannya terus bertambah baik dari semasa ke semasa.

Automasi proses robotik (RPA)

RPA tidak cuba menjadi pandai – ia tidak bertujuan untuk membuat keputusan atau mendedahkan cerapan. Apa yang RPA lakukan dengan baik ialah melaksanakan tugas berasaskan peraturan volum tinggi merentas sistem dengan cepat, tanpa input manual. 

Sebagai bahagian teras automasi proses perniagaan , RPA mengendalikan perkara seperti kemasukan data, pemadanan invois dan pemprosesan pesanan tanpa memerlukan input manual.

Walaupun ia mungkin tidak kelihatan glamor, menyingkirkan pekerjaan rutin tersebut bermakna pasukan boleh memberi tumpuan kepada bahagian perolehan yang lebih strategik. Ini tentang menjadikan perkara lebih lancar dan kurang bergantung pada input manual.

Pemprosesan bahasa semulajadi (NLP)

NLP membantu komputer memahami dan memahami bahasa manusia – yang berguna apabila berurusan dengan kandungan berat teks seperti kontrak, e-mel atau respons RFP.

Dalam konteks perolehan, alatan NLP boleh:

• Tarik terma dan syarat penting daripada kontrak
• Analisis maklum balas pembekal atau ulasan dalam talian untuk nada dan sentimen
• Ekstrak maklumat penting daripada invois atau resit dan tukarkannya menjadi data berstruktur
• Bantu kuasa chatbots yang menjawab soalan perolehan biasa

NLP sering dibina ke dalam platform seperti perisian analisis perbelanjaan dan sistem pemprosesan dokumen. Pasukan juga boleh menggunakan API seperti AWS Comprehend atau Google Cloud Natural Language untuk memasukkannya ke dalam aliran kerja mereka. 

Walaupun konsep itu mungkin kedengaran rumit, menerapkannya selalunya semudah mendayakan ciri dalam pasukan alatan yang sudah digunakan.

AI Agentik

AI Agentik ialah teknologi terbaharu pada blok itu. 

AI Agentik merujuk kepada sistem yang boleh merancang, mengambil tindakan dan menyesuaikan diri secara autonomi berdasarkan matlamat atau keadaan yang berubah tanpa memerlukan arahan langkah demi langkah untuk setiap tugas. 

Sementara itu, ejen AI dalam perolehan melangkaui hanya menghantar makluman. Mereka boleh mensimulasikan impak kos atau garis masa penukaran, dan juga memulakan langkah seterusnya, seperti merangka pesanan pembelian atau mengemas kini rekod pembekal. 

Ini membuka kunci aliran kerja AI agenik : proses dinamik di mana ejen AI bukan sahaja memaparkan cerapan, tetapi juga mengambil tindakan susulan merentas sistem. Contohnya, ejen mungkin mengesan risiko kehabisan stok, mensimulasikan kesan pembekal alternatif dan memulakan pesanan pembelian kesemuanya dalam satu aliran yang diselaraskan.

Apabila disambungkan kepada data dan alatan yang betul – seperti pangkalan data pembekal atau alatan pengurusan inventori – ejen ini boleh bertindak separa autonomi dalam parameter yang ditentukan, membantu pasukan bergerak lebih pantas dengan penyelarasan manual yang kurang.

Perkemas Aliran Kerja

Alat AI seperti enjin aliran kerja dipacu RPA dan ML menyelaraskan tugasan berulang secara berskala, membebaskan pasukan untuk menumpukan pada kerja strategik.

Sebagai contoh, RPA boleh mengisi borang permintaan secara automatik dengan menarik data daripada sistem katalog, mengesahkan butiran pembekal terhadap data induk dan mengarahkan permintaan kepada pelulus yang betul berdasarkan pusat kos, had perbelanjaan dan kesegeraan, semuanya tanpa input manusia.

Minimumkan Ralat

Semakin manual sesuatu proses, semakin besar kemungkinan sesuatu terlepas, terutamanya apabila berada dalam tekanan. 

AI membantu dengan memperkenalkan pengesahan masa nyata dan pengesanan anomali sepanjang aliran kerja. 

Bayangkan menyerahkan invois yang tidak sepadan dengan PO asal. Daripada seseorang perlu memahaminya semasa semakan manual, model pembelajaran mesin membenderakan percanggahan itu dengan serta-merta. 

Sama ada mengesan entri pendua atau membenderakan sesuatu yang kelihatan tidak betul, AI membawa ketekalan dan ketepatan kepada jenis kerja yang mudah dikacau apabila pasukan bergerak pantas.

Kurangkan Kos

AI mengurangkan kos bukan sahaja dengan mengautomasikan tugasan berulang, tetapi dengan mempertingkatkan pembuatan keputusan dan mengenal pasti ketidakcekapan tersembunyi. 

Sebagai contoh, ejen AI boleh mengira faedah kos membayar pembekal awal sebagai pertukaran untuk diskaun 2%, kemudian memaparkan peluang terbaik secara automatik. 

Organisasi yang menggunakan AI untuk analisis perbelanjaan lanjutan telah merealisasikan sehingga 10% dalam jumlah penjimatan kos dengan mengetatkan strategi penyumberan dan mengurangkan kebocoran nilai.

Skala Tanpa Rasa Sakit

Memandangkan skala operasi perolehan, kerumitan dan volum data meningkat tetapi AI membantu pasukan mengurus kedua-duanya tanpa menambah bilangan pekerja. 

Daripada mengautomasikan penyatuan data kepada memperkemas analisis kontrak dan keterlihatan perbelanjaan, AI membolehkan pertumbuhan yang lebih bijak dengan lebih sedikit kesakitan yang semakin meningkat.

Jangka Risiko

Perolehan telah bersifat reaktif secara semula jadi. AI membalikkannya dengan memberi tanda amaran awal dan pengesyoran kepada pasukan sebelum perkara menjadi menyebelahi.

Pandangan jauh ini semakin penting. Malah, 70% pemimpin perolehan menyebut risiko pembekal yang semakin meningkat sebagai kebimbangan utama , dan AI menjadi alat pilihan mereka.

Model AI mengimbas data dalaman (seperti isu penghantaran dan pematuhan kontrak) bersama isyarat luaran (skor kredit, penilaian ESG, berita) untuk menjana skor risiko semasa dan membantu pasukan bertindak sebelum masalah meningkat.

1. Ramalan dan Kawalan Kos yang Lebih Bijak

Pembelajaran mesin membantu pasukan meramalkan permintaan dengan belajar daripada corak pembelian dan prestasi pembekal yang lalu. Ia boleh meramalkan masa untuk memesan semula dan jumlah yang perlu dibeli, dengan mengambil kira perkara seperti kelewatan, peralihan harga dan juga faktor luaran seperti cuaca.

Algoritma ML menganalisis jumlah besar data perolehan sejarah dan data luaran seperti harga komoditi, kelewatan penghantaran, inflasi dan juga ramalan cuaca. Bersama-sama, ini membina model yang boleh meramalkan keperluan pembelian masa hadapan, selalunya sehingga ke peringkat SKU.

Sebagai contoh, katakan kelewatan pelabuhan secara tiba-tiba bertindih dengan lonjakan permintaan untuk bahan pembungkusan tertentu. Model ML mungkin mengesan corak yang muncul sebelum ia jelas dan mengesyorkan agar pesanan lebih awal atau bertukar kepada pembekal ganti.

Model ML juga menjejaki input masa nyata seperti peralihan harga pasaran. Jika kos bahan mentah mula meningkat, sistem mungkin mencadangkan rundingan semula kontrak atau pembelian pantas untuk mengunci kadar yang lebih rendah.

Ramalan ini membolehkan pasukan untuk:

• Elakkan pesanan berlebihan atau kurang pesanan.
• Optimumkan kos pegangan inventori.
• Laraskan strategi penyumberan sebelum isu memberi kesan kepada operasi.
• Buat keputusan belanjawan dengan cerapan yang terkini dan boleh diambil tindakan.

2. Mengautomasikan Penyumberan dan Tugasan Data

Tugas manual seperti penyelidikan pembekal, penjanaan RFP dan kemasukan data memakan banyak masa. 

AI membantu menyelaraskan tugas ini dengan menarik profil pembekal daripada pelbagai sumber, templat RFP pengisian automatik dan menyegerakkan data utama merentas sistem tanpa kemasukan manual. Dengan cara ini, pasukan perolehan boleh mengurangkan masa kitaran dan mengalihkan fokus mereka kepada kerja yang lebih strategik seperti meningkatkan hubungan pembekal atau menganalisis prestasi. 

Kumpulan MTN membina platform yang dipanggil Kokpit Perolehan yang menarik data perolehan dari seluruh organisasi mereka. Daripada menyesuaikan sistem yang berbeza atau memburu maklumat, pasukan mereka mendapat pandangan masa nyata yang jelas tentang aktiviti penyumberan, prestasi pembekal dan perbelanjaan.

Ini cara yang bijak untuk kekal teratur dan menjimatkan masa. Dan ia membuahkan hasil: penggunaan automasi dipacu AI oleh MTN memperoleh pengiktirafan industri kepada mereka.

3. Memperkemas Pesanan Belian

Mari kita hadapinya. Menguruskan PO secara manual adalah perlahan, terdedah kepada ralat, dan hanya membosankan. 

Ejen AI boleh mengautomasikan langkah utama merentas aliran kerja perolehan — daripada membuat PO hingga menjejaki penghantaran dan mengendalikan pengecualian. Daripada hanya membenderakan isu, mereka mengambil tindakan, seperti menyusun semula daripada pembekal sandaran atau kelewatan yang semakin meningkat untuk semakan.

Contohnya, apabila permintaan pembelian diserahkan, ejen AI boleh menyemaknya terhadap vendor yang diluluskan dan harga serta mengisi PO secara automatik. Kemudian, ia menghantar pesanan dan mengemas kini jadual penghantaran. 

Jika terdapat konflik, seperti isu masa utama, ia boleh mencadangkan alternatif berdasarkan data lepas. Papan pemuka memastikan pihak berkepentingan dimaklumkan, sementara sistem memadankan secara automatik invois dan resit, membenderakan sebarang percanggahan untuk semakan.

4. Pembantu AI untuk Pasukan Perolehan

Pembantu AI dalam perolehan ialah alat yang menyokong pasukan dengan menjalankan tugas rutin yang memakan masa. Mereka bekerja bersama sistem sedia ada untuk mempercepatkan membuat keputusan dan mengurangkan usaha manual dalam proses harian.

Mereka tidak menggantikan kepakaran manusia, tetapi pembantu AI pasti membantu pasukan bekerja dengan lebih pantas dan lebih bijak.

Zycus menawarkan Merlin Intake , pembantu AI yang membantu pengguna membuat dan menjejaki permintaan pembelian. Ia membimbing pengguna melalui proses pembelian dan menjawab soalan sepanjang jalan, mengurangkan bolak-balik.

5. Analisis Perbelanjaan Pintar

Pasukan perolehan sering bergelut untuk memahami ke mana wang pergi, terutamanya dengan data yang tersebar di seluruh sistem ERP dan P2P. Apabila data bertaburan di seluruh sistem ERP dan P2P, ia boleh menjadi satu perjuangan untuk memahami ke mana setiap dolar pergi.

Alat AI boleh membersihkan dan mengklasifikasikan data secara automatik, memberikan pasukan pandangan yang bersatu dan tepat tentang perbelanjaan. Algoritma pembelajaran mesin mengesan anomali dan mendedahkan peluang penjimatan yang sering terlepas oleh alat tradisional.

Sebagai contoh, AI mungkin mengenal pasti pembelian berulang daripada berbilang vendor yang boleh disatukan untuk diskaun volum atau menyerlahkan lonjakan luar biasa dalam perbelanjaan dalam kategori yang memerlukan semakan.

Tahap cerapan ini membantu pasukan:

• Tingkatkan keterlihatan perbelanjaan merentas kategori dan pembekal
• Kesan perbelanjaan tidak patuh atau maverick
• Kenal pasti peluang penggabungan atau rundingan semula
• Buat keputusan belanjawan dan sumber yang lebih bermaklumat

6. Pengurusan Risiko Pembekal

Risiko pembekal semakin membimbangkan dan AI menjadikan pengurusannya lebih proaktif berbanding sebelum ini.

Model pembelajaran mesin secara berterusan mengimbas isyarat dalaman seperti pelanggaran kontrak dan percanggahan invois, di samping penunjuk luaran seperti skor kredit, penilaian ESG, peristiwa geopolitik dan berita global.

AI kemudiannya mensintesis ini ke dalam skor risiko masa nyata, membolehkan pasukan perolehan mengutamakan pembekal berdasarkan pendedahan dan kebolehpercayaan. Sesetengah alatan juga boleh mensimulasikan senario gangguan rantaian bekalan untuk membimbing strategi mitigasi.

Sebagai contoh, platform AI Resilinc membolehkan syarikat meramalkan potensi kelewatan dengan menganalisis faktor seperti prestasi pembekal dan peristiwa luaran. Menggunakan platform Resilinc, syarikat boleh menjangkakan gangguan, seperti taufan di China, sebelum ia berlaku. Sistem ini memaklumkan pasukan terlebih dahulu, membolehkan mereka mengubah hala penghantaran dan mengelakkan potensi kehilangan hasil.

7. Perisikan Kontrak

Kontrak perolehan padat dengan maklumat kritikal, tetapi menyemak dan mengurusnya secara manual memakan masa.

Alat NLP, seperti LLM ejen, sebagai contoh, boleh mengekstrak istilah penting seperti klausa pembayaran dan SLA daripada beribu-ribu kontrak dan memetakannya kepada rangka kerja pematuhan.

Katakan pasukan anda perlu menyemak 500 kontrak pembekal sebelum akhir tahun. Daripada menyisir setiap satu secara manual, sistem AI mengimbas dokumen dalam beberapa minit, membenderakan kontrak dengan syarat tamat tempoh, menyerlahkan klausa perlindungan data yang hilang dan mengumpulkan perjanjian serupa untuk semakan yang lebih mudah. 

8. Padanan Pembekal Dinamik

Mencari pembekal yang betul yang digunakan untuk banyak bergantung pada senarai vendor statik atau penyelidikan manual. AI mengubahnya dengan mengesyorkan pembekal berdasarkan sejarah prestasi, pensijilan, harga dan kapasiti semasa.

Menggunakan pembelajaran mesin, sistem menilai kedua-dua data berstruktur dan tidak berstruktur untuk mencadangkan vendor yang paling sesuai untuk keperluan atau wilayah tertentu. 

Pasukan perolehan kini boleh:

• Senarai pendekkan pembekal yang ideal dengan lebih cepat
• Sumber daripada vendor selaras dengan kualiti, kos dan matlamat ESG
• Kurangkan masa masuk dan tingkatkan ketangkasan penyumberan

1. Tetapkan Matlamat Yang Jelas

Jangan gunakan AI hanya kerana ia kedengaran inovatif. Ketahui dengan tepat masalah yang anda cuba selesaikan.

Adakah anda ingin mengautomasikan pesanan pembelian? Tingkatkan klasifikasi perbelanjaan? Ramalkan risiko bekalan?

Setiap matlamat ini memerlukan alat, model data dan penyepaduan yang berbeza. Sebagai contoh, mengautomasikan pesanan pembelian mungkin bermakna menggunakan RPA, manakala meningkatkan ramalan boleh bergantung pada ML. 

Tanpa objektif yang jelas, anda berisiko membina alat mahal yang tidak menyelesaikan apa-apa. Mulakan dengan titik kesakitan dan biarkan ia membimbing pelaksanaan AI anda.

2. Pilih Platform

Dengan matlamat anda ditetapkan, cari alat yang menyokongnya. 

Mulakan dengan apa yang telah anda gunakan. Banyak ERP dan platform perolehan kini menawarkan ciri AI terbina dalam seperti klasifikasi perbelanjaan atau analisis kontrak. Jika keperluan anda lebih khusus, lihat alat kendiri tetapi pastikan ia sepadu dengan bersih dengan anda stack . 

Platform terbaik ialah platform yang berfungsi dengan apa yang anda miliki dan berskala semasa anda berkembang.

3. Sediakan Data Anda

AI hanya pintar seperti data yang anda suapkan.

Sebelum anda menyelam, semak apa yang anda ada. Bersihkan data yang tidak kemas, satukan maklumat yang tersebar di seluruh sistem dan gunakan tadbir urus data yang kukuh. Ini bermakna menyeragamkan format dan mengesahkan ketepatan.

Pasukan perolehan tidak memerlukan data yang sempurna tetapi mereka memerlukan data yang boleh digunakan . Fikirkan ini sebagai penyediaan tanah sebelum menanam.

4. Hidupkan Penyelesaian Anda 

Setelah matlamat dan platform anda jelas dan data anda sudah sedia, sudah tiba masanya untuk membawa penyelesaian anda menjadi kenyataan.

Dalam kebanyakan pasukan perolehan, ini tidak bermakna membina alatan AI dari awal. Ini bermakna bekerjasama dengan vendor, rakan kongsi atau pasukan IT dalaman untuk mengkonfigurasi dan menggunakan alat yang sesuai dengan kes penggunaan.

Pilih pendekatan yang sesuai dengan kebolehan pasukan anda dan kerumitan matlamat anda.

5. Dayakan Pasukan Anda

Malah alat AI yang terbaik tidak akan memberikan hasil jika pasukan tidak tahu cara menggunakannya atau mempercayainya.

Setelah penyelesaian disiarkan, luangkan masa untuk menerima dan menerima pakai. Bekerjasama dengan vendor atau rakan kongsi pelaksana untuk melatih pasukan mengenai kes penggunaan, dan menyesuaikan latihan dengan cara profesional pemerolehan sebenarnya berfungsi — bukan hanya cara alat berfungsi.

Cipta ruang untuk latihan praktikal, dokumentasikan aliran kerja biasa dan pastikan gelung maklum balas terbuka. 

Teknologi tidak dapat memberikan hasil jika tiada siapa yang tahu cara menggunakannya.

6. Menilai dan Mengulang

Jangan tetapkan dan lupakannya.

Jejaki kesan alatan AI anda menggunakan metrik yang jelas seperti pengurangan masa kitaran, penjimatan yang dijana atau insiden risiko yang dielakkan. 

Jika chatbots adalah sebahagian daripada pelancaran, lihat analitis chatbot untuk memahami cara ia digunakan, tempat ia berkesan dan tempat ia mungkin menyebabkan geseran. Mengukur ROI bot sembang amat penting untuk mewajarkan pelaburan dan membimbing penambahbaikan masa hadapan.

Dan bercakap dengan pengguna anda. Apa yang berfungsi? Apa yang kikuk? 

Sistem AI bertambah baik dari semasa ke semasa, tetapi hanya jika anda terus memperhalusinya. Pelaksanaan terbaik berkembang dengan penggunaan dunia sebenar.

Berapa mahalkah untuk melaksanakan alatan AI dalam perolehan?

Kos untuk melaksanakan alatan AI dalam perolehan berbeza-beza secara meluas: ciri AI peringkat permulaan dalam platform sedia ada mungkin menelan kos serendah beberapa ratus dollars sebulan, manakala penyelesaian gred perusahaan seperti analisis perbelanjaan lanjutan atau ejen autonomi boleh mencapai enam angka setiap tahun. Jumlah perbelanjaan bergantung pada kerumitan aliran kerja dan sama ada anda menggunakan penyelesaian luar biasa atau keupayaan AI membina tersuai.

Adakah terdapat sebarang risiko atau keburukan menggunakan AI dalam perolehan?

Terdapat risiko untuk menggunakan AI dalam pemerolehan, seperti membuat keputusan yang lemah jika data tidak lengkap atau tidak tepat, kemungkinan vendor terkunci dengan sistem AI proprietari, dan kebimbangan pematuhan jika data sensitif tidak dijamin dengan betul. Selain itu, alat AI kadangkala boleh menghasilkan ralat atau hasil yang tidak dijangka, yang memerlukan pengawasan manusia untuk menangkap isu sebelum ia meningkat kepada kesilapan yang mahal.

Adakah alatan AI dalam perolehan menggantikan pekerjaan, atau hanya mengubah cara orang bekerja?

Alat AI dalam perolehan secara amnya tidak menghapuskan pekerjaan secara langsung tetapi sebaliknya mengubah cara orang bekerja dengan mengautomasikan tugasan berulang seperti kemasukan data, pemadanan invois atau pengkategorian perbelanjaan, membolehkan profesional pemerolehan menumpukan pada aktiviti strategik seperti perhubungan pembekal, rundingan dan pengurusan risiko. Walau bagaimanapun, peranan mungkin beralih kepada kemahiran yang lebih analitikal atau teknikal apabila AI menjadi tertanam dalam aliran kerja harian.

Bolehkah perniagaan kecil mendapat manfaat daripada AI dalam perolehan, atau adakah ia terutamanya untuk perusahaan besar?

Perniagaan kecil benar-benar boleh mendapat manfaat daripada AI dalam perolehan, terutamanya melalui alat SaaS mampu milik yang menawarkan ciri seperti pemprosesan dokumen automatik, pemadanan pembekal atau analisis perbelanjaan asas tanpa pelaburan pendahuluan yang besar. Walaupun perusahaan besar sering menggunakan penyelesaian AI tersuai yang lebih kompleks, firma yang lebih kecil masih boleh mencapai penjimatan masa yang ketara dan membuat keputusan yang lebih baik dengan alatan AI berasaskan awan yang lebih ringan.

Apakah jenis kemahiran yang diperlukan oleh pasukan perolehan untuk bekerja dengan alatan AI?

Pasukan perolehan tidak semestinya perlu menjadi pengaturcara untuk bekerja dengan alatan AI, tetapi mereka memerlukan kemahiran literasi data untuk memahami cara model AI berfungsi dan mengenal pasti isu kualiti data. Kebiasaan dengan alat analitik dan keselesaan menggunakan platform digital adalah penting, bersama-sama dengan keupayaan untuk bekerjasama dengan IT untuk menyepadukan penyelesaian AI ke dalam aliran kerja perolehan.