AI ในการจัดซื้อจัดจ้าง: เครื่องมือและกลยุทธ์ที่ใช้งานได้จริงในปี 2025

Generative AI

Generative AI หรือ GenAI คือ AI ชนิดหนึ่งที่สามารถ สร้าง ผลลัพธ์ เช่น อีเมล รายงาน หรือ RFP ทั้งหมด โดยอาศัยข้อมูลที่ได้รับการฝึกอบรมมา GenAI ได้กลายเป็นรูปแบบหนึ่งของ AI ที่พบเห็นได้ทั่วไปในการจัดซื้อจัดจ้าง และเห็นได้ชัดว่าเหตุใดจึงเป็นเช่นนั้น

ในการจัดซื้อ GenAI สามารถทำได้:

• ร่างเอกสาร เช่น งบการทำงาน (SOW) บทสรุปของซัพพลายเออร์ หรือ RFP ในเวลาไม่กี่นาที
• สรุปการประชุมซัพพลายเออร์หรือรายงานผลการปฏิบัติงานที่ยาวนาน เพื่อที่คุณจะไม่ต้องค้นหาข้อมูลเหล่านั้น
• เขียนและส่งอีเมลถึงผู้ขายหรืออัปเดตสถานะโดยอัตโนมัติ
• ช่วยจัดระเบียบและติดป้ายกำกับข้อมูลเพื่อให้ง่ายต่อการวิเคราะห์ในภายหลัง

โดยพื้นฐานแล้ว GenAI จัดการการเขียนและการจัดการข้อมูลเป็นส่วนใหญ่ ช่วยให้ทีมงานสามารถมุ่งเน้นไปที่งานเชิงกลยุทธ์ได้มากขึ้น

การเรียนรู้ของเครื่องจักร

การเรียนรู้ของเครื่องจักร (ML) เรียนรู้จากแนวโน้มในอดีตเพื่อค้นหารูปแบบและคาดการณ์สิ่งที่น่าจะเกิดขึ้นต่อไป 

แทนที่จะต้องคัดแยกข้อมูลในสเปรดชีตที่ไม่มีวันจบสิ้นหรือต้องพึ่งสัญชาตญาณ เครื่องมือ ML สามารถวิเคราะห์แนวโน้มการจัดซื้อในอดีตและประสิทธิภาพของซัพพลายเออร์เพื่อช่วยให้ทีมตัดสินใจได้เร็วขึ้น

ตัวอย่างเช่น หากซัพพลายเออร์ส่งของล่าช้าเป็นประจำ ML อาจตรวจพบรูปแบบดังกล่าวได้ก่อนที่ปัญหาจะลุกลาม หรืออาจตรวจพบใบแจ้งหนี้ที่ผิดปกติซึ่งไม่สอดคล้องกับพฤติกรรมการใช้จ่ายทั่วไป นอกจากนี้ ML ยังรับหน้าที่จัดหมวดหมู่การใช้จ่ายในธุรกรรมหลายร้อยรายการซึ่งน่าเบื่อหน่าย และดำเนินการให้เสร็จสิ้นภายในเวลาไม่กี่นาที 

ยิ่งโมเดล ML ป้อนข้อมูลมากเท่าไร โมเดลก็จะยิ่งฉลาดขึ้นเท่านั้น ซึ่งหมายความว่าข้อมูลเชิงลึกจะดีขึ้นเรื่อยๆ ตามเวลาที่ผ่านไป

ระบบอัตโนมัติกระบวนการหุ่นยนต์ (RPA)

RPA ไม่ได้พยายามที่จะฉลาด - ไม่ได้มุ่งหมายที่จะตัดสินใจหรือเปิดเผยข้อมูลเชิงลึก สิ่งที่ RPA ทำได้ดีจริง ๆ คือการดำเนินการงานที่มีปริมาณมากตามกฎเกณฑ์ทั่วทั้งระบบอย่างรวดเร็วโดยไม่ต้องป้อนข้อมูลด้วยตนเอง 

RPA เป็นส่วนสำคัญของ ระบบอัตโนมัติของกระบวนการทางธุรกิจ โดยทำหน้าที่จัดการเรื่องต่างๆ เช่น การป้อนข้อมูล การจับคู่ใบแจ้งหนี้ และการประมวลผลคำสั่งซื้อ โดยไม่ต้องป้อนข้อมูลด้วยตนเอง

แม้จะดูไม่น่าตื่นเต้นนัก แต่การจัดการงานประจำให้เรียบร้อยจะทำให้ทีมงานสามารถมุ่งเน้นไปที่ส่วนที่เป็นกลยุทธ์มากขึ้นในการจัดซื้อได้ ซึ่งจะช่วยให้ทุกอย่างราบรื่นขึ้นและพึ่งพาการป้อนข้อมูลด้วยมือน้อยลง

การประมวลผลภาษาธรรมชาติ (NLP)

NLP ช่วยให้คอมพิวเตอร์เข้าใจและตีความภาษาของมนุษย์ได้ ซึ่งมีประโยชน์เมื่อต้องจัดการกับเนื้อหาที่มีข้อความจำนวนมาก เช่น สัญญา อีเมล หรือการตอบกลับ RFP

ในบริบทการจัดซื้อ เครื่องมือ NLP สามารถ:

• ดึงข้อกำหนดและเงื่อนไขที่สำคัญจากสัญญา
• วิเคราะห์คำติชมของซัพพลายเออร์หรือบทวิจารณ์ออนไลน์ด้านน้ำเสียงและความรู้สึก
• แยกข้อมูลสำคัญจากใบแจ้งหนี้หรือใบเสร็จและเปลี่ยนเป็นข้อมูลที่มีโครงสร้าง
• ช่วยเสริมพลังแชทบอทที่ตอบคำถามทั่วไปเกี่ยวกับการจัดซื้อ

NLP มักถูกสร้างไว้ในแพลตฟอร์มต่างๆ เช่น ซอฟต์แวร์วิเคราะห์การใช้จ่ายและระบบประมวลผลเอกสาร นอกจากนี้ ทีมงานยังสามารถใช้ API เช่น AWS Comprehend หรือ Google Cloud Natural Language เพื่อเชื่อมต่อเข้ากับเวิร์กโฟลว์ของตนเองได้อีกด้วย 

แม้แนวคิดนี้อาจฟังดูซับซ้อน แต่การนำไปใช้งานมักจะง่ายพอๆ กับการเปิดใช้งานฟีเจอร์ในเครื่องมือที่ทีมงานใช้อยู่แล้ว

เอเจนติคเอไอ

Agentic AI เป็นเทคโนโลยีใหม่ล่าสุด 

Agentic AI หมายถึงระบบที่สามารถวางแผน ดำเนินการ และปรับตัวโดยอัตโนมัติตามเป้าหมายหรือเงื่อนไขที่เปลี่ยนแปลง โดยไม่จำเป็นต้องมีคำแนะนำทีละขั้นตอนสำหรับงานทุกๆ งาน 

ในขณะเดียวกัน ตัวแทน AI ในการจัดซื้อไม่เพียงแต่ส่งการแจ้งเตือนเท่านั้น แต่ยังจำลองต้นทุนหรือผลกระทบของการเปลี่ยนแปลงตามระยะเวลา และยังสามารถเริ่มขั้นตอนต่อไปได้ เช่น การร่างใบสั่งซื้อหรือการอัปเดตข้อมูลซัพพลายเออร์ 

สิ่งนี้จะปลดล็อก เวิร์กโฟลว์ AI แบบเอเจนต์ : กระบวนการแบบไดนามิกที่เอเจนต์ AI ไม่เพียงแต่แสดงข้อมูลเชิงลึกเท่านั้น แต่ยังดำเนินการติดตามผลในระบบต่างๆ ด้วย ตัวอย่างเช่น เอเจนต์อาจตรวจจับความเสี่ยงจากสินค้าหมดสต็อก จำลองผลกระทบของซัพพลายเออร์ทางเลือก และเริ่มต้นใบสั่งซื้อทั้งหมดในกระแสข้อมูลแบบประสานงานเดียว

เมื่อเชื่อมต่อกับข้อมูลและเครื่องมือที่ถูกต้อง เช่น ฐานข้อมูลซัพพลายเออร์หรือเครื่องมือการจัดการสินค้าคงคลัง ตัวแทนเหล่านี้จะสามารถทำหน้าที่แบบกึ่งอัตโนมัติภายในพารามิเตอร์ที่กำหนด ช่วยให้ทีมงานทำงานได้เร็วขึ้นโดยมีการประสานงานด้วยตนเองน้อยลง

ปรับปรุงเวิร์กโฟลว์

เครื่องมือ AI เช่น RPA และเครื่องมือเวิร์กโฟลว์ที่ขับเคลื่อนด้วย ML ช่วยลดขั้นตอนงานซ้ำซากในระดับขนาดใหญ่ ช่วยให้ทีมงานมีเวลามุ่งเน้นไปที่งานเชิงกลยุทธ์มากขึ้น

ตัวอย่างเช่น RPA สามารถกรอกแบบฟอร์มขอซื้อโดยอัตโนมัติด้วยการดึงข้อมูลจากระบบแค็ตตาล็อก ตรวจสอบรายละเอียดของซัพพลายเออร์เทียบกับข้อมูลหลัก และกำหนดเส้นทางคำขอไปยังผู้ให้การอนุมัติที่เหมาะสมตามศูนย์ต้นทุน ขีดจำกัดการใช้จ่าย และความเร่งด่วน ทั้งหมดนี้โดยไม่ต้องมีการป้อนข้อมูลจากมนุษย์

ลดข้อผิดพลาดให้เหลือน้อยที่สุด

ยิ่งกระบวนการด้วยตนเองมีมากเท่าไร โอกาสที่บางสิ่งจะพลาดก็ยิ่งมากขึ้นเท่านั้น โดยเฉพาะอย่างยิ่งเมื่ออยู่ภายใต้แรงกดดัน 

AI ช่วยเหลือโดยแนะนำการตรวจสอบแบบเรียลไทม์และการตรวจจับความผิดปกติตลอดเวิร์กโฟลว์ 

ลองนึกภาพการส่งใบแจ้งหนี้ที่ไม่ตรงกับใบสั่งซื้อเดิม แทนที่ใครสักคนจะต้องตรวจสอบด้วยตนเอง โมเดลการเรียนรู้ของเครื่องจะตรวจจับความคลาดเคลื่อนดังกล่าวทันที 

ไม่ว่าจะเป็นการค้นหารายการที่ซ้ำกันหรือการทำเครื่องหมายสิ่งที่ดูไม่ค่อยถูกต้อง AI จะนำความสม่ำเสมอและความแม่นยำมาสู่การทำงานประเภทที่มักจะทำพลาดได้ง่ายเมื่อทีมงานทำงานรวดเร็ว

ลดต้นทุน

AI ช่วยลดต้นทุนได้ไม่เพียงแค่ทำให้การทำงานซ้ำๆ เป็นระบบอัตโนมัติ แต่ยังช่วยปรับปรุงการตัดสินใจและระบุจุดที่ไม่มีประสิทธิภาพที่ซ่อนอยู่ด้วย 

ตัวอย่างเช่น ตัวแทน AI สามารถคำนวณต้นทุน-ผลประโยชน์ของการชำระเงินให้กับซัพพลายเออร์ล่วงหน้าเพื่อแลกกับส่วนลด 2% จากนั้นจึงแสดงโอกาสที่ดีที่สุดโดยอัตโนมัติ 

องค์กรต่างๆ ที่ใช้ AI ในการวิเคราะห์การใช้จ่ายขั้นสูงพบว่า สามารถประหยัดต้นทุนรวมได้มากถึง 10% จากการปรับกลยุทธ์การจัดหาให้เข้มงวดยิ่งขึ้นและลดการรั่วไหลของมูลค่า

ปรับขนาดโดยไม่ต้องเจ็บปวด

เมื่อการดำเนินการจัดซื้อขยายตัว ความซับซ้อนและปริมาณข้อมูลก็เพิ่มขึ้น แต่ AI ช่วยให้ทีมงานสามารถจัดการทั้งสองสิ่งนี้ได้โดยไม่ต้องเพิ่มจำนวนพนักงาน 

ตั้งแต่การรวมข้อมูลอัตโนมัติไปจนถึงการปรับปรุงการวิเคราะห์สัญญาและการมองเห็นการใช้จ่าย AI ช่วยให้การเติบโตชาญฉลาดขึ้นโดยมีการเติบโตที่เจ็บปวดน้อยลง

คาดการณ์ความเสี่ยง

การจัดซื้อจัดจ้างมักตอบสนองต่อสถานการณ์อยู่เสมอ AI จะเปลี่ยนสถานการณ์นั้นด้วยการให้สัญญาณเตือนล่วงหน้าและคำแนะนำแก่ทีมก่อนที่สถานการณ์จะเลวร้ายลง

การมองการณ์ไกลนี้มีความจำเป็นเพิ่มมากขึ้นเรื่อยๆ โดย ผู้นำด้านการจัดซื้อ 70% ระบุว่าความเสี่ยงที่เพิ่มขึ้นของซัพพลายเออร์เป็นปัญหาสำคัญที่สุด และปัญญาประดิษฐ์กำลังกลายมาเป็นเครื่องมือที่พวกเขาใช้เป็นประจำ

โมเดล AI สแกนข้อมูลภายใน (เช่น ปัญหาการจัดส่งและการปฏิบัติตามสัญญา) ควบคู่ไปกับสัญญาณภายนอก (คะแนนเครดิต การจัดอันดับ ESG ข่าวสาร) เพื่อสร้างคะแนนความเสี่ยงปัจจุบันและช่วยให้ทีมดำเนินการก่อนที่ปัญหาจะลุกลาม

1. การพยากรณ์และการควบคุมต้นทุนที่ชาญฉลาดยิ่งขึ้น

การเรียนรู้ของเครื่องจักรช่วยให้ทีมงาน คาดการณ์ความต้องการได้โดยเรียนรู้จากรูปแบบการซื้อในอดีตและประสิทธิภาพของซัพพลายเออร์ มันสามารถคาดการณ์ได้ว่าจะต้องสั่งซื้อใหม่เมื่อใดและจะซื้อมากแค่ไหน โดยคำนึงถึงปัจจัยต่างๆ เช่น ความล่าช้า การเปลี่ยนแปลงราคา และแม้แต่ปัจจัยภายนอก เช่น สภาพอากาศ

อัลกอริทึม ML วิเคราะห์ข้อมูลการจัดซื้อในอดีตจำนวนมากและข้อมูลภายนอก เช่น ราคาสินค้า ความล่าช้าในการขนส่ง อัตราเงินเฟ้อ และแม้แต่พยากรณ์อากาศ เมื่อนำมารวมกันแล้ว จะสร้างแบบจำลองที่สามารถคาดการณ์ความต้องการการจัดซื้อในอนาคตได้ โดยมักจะลงลึกถึงระดับ SKU

ตัวอย่างเช่น ความล่าช้าของท่าเรือที่เกิดขึ้นกะทันหันทับซ้อนกับความต้องการวัสดุบรรจุภัณฑ์บางชนิดที่เพิ่มขึ้น โมเดล ML อาจตรวจพบรูปแบบที่เกิดขึ้นก่อนที่จะเห็นได้ชัด และแนะนำให้สั่งซื้อเร็วขึ้นหรือเปลี่ยนไปใช้ซัพพลายเออร์รายอื่น

นอกจากนี้ โมเดล ML ยัง ติดตามข้อมูลอินพุตแบบเรียลไทม์ เช่น การเปลี่ยนแปลงของราคาตลาด หากต้นทุนวัตถุดิบเริ่มเพิ่มขึ้น ระบบอาจแนะนำให้เจรจาสัญญาใหม่หรือเร่งการซื้อเพื่อล็อกราคาที่ต่ำลง

การพยากรณ์นี้ช่วยให้ทีมสามารถ:

• หลีกเลี่ยงการสั่งมากเกินไปหรือสั่งน้อยเกินไป
• เพิ่มประสิทธิภาพต้นทุนการถือครองสินค้าคงคลัง
• ปรับกลยุทธ์การจัดหาสินค้าก่อนที่ปัญหาจะส่งผลกระทบต่อการดำเนินงาน
• ตัดสินใจด้านงบประมาณด้วยข้อมูลเชิงลึกที่สามารถดำเนินการได้และเป็นปัจจุบัน

2. การทำให้การจัดหาข้อมูลและงานข้อมูลเป็นแบบอัตโนมัติ

งานที่ต้องใช้แรงงานคน เช่น การค้นหาซัพพลายเออร์ การจัดทำ RFP และการป้อนข้อมูล ล้วนกินเวลาเป็นอย่างมาก 

AI ช่วยปรับกระบวนการทำงานเหล่านี้ให้มีประสิทธิภาพมากขึ้นด้วยการดึงข้อมูลโปรไฟล์ซัพพลายเออร์จากหลายแหล่ง กรอกเทมเพลต RFP โดยอัตโนมัติ และซิงค์ข้อมูลสำคัญข้ามระบบโดยไม่ต้องป้อนข้อมูลด้วยตนเอง วิธีนี้ช่วยให้ทีมจัดซื้อลดเวลาในการทำงานและเปลี่ยนโฟกัสไปที่งานเชิงกลยุทธ์มากขึ้น เช่น การปรับปรุงความสัมพันธ์กับซัพพลายเออร์หรือวิเคราะห์ประสิทธิภาพ 

MTN Group ได้สร้างแพลตฟอร์มที่เรียกว่า Procurement Cockpit ซึ่งรวบรวมข้อมูลการจัดซื้อจากทั่วทั้งองค์กร แทนที่จะต้องจัดการระบบต่างๆ ร่วมกันหรือค้นหาข้อมูล ทีมงานจะได้รับมุมมองที่ชัดเจนแบบเรียลไทม์เกี่ยวกับกิจกรรมการจัดหา ประสิทธิภาพของซัพพลายเออร์ และค่าใช้จ่าย

เป็นวิธีที่ชาญฉลาดในการจัดระเบียบและประหยัดเวลา และคุ้มค่ามาก: การใช้ระบบอัตโนมัติที่ขับเคลื่อนด้วย AI ของ MTN ทำให้พวกเขาได้ รับการยอมรับในอุตสาหกรรม

3. การปรับปรุงใบสั่งซื้อ

ยอมรับกันเถอะว่าการจัดการ PO ด้วยตนเองนั้นช้า มีแนวโน้มเกิดข้อผิดพลาด และน่าเบื่อหน่ายอย่างยิ่ง 

ตัวแทน AI สามารถทำให้ขั้นตอนสำคัญต่างๆ ในเวิร์กโฟลว์การจัดซื้อเป็นระบบอัตโนมัติได้ ไม่ว่าจะเป็นการสร้างใบสั่งซื้อ การติดตามการจัดส่ง และการจัดการข้อยกเว้น แทนที่จะเพียงแค่แจ้งปัญหา ตัวแทน AI จะดำเนินการต่างๆ เช่น สั่งซื้อใหม่จากซัพพลายเออร์สำรองหรือเพิ่มความล่าช้าในการตรวจสอบ

ตัวอย่างเช่น เมื่อมีการส่งคำขอสั่งซื้อ ตัวแทน AI จะสามารถตรวจสอบคำขอกับผู้ขายที่ได้รับอนุมัติและราคา จากนั้นจึงกรอกใบสั่งซื้อโดยอัตโนมัติ จากนั้นจึงส่งคำสั่งซื้อและอัปเดตตารางการจัดส่ง 

หากมีข้อขัดแย้ง เช่น ปัญหาระยะเวลาดำเนินการ ระบบสามารถแนะนำทางเลือกอื่นโดยอิงจากข้อมูลในอดีตได้ แดชบอร์ดจะคอยแจ้งให้ผู้มีส่วนได้ส่วนเสียทราบในขณะที่ระบบจะจับคู่ใบแจ้งหนี้และใบเสร็จโดยอัตโนมัติ และทำเครื่องหมายความคลาดเคลื่อนใดๆ เพื่อตรวจสอบ

4. ผู้ช่วย AI สำหรับทีมจัดซื้อ

ผู้ช่วย AI ในการจัดซื้อจัดจ้างเป็นเครื่องมือที่สนับสนุนทีมงานโดยรับหน้าที่ประจำที่ใช้เวลานาน ผู้ช่วย AI ทำงานควบคู่ไปกับระบบที่มีอยู่เพื่อเร่งการตัดสินใจและลดความพยายามในการทำงานด้วยตนเองในกระบวนการประจำวัน

แม้ว่าจะไม่สามารถทดแทนความเชี่ยวชาญของมนุษย์ได้ แต่ผู้ช่วย AI ก็ช่วยให้ทีมทำงานได้เร็วและฉลาดขึ้นอย่างแน่นอน

Zycus นำเสนอ Merlin Intake ซึ่งเป็นผู้ช่วย AI ที่ช่วยให้ผู้ใช้สร้างและติดตามคำขอซื้อ โดยจะแนะนำผู้ใช้ตลอดกระบวนการซื้อและตอบคำถามตลอดกระบวนการ จึงลดขั้นตอนการซื้อไปมา

5. การวิเคราะห์การใช้จ่ายอย่างชาญฉลาด

ทีมจัดซื้อมักประสบปัญหาในการทำความเข้าใจว่าเงินไปอยู่ที่ไหน โดยเฉพาะอย่างยิ่งเมื่อข้อมูลกระจัดกระจายอยู่ในระบบ ERP และระบบ P2P เมื่อข้อมูลกระจัดกระจายอยู่ในระบบ ERP และระบบ P2P การทำความเข้าใจว่าเงินทุกดอลลาร์ไปอยู่ที่ไหนจึงอาจเป็นเรื่องยาก

เครื่องมือ AI สามารถทำความสะอาดและจัดหมวดหมู่ข้อมูลโดยอัตโนมัติ ช่วยให้ทีมงานมองเห็นภาพรวมของการใช้จ่ายได้อย่างแม่นยำและรวมเป็นหนึ่ง อัลกอริทึมการเรียนรู้ของเครื่องจะตรวจจับความผิดปกติและเปิดเผยโอกาสในการประหยัดที่เครื่องมือดั้งเดิมมักมองข้าม

ตัวอย่างเช่น AI อาจระบุการซื้อซ้ำจากผู้ขายหลายรายซึ่งสามารถรวมกันได้เพื่อรับส่วนลดตามปริมาณ หรือเน้นย้ำการใช้จ่ายที่เพิ่มขึ้นผิดปกติภายในหมวดหมู่ที่สมควรได้รับการตรวจสอบ

ข้อมูลเชิงลึกระดับนี้ช่วยให้ทีมงานสามารถ:

• ปรับปรุงการมองเห็นการใช้จ่ายระหว่างหมวดหมู่และซัพพลายเออร์
• ตรวจจับการใช้จ่ายที่ไม่เป็นไปตามกฎหรือนอกรีต
• ระบุโอกาสในการรวมกลุ่มหรือการเจรจาต่อรองใหม่
• ตัดสินใจจัดทำงบประมาณและจัดหาทรัพยากรอย่างมีข้อมูลที่ดีขึ้น

6. การจัดการความเสี่ยงของซัพพลายเออร์

ความเสี่ยงของซัพพลายเออร์ถือเป็นข้อกังวลที่เพิ่มมากขึ้น และ AI ทำให้การจัดการความเสี่ยงมีความเป็นเชิงรุกมากขึ้นกว่าเดิม

โมเดลการเรียนรู้ของเครื่องจะสแกนสัญญาณภายในอย่างต่อเนื่อง เช่น การละเมิดสัญญาและความคลาดเคลื่อนของใบแจ้งหนี้ ควบคู่ไปกับตัวบ่งชี้ภายนอก เช่น คะแนนเครดิต การจัดอันดับ ESG เหตุการณ์ทางภูมิรัฐศาสตร์ และข่าวโลก

จากนั้น AI จะสังเคราะห์ข้อมูลดังกล่าวเป็นคะแนนความเสี่ยงแบบเรียลไทม์ ทำให้ทีมจัดซื้อสามารถกำหนดลำดับความสำคัญของซัพพลายเออร์ตามความเสี่ยงและความน่าเชื่อถือ เครื่องมือบางอย่างสามารถจำลองสถานการณ์การหยุดชะงักของห่วงโซ่อุปทานเพื่อแนะนำกลยุทธ์การบรรเทาผลกระทบได้ด้วย

ตัวอย่างเช่น แพลตฟอร์ม AI ของ Resilinc ช่วยให้บริษัทต่างๆ คาดการณ์ความล่าช้าที่อาจเกิดขึ้นได้โดยการวิเคราะห์ปัจจัยต่างๆ เช่น ประสิทธิภาพของซัพพลายเออร์และเหตุการณ์ภายนอก บริษัทต่างๆ สามารถคาดการณ์การหยุดชะงัก เช่น พายุไต้ฝุ่นในจีน ก่อนที่เหตุการณ์ดังกล่าวจะเกิดขึ้นได้โดยใช้แพลตฟอร์มของ Resilinc ระบบจะแจ้งเตือนทีมงานล่วงหน้า ช่วยให้สามารถกำหนดเส้นทางการจัดส่งใหม่และหลีกเลี่ยงการสูญเสียรายได้ที่อาจเกิดขึ้นได้

7. ข่าวสารสัญญา

สัญญาจัดซื้อจัดจ้างเต็มไปด้วยข้อมูลที่สำคัญ แต่การตรวจสอบและจัดการข้อมูลเหล่านี้ด้วยตนเองนั้นใช้เวลานาน

เครื่องมือ NLP เช่น LLM ตัวอย่างเช่น ตัวแทนสามารถดึงเงื่อนไขสำคัญ เช่น เงื่อนไขการชำระเงินและข้อตกลงระดับการให้บริการ (SLA) จากสัญญาหลายพันฉบับ และจับคู่กับกรอบการปฏิบัติตามข้อกำหนดได้

สมมติว่าทีมของคุณต้องตรวจสอบสัญญากับซัพพลายเออร์ 500 รายก่อนสิ้นปี แทนที่จะต้องตรวจสอบสัญญาแต่ละฉบับด้วยตนเอง ระบบ AI จะสแกนเอกสารในเวลาไม่กี่นาที ทำเครื่องหมายสัญญาที่มีเงื่อนไขหมดอายุ เน้นย้ำถึงข้อกำหนดการคุ้มครองข้อมูลที่ขาดหายไป และจัดกลุ่มข้อตกลงที่คล้ายกันเพื่อให้ตรวจสอบได้ง่ายขึ้น 

8. การจับคู่ซัพพลายเออร์แบบไดนามิก

การค้นหาซัพพลายเออร์ที่เหมาะสมนั้นมักจะอาศัยรายชื่อซัพพลายเออร์คงที่หรือการค้นคว้าด้วยตนเองเป็นหลัก AI เปลี่ยนแปลงสิ่งนั้นโดยแนะนำซัพพลายเออร์ตามประวัติประสิทธิภาพ การรับรอง ราคา และกำลังการผลิตปัจจุบัน

ระบบจะใช้การเรียนรู้ของเครื่องเพื่อประเมินข้อมูลทั้งแบบมีโครงสร้างและไม่มีโครงสร้างเพื่อแนะนำผู้จำหน่ายที่เหมาะสมที่สุดสำหรับความต้องการหรือภูมิภาคที่เฉพาะเจาะจง 

ขณะนี้ทีมจัดซื้อสามารถทำได้ดังนี้:

• คัดเลือกซัพพลายเออร์ที่เหมาะสมได้รวดเร็วยิ่งขึ้น
• แหล่งที่มาจากผู้จำหน่ายที่สอดคล้องกับเป้าหมายด้านคุณภาพ ต้นทุน และ ESG
• ลดเวลาการใช้งานและปรับปรุงความคล่องตัวในการจัดหา

1. ตั้งเป้าหมายที่ชัดเจน

อย่าใช้ AI เพียงเพราะว่ามันฟังดูเป็นนวัตกรรม ควรรู้ให้ชัดเจนว่าคุณกำลังพยายามแก้ปัญหาอะไร

คุณต้องการจัดระบบใบสั่งซื้อให้เป็นแบบอัตโนมัติหรือไม่ ปรับปรุงการจำแนกการใช้จ่ายหรือไม่ คาดการณ์ความเสี่ยงในการจัดหาหรือไม่

เป้าหมายแต่ละอย่างเหล่านี้ต้องการเครื่องมือ โมเดลข้อมูล และการบูรณาการที่แตกต่างกัน ตัวอย่างเช่น การทำให้ใบสั่งซื้อเป็นอัตโนมัติอาจหมายถึงการใช้ RPA ในขณะที่การปรับปรุงการคาดการณ์อาจต้องอาศัย ML 

หากขาดเป้าหมายที่ชัดเจน คุณอาจเสี่ยงต่อการสร้างเครื่องมือราคาแพงที่ไม่สามารถแก้ไขปัญหาใดๆ ได้ เริ่มต้นด้วยจุดที่เป็นปัญหาแล้วปล่อยให้จุดนั้นชี้นำการใช้งาน AI ของคุณ

2. เลือกแพลตฟอร์ม

เมื่อคุณมีเป้าหมายแล้ว ให้ค้นหาเครื่องมือที่รองรับเป้าหมายเหล่านั้น 

เริ่มต้นด้วยสิ่งที่คุณใช้เป็นประจำ ERP และแพลตฟอร์มการจัดซื้อจำนวนมากในปัจจุบันมีคุณลักษณะ AI ในตัว เช่น การจำแนกการใช้จ่ายหรือการวิเคราะห์สัญญา หากความต้องการของคุณมีความเฉพาะเจาะจงมากขึ้น ให้ลองใช้เครื่องมือแบบสแตนด์อโลน แต่ต้องแน่ใจว่าเครื่องมือเหล่านั้นสามารถบูรณาการกับระบบของคุณได้อย่างสมบูรณ์ stack - 

แพลตฟอร์มที่ดีที่สุด คือแพลตฟอร์มที่ทำงานกับสิ่งที่คุณมีและปรับขนาดได้เมื่อคุณเติบโต

3. เตรียมข้อมูลของคุณ

AI จะฉลาดได้ก็ต่อเมื่อคุณป้อนข้อมูลเข้าไปเท่านั้น

ก่อนที่คุณจะเริ่มดำเนินการ ให้ลองสำรวจสิ่งที่คุณมีก่อน จัดการข้อมูลที่ยุ่งวุ่นวาย รวบรวมข้อมูลที่กระจัดกระจายอยู่ในระบบต่างๆ และใช้การกำกับดูแลข้อมูลที่เข้มงวด ซึ่งหมายถึงการทำให้รูปแบบเป็นมาตรฐานและตรวจสอบความถูกต้อง

ทีมจัดซื้อไม่จำเป็นต้องมีข้อมูลที่สมบูรณ์แบบ แต่จำเป็นต้องมีข้อมูล ที่สามารถใช้งานได้ ลองนึกถึงการเตรียมดินก่อนปลูกพืชดู

4. นำโซลูชันของคุณมาสู่ชีวิต 

เมื่อเป้าหมายและแพลตฟอร์มของคุณชัดเจนและข้อมูลของคุณพร้อมแล้ว ก็ถึงเวลาที่จะทำให้โซลูชันของคุณเกิดผล

ในทีมจัดซื้อส่วนใหญ่ ไม่จำเป็นต้องสร้างเครื่องมือ AI ขึ้นมาใหม่ทั้งหมด แต่จะต้องทำงานร่วมกับผู้จำหน่าย พันธมิตร หรือทีมไอทีภายในเพื่อกำหนดค่าและปรับใช้เครื่องมือที่เหมาะกับกรณีการใช้งาน

เลือกแนวทางที่เหมาะสมกับความสามารถของทีมและความซับซ้อนของเป้าหมายของคุณ

5. เปิดใช้งานทีมของคุณ

แม้แต่เครื่องมือ AI ที่ดีที่สุดก็ไม่สามารถให้ผลลัพธ์ได้หากทีมไม่รู้วิธีใช้งานหรือไม่ไว้วางใจมัน

เมื่อโซลูชันพร้อมใช้งานแล้ว ให้จัดสรรเวลาสำหรับการแนะนำและการใช้งาน ทำงานร่วมกับผู้ขายหรือพันธมิตรการใช้งานเพื่อฝึกอบรมทีมงานเกี่ยวกับกรณีการใช้งาน และปรับแต่งการฝึกอบรมให้เหมาะกับวิธีการทำงานของผู้เชี่ยวชาญด้านการจัดซื้อจริง ไม่ใช่แค่เพียงวิธีการทำงานของเครื่องมือเท่านั้น

สร้างพื้นที่สำหรับการฝึกปฏิบัติจริง จัดทำเอกสารขั้นตอนการทำงานทั่วไป และเปิดวงจรข้อเสนอแนะให้เปิดอยู่ 

เทคโนโลยีไม่สามารถให้ผลลัพธ์ได้ถ้าไม่มีใครรู้วิธีใช้มัน

6. ประเมินและทำซ้ำ

อย่าตั้งค่าแล้วลืมมันไป

ติดตามผลกระทบของเครื่องมือ AI ของคุณโดยใช้ตัวชี้วัดที่ชัดเจน เช่น การลดเวลาในการทำงาน การออมที่เกิดขึ้น หรือการหลีกเลี่ยงเหตุการณ์เสี่ยง 

หากแชทบ็อตเป็นส่วนหนึ่งของการเปิดตัว ให้ดู การวิเคราะห์แชทบ็อต เพื่อทำความเข้าใจว่าแชทบ็อตถูกนำไปใช้งานอย่างไร มีประสิทธิภาพที่ใด และอาจทำให้เกิดความขัดแย้งที่ใด การวัดผล ตอบแทนจากการลงทุนของแชทบ็อต มีความสำคัญอย่างยิ่งในการพิสูจน์การลงทุนและแนะนำการปรับปรุงในอนาคต

และพูดคุยกับผู้ใช้ของคุณ ว่าอะไรใช้งานได้ อะไรใช้งานไม่ได้ 

ระบบ AI จะได้รับการปรับปรุงตามกาลเวลา แต่จะต้องปรับปรุงอย่างต่อเนื่องเท่านั้น การใช้งานที่ดีที่สุดจะพัฒนาตามการใช้งานจริง

การนำเครื่องมือ AI มาใช้ในการจัดซื้อจัดจ้างมีค่าใช้จ่ายสูงแค่ไหน?

ต้นทุนในการนำเครื่องมือ AI มาใช้ในการจัดซื้อแตกต่างกันมาก โดยฟีเจอร์ AI ระดับเริ่มต้นในแพลตฟอร์มที่มีอยู่อาจมีราคาเพียงไม่กี่ร้อยเหรียญ dollars ต่อเดือน ในขณะที่โซลูชันระดับองค์กร เช่น การวิเคราะห์การใช้จ่ายขั้นสูง หรือตัวแทนอัตโนมัติ อาจมีรายได้ถึงหกหลักต่อปี ค่าใช้จ่ายทั้งหมดขึ้นอยู่กับความซับซ้อนของเวิร์กโฟลว์ และไม่ว่าคุณจะใช้โซลูชันสำเร็จรูป หรือสร้างความสามารถของ AI แบบกำหนดเอง

การใช้ AI ในการจัดซื้อจัดจ้างมีความเสี่ยงหรือข้อเสียใดๆ หรือไม่

การใช้ AI ในการจัดซื้อจัดจ้างมีความเสี่ยง เช่น การตัดสินใจที่ผิดพลาดหากข้อมูลไม่ครบถ้วนหรือไม่ถูกต้อง การผูกขาดกับระบบ AI ที่เป็นกรรมสิทธิ์ของผู้ขาย และความกังวลด้านการปฏิบัติตามกฎระเบียบหากข้อมูลสำคัญไม่ได้รับการรักษาความปลอดภัยอย่างเหมาะสม นอกจากนี้ บางครั้งเครื่องมือ AI อาจก่อให้เกิดข้อผิดพลาดหรือผลลัพธ์ที่ไม่คาดคิด ซึ่งจำเป็นต้องมีการตรวจสอบโดยมนุษย์เพื่อตรวจจับปัญหาก่อนที่จะลุกลามกลายเป็นความผิดพลาดที่มีค่าใช้จ่ายสูง

เครื่องมือ AI ในการจัดซื้อจัดจ้างเข้ามาแทนที่งานหรือเพียงแค่เปลี่ยนวิธีการทำงานของผู้คนเท่านั้น?

โดยทั่วไปแล้ว เครื่องมือ AI ในการจัดซื้อไม่ได้ช่วยลดภาระงานลงอย่างสิ้นเชิง แต่กลับเข้ามาเปลี่ยนแปลงวิธีการทำงานของผู้คน ด้วยการทำให้งานซ้ำๆ เช่น การป้อนข้อมูล การจับคู่ใบแจ้งหนี้ หรือการจัดหมวดหมู่ค่าใช้จ่ายเป็นระบบอัตโนมัติ ช่วยให้ผู้เชี่ยวชาญด้านการจัดซื้อสามารถมุ่งเน้นไปที่กิจกรรมเชิงกลยุทธ์ต่างๆ เช่น ความสัมพันธ์กับซัพพลายเออร์ การเจรจาต่อรอง และการบริหารความเสี่ยง อย่างไรก็ตาม บทบาทหน้าที่ต่างๆ อาจเปลี่ยนไปสู่ทักษะเชิงวิเคราะห์หรือเชิงเทคนิคมากขึ้น เมื่อ AI เข้ามามีบทบาทในกระบวนการทำงานประจำวัน

ธุรกิจขนาดเล็กสามารถได้รับประโยชน์จาก AI ในการจัดซื้อจัดจ้างได้หรือไม่ หรือเป็นประโยชน์หลักสำหรับองค์กรขนาดใหญ่?

ธุรกิจขนาดเล็กสามารถได้รับประโยชน์จาก AI ในการจัดซื้อจัดจ้างได้อย่างแน่นอน โดยเฉพาะอย่างยิ่งผ่านเครื่องมือ SaaS ราคาประหยัดที่มาพร้อมฟีเจอร์ต่างๆ เช่น การประมวลผลเอกสารอัตโนมัติ การจับคู่ซัพพลายเออร์ หรือการวิเคราะห์ค่าใช้จ่ายพื้นฐานโดยไม่ต้องลงทุนล่วงหน้าจำนวนมาก แม้ว่าองค์กรขนาดใหญ่มักจะปรับใช้โซลูชัน AI ที่ซับซ้อนและปรับแต่งได้ตามความต้องการ แต่ธุรกิจขนาดเล็กยังสามารถประหยัดเวลาได้อย่างมากและตัดสินใจได้ดีขึ้นด้วยเครื่องมือ AI บนคลาวด์ที่มีน้ำหนักเบากว่า

ทีมจัดซื้อต้องมีทักษะประเภทใดจึงจะทำงานกับเครื่องมือ AI ได้

ทีมจัดซื้อไม่จำเป็นต้องเป็นโปรแกรมเมอร์เพื่อทำงานกับเครื่องมือ AI แต่จำเป็นต้องมีทักษะความรู้ด้านข้อมูลเพื่อทำความเข้าใจวิธีการทำงานของโมเดล AI และระบุปัญหาด้านคุณภาพของข้อมูล ความคุ้นเคยกับเครื่องมือวิเคราะห์และความสะดวกสบายในการใช้แพลตฟอร์มดิจิทัลถือเป็นกุญแจสำคัญ ควบคู่ไปกับความสามารถในการทำงานร่วมกับฝ่ายไอทีเพื่อผสานรวมโซลูชัน AI เข้ากับขั้นตอนการทำงานในการจัดซื้อ