Hướng dẫn tối ưu về AI trong mua sắm: Các trường hợp sử dụng và công cụ

Generative AI

Trí tuệ nhân tạo tạo ra, hay GenAI, là loại AI có thể tạo ra đầu ra như email, báo cáo hoặc toàn bộ RFP, dựa trên dữ liệu mà nó đã được đào tạo. Nó đã trở thành một trong những dạng AI phổ biến nhất trong mua sắm và có thể dễ dàng hiểu được lý do tại sao.

Trong mua sắm, GenAI có thể:

• Soạn thảo các tài liệu như Báo cáo công việc (SOW), tóm tắt nhà cung cấp hoặc RFP trong vài phút.
• Tóm tắt các cuộc họp dài với nhà cung cấp hoặc báo cáo hiệu suất để bạn không phải đào sâu tìm hiểu.
• Viết và gửi email cho nhà cung cấp hoặc cập nhật trạng thái tự động.
• Giúp sắp xếp và dán nhãn dữ liệu để phân tích dễ dàng hơn sau này.

Về cơ bản, GenAI xử lý phần lớn công việc viết và xử lý dữ liệu, cho phép các nhóm tập trung nhiều hơn vào công việc chiến lược.

Học máy

Học máy (ML) học hỏi từ các xu hướng trong quá khứ để phát hiện các mô hình và đưa ra dự đoán về những gì có khả năng xảy ra tiếp theo. 

Thay vì phải sắp xếp qua vô số bảng tính hoặc dựa vào trực giác, các công cụ ML có thể phân tích xu hướng mua hàng trong quá khứ và hiệu suất của nhà cung cấp để giúp các nhóm đưa ra quyết định nhanh hơn.

Ví dụ, nếu nhà cung cấp thường xuyên giao hàng trễ, ML có thể phát hiện ra tình trạng đó trước khi nó trở thành vấn đề lớn hơn. Hoặc nó có thể đánh dấu một hóa đơn bất thường không phù hợp với hành vi chi tiêu thông thường. Nó cũng có thể đảm nhiệm công việc tẻ nhạt là phân loại chi tiêu trên hàng trăm giao dịch và hoàn thành trong vài phút. 

Mô hình ML được cung cấp càng nhiều dữ liệu thì càng trở nên thông minh hơn, nghĩa là thông tin chi tiết của nó sẽ ngày càng tốt hơn theo thời gian.

Tự động hóa quy trình bằng robot (RPA)

RPA không cố tỏ ra thông minh – nó không nhằm mục đích đưa ra quyết định hoặc khám phá những hiểu biết sâu sắc. Điều RPA thực sự làm tốt là thực hiện các tác vụ khối lượng lớn, dựa trên quy tắc trên toàn hệ thống một cách nhanh chóng, mà không cần nhập liệu thủ công. 

Là một phần cốt lõi của tự động hóa quy trình kinh doanh , RPA xử lý những việc như nhập dữ liệu, đối chiếu hóa đơn và xử lý đơn hàng mà không cần nhập liệu thủ công.

Mặc dù nghe có vẻ không hấp dẫn, nhưng việc loại bỏ những công việc thường ngày đó có nghĩa là các nhóm có thể tập trung vào các phần chiến lược hơn của quá trình mua sắm. Đó là về việc làm cho mọi thứ trở nên suôn sẻ hơn và ít phụ thuộc hơn vào đầu vào thủ công.

Xử lý ngôn ngữ tự nhiên (NLP)

NLP giúp máy tính hiểu và diễn đạt ngôn ngữ của con người – điều này rất hữu ích khi xử lý nội dung nhiều văn bản như hợp đồng, email hoặc phản hồi RFP.

Trong bối cảnh mua sắm, các công cụ NLP có thể:

• Trích xuất các điều khoản và điều kiện quan trọng từ hợp đồng
• Phân tích phản hồi của nhà cung cấp hoặc đánh giá trực tuyến về giọng điệu và tình cảm
• Trích xuất thông tin chính từ hóa đơn hoặc biên lai và chuyển thành dữ liệu có cấu trúc
• Giúp cung cấp năng lượng cho chatbot trả lời các câu hỏi mua sắm phổ biến

NLP thường được tích hợp vào các nền tảng như phần mềm phân tích chi tiêu và hệ thống xử lý tài liệu. Các nhóm cũng có thể sử dụng API như AWS Comprehend hoặc Google Cloud Natural Language để đưa nó vào quy trình làm việc của họ. 

Mặc dù khái niệm này có vẻ phức tạp, nhưng việc áp dụng thường đơn giản như kích hoạt một tính năng trong các công cụ mà nhóm đang sử dụng.

AI đặc vụ

Agentic AI là công nghệ mới nhất hiện nay. 

AI đặc biệt là hệ thống có thể tự động lập kế hoạch, hành động và thích ứng dựa trên mục tiêu hoặc điều kiện thay đổi mà không cần hướng dẫn từng bước cho từng nhiệm vụ. 

Trong khi đó, các tác nhân AI trong mua sắm không chỉ gửi cảnh báo. Chúng có thể mô phỏng tác động về chi phí hoặc thời gian của việc chuyển đổi và thậm chí khởi tạo các bước tiếp theo, như soạn thảo lệnh mua hoặc cập nhật hồ sơ nhà cung cấp. 

Điều này mở khóa quy trình làm việc AI của tác nhân : các quy trình động trong đó các tác nhân AI không chỉ đưa ra thông tin chi tiết mà còn thực hiện các hành động tiếp theo trên toàn hệ thống. Ví dụ, một tác nhân có thể phát hiện rủi ro hết hàng, mô phỏng tác động của các nhà cung cấp thay thế và khởi tạo lệnh mua hàng trong một luồng được phối hợp.

Khi được kết nối với dữ liệu và công cụ phù hợp - chẳng hạn như cơ sở dữ liệu nhà cung cấp hoặc công cụ quản lý hàng tồn kho - các tác nhân này có thể hoạt động bán tự động trong các thông số được xác định, giúp các nhóm di chuyển nhanh hơn với ít sự phối hợp thủ công hơn.

Hợp lý hóa quy trình làm việc

Các công cụ AI như công cụ quy trình làm việc dựa trên RPA và ML giúp hợp lý hóa các tác vụ lặp đi lặp lại ở quy mô lớn, giúp các nhóm có thể tập trung vào công việc chiến lược.

Ví dụ, RPA có thể tự động điền biểu mẫu yêu cầu bằng cách lấy dữ liệu từ hệ thống danh mục, xác thực thông tin chi tiết về nhà cung cấp so với dữ liệu chính và chuyển yêu cầu đến đúng người phê duyệt dựa trên trung tâm chi phí, giới hạn chi tiêu và tính cấp bách, tất cả đều không cần sự can thiệp của con người.

Giảm thiểu lỗi

Quá trình càng thủ công thì khả năng bỏ sót thông tin càng cao, đặc biệt là khi chịu áp lực. 

AI hỗ trợ bằng cách đưa ra xác thực thời gian thực và phát hiện bất thường trong suốt quy trình làm việc. 

Hãy tưởng tượng việc gửi một hóa đơn không khớp hoàn toàn với PO ban đầu. Thay vì ai đó phải phát hiện ra điều đó trong quá trình xem xét thủ công, một mô hình học máy sẽ đánh dấu sự khác biệt ngay lập tức. 

Cho dù đó là phát hiện các mục trùng lặp hay đánh dấu điều gì đó có vẻ không ổn, AI mang lại sự nhất quán và chính xác cho loại công việc dễ mắc lỗi khi các nhóm đang làm việc nhanh.

Giảm chi phí

AI giúp giảm chi phí không chỉ bằng cách tự động hóa các tác vụ lặp đi lặp lại mà còn bằng cách nâng cao khả năng ra quyết định và xác định những điểm kém hiệu quả tiềm ẩn. 

Ví dụ, các tác nhân AI có thể tính toán chi phí-lợi ích khi thanh toán sớm cho nhà cung cấp để đổi lấy mức chiết khấu 2%, sau đó tự động đưa ra những cơ hội tốt nhất. 

Các tổ chức sử dụng AI để phân tích chi tiêu nâng cao đã tiết kiệm được tới 10% tổng chi phí bằng cách thắt chặt chiến lược tìm nguồn cung ứng và giảm thất thoát giá trị.

Mở rộng quy mô mà không cần đau đớn

Khi hoạt động mua sắm mở rộng, tính phức tạp và khối lượng dữ liệu tăng lên, nhưng AI giúp các nhóm quản lý cả hai mà không cần tăng nhân sự. 

Từ việc tự động hợp nhất dữ liệu đến hợp lý hóa phân tích hợp đồng và khả năng hiển thị chi tiêu, AI cho phép tăng trưởng thông minh hơn với ít khó khăn hơn.

Dự đoán rủi ro

Bản chất của hoạt động mua sắm là phản ứng. AI đảo ngược điều đó bằng cách đưa ra cho các nhóm những dấu hiệu cảnh báo sớm và khuyến nghị trước khi mọi thứ trở nên tồi tệ.

Tầm nhìn xa này ngày càng trở nên cần thiết. Trên thực tế, 70% các nhà lãnh đạo mua sắm coi rủi ro nhà cung cấp gia tăng là mối quan tâm hàng đầu và AI đang trở thành công cụ mà họ sử dụng.

Các mô hình AI quét dữ liệu nội bộ (như vấn đề giao hàng và tuân thủ hợp đồng) cùng với các tín hiệu bên ngoài (điểm tín dụng, xếp hạng ESG, tin tức) để tạo ra điểm rủi ro hiện tại và giúp các nhóm hành động trước khi vấn đề leo thang.

1. Dự báo thông minh hơn và kiểm soát chi phí

Học máy giúp các nhóm dự báo nhu cầu bằng cách học từ các mô hình mua hàng trước đây và hiệu suất của nhà cung cấp. Nó có thể dự đoán thời điểm đặt hàng lại và mua bao nhiêu, tính đến những yếu tố như sự chậm trễ, thay đổi giá và thậm chí cả các yếu tố bên ngoài như thời tiết.

Thuật toán ML phân tích khối lượng lớn dữ liệu mua sắm lịch sử và dữ liệu bên ngoài như giá hàng hóa, chậm trễ vận chuyển, lạm phát và thậm chí là dự báo thời tiết. Cùng nhau, điều này xây dựng một mô hình có thể dự đoán nhu cầu mua sắm trong tương lai, thường xuống đến cấp SKU.

Ví dụ, giả sử sự chậm trễ đột ngột của cảng trùng với nhu cầu tăng đột biến đối với một số vật liệu đóng gói nhất định. Mô hình ML có thể phát hiện ra mô hình mới nổi trước khi nó trở nên rõ ràng và đề xuất đặt hàng sớm hơn hoặc chuyển sang nhà cung cấp thay thế.

Các mô hình ML cũng theo dõi các đầu vào theo thời gian thực như sự thay đổi giá thị trường. Nếu chi phí nguyên liệu thô bắt đầu tăng, hệ thống có thể đề xuất đàm phán lại hợp đồng hoặc đẩy nhanh việc mua hàng để khóa mức giá thấp hơn.

Dự báo này cho phép các nhóm:

• Tránh đặt hàng quá nhiều hoặc quá ít.
• Tối ưu hóa chi phí lưu kho.
• Điều chỉnh chiến lược tìm nguồn cung ứng trước khi các vấn đề ảnh hưởng đến hoạt động.
• Đưa ra quyết định về ngân sách với thông tin chi tiết mới nhất và có thể thực hiện được.

2. Tự động hóa các nhiệm vụ tìm nguồn và dữ liệu

Các công việc thủ công như nghiên cứu nhà cung cấp, tạo RFP và nhập dữ liệu tốn rất nhiều thời gian. 

AI giúp hợp lý hóa các tác vụ này bằng cách lấy hồ sơ nhà cung cấp từ nhiều nguồn, tự động điền mẫu RFP và đồng bộ hóa dữ liệu chính trên các hệ thống mà không cần nhập thủ công. Theo cách này, các nhóm mua sắm có thể cắt giảm thời gian chu kỳ và chuyển hướng tập trung của họ sang công việc mang tính chiến lược hơn như cải thiện mối quan hệ với nhà cung cấp hoặc phân tích hiệu suất. 

MTN Group đã xây dựng một nền tảng có tên là Procurement Cockpit , nền tảng này thu thập dữ liệu mua sắm từ toàn bộ tổ chức của họ. Thay vì phải xoay xở giữa các hệ thống khác nhau hoặc săn lùng thông tin, các nhóm của họ sẽ có được cái nhìn rõ ràng, theo thời gian thực về hoạt động tìm nguồn cung ứng, hiệu suất của nhà cung cấp và chi tiêu.

Đây là cách thông minh để duy trì sự ngăn nắp và tiết kiệm thời gian. Và nó đã được đền đáp: Việc MTN sử dụng công nghệ tự động hóa do AI điều khiển đã giúp họ được công nhận trong ngành .

3. Đơn giản hóa đơn đặt hàng

Thực tế thì việc quản lý PO theo cách thủ công rất chậm, dễ xảy ra lỗi và khá nhàm chán. 

Các tác nhân AI có thể tự động hóa các bước chính trong quy trình mua sắm — từ việc tạo PO đến theo dõi lô hàng và xử lý các trường hợp ngoại lệ. Thay vì chỉ đánh dấu các vấn đề, họ sẽ hành động, như đặt hàng lại từ các nhà cung cấp dự phòng hoặc tăng cường sự chậm trễ để xem xét.

Ví dụ, khi yêu cầu mua hàng được gửi đi, một tác nhân AI có thể kiểm tra yêu cầu đó với các nhà cung cấp và giá cả đã được chấp thuận và tự động điền PO. Sau đó, nó gửi đơn hàng và cập nhật lịch trình giao hàng. 

Nếu có xung đột, như vấn đề về thời gian giao hàng, nó có thể đề xuất các phương án thay thế dựa trên dữ liệu trong quá khứ. Bảng thông tin giúp các bên liên quan được thông báo, trong khi hệ thống tự động đối chiếu hóa đơn và biên lai, đánh dấu bất kỳ sự khác biệt nào để xem xét.

4. Trợ lý AI cho nhóm mua sắm

Trợ lý AI trong mua sắm là công cụ hỗ trợ các nhóm bằng cách thực hiện các nhiệm vụ thường xuyên, tốn thời gian. Chúng hoạt động cùng với các hệ thống hiện có để đẩy nhanh quá trình ra quyết định và giảm bớt nỗ lực thủ công trong các quy trình hàng ngày.

Chúng không thay thế được chuyên môn của con người, nhưng trợ lý AI chắc chắn giúp các nhóm làm việc nhanh hơn và thông minh hơn.

Zycus cung cấp Merlin Intake , một trợ lý AI giúp người dùng tạo và theo dõi các yêu cầu mua hàng. Trợ lý này hướng dẫn người dùng trong suốt quá trình mua hàng và trả lời các câu hỏi trong suốt quá trình, giúp giảm thiểu việc trao đổi qua lại.

5. Phân tích chi tiêu thông minh

Các nhóm mua sắm thường gặp khó khăn trong việc hiểu tiền đang đi đâu, đặc biệt là với dữ liệu nằm rải rác trên các hệ thống ERP và P2P. Khi dữ liệu nằm rải rác trên các hệ thống ERP và P2P, có thể rất khó khăn để hiểu từng đô la đang đi đâu.

Các công cụ AI có thể tự động làm sạch và phân loại dữ liệu, cung cấp cho các nhóm cái nhìn thống nhất và chính xác về chi tiêu. Các thuật toán học máy phát hiện ra các điểm bất thường và khám phá các cơ hội tiết kiệm mà các công cụ truyền thống thường bỏ lỡ.

Ví dụ, AI có thể xác định các giao dịch mua lặp lại từ nhiều nhà cung cấp có thể được hợp nhất để giảm giá theo số lượng lớn hoặc làm nổi bật các mức chi tiêu tăng đột biến bất thường trong một danh mục cần được xem xét.

Mức độ hiểu biết này giúp các nhóm:

• Cải thiện khả năng hiển thị chi tiêu trên các danh mục và nhà cung cấp
• Phát hiện chi tiêu không tuân thủ hoặc bất thường
• Xác định các cơ hội đóng gói hoặc đàm phán lại
• Đưa ra quyết định lập ngân sách và tìm nguồn cung ứng sáng suốt hơn

6. Quản lý rủi ro nhà cung cấp

Rủi ro từ nhà cung cấp đang là mối quan ngại ngày càng tăng và AI giúp việc quản lý rủi ro này chủ động hơn bao giờ hết.

Các mô hình học máy liên tục quét các tín hiệu nội bộ như vi phạm hợp đồng và sai lệch hóa đơn, cùng với các chỉ số bên ngoài như điểm tín dụng, xếp hạng ESG, sự kiện địa chính trị và tin tức toàn cầu.

Sau đó, AI tổng hợp thông tin này thành điểm rủi ro theo thời gian thực, cho phép các nhóm mua sắm ưu tiên các nhà cung cấp dựa trên mức độ tiếp xúc và độ tin cậy. Một số công cụ thậm chí có thể mô phỏng các tình huống gián đoạn chuỗi cung ứng để hướng dẫn các chiến lược giảm thiểu.

Ví dụ, nền tảng AI của Resilinc cho phép các công ty dự đoán sự chậm trễ tiềm ẩn bằng cách phân tích các yếu tố như hiệu suất của nhà cung cấp và các sự kiện bên ngoài. Sử dụng nền tảng của Resilinc, các công ty có thể dự đoán sự gián đoạn, như một cơn bão ở Trung Quốc, trước khi chúng xảy ra. Hệ thống cảnh báo các nhóm trước, cho phép họ định tuyến lại các lô hàng và tránh mất doanh thu tiềm ẩn.

7. Trí thông minh hợp đồng

Hợp đồng mua sắm chứa nhiều thông tin quan trọng nhưng việc xem xét và quản lý chúng theo cách thủ công lại tốn nhiều thời gian.

Các công cụ NLP, như LLM Ví dụ, các đại lý có thể trích xuất các điều khoản chính như điều khoản thanh toán và SLA từ hàng nghìn hợp đồng và ánh xạ chúng vào khuôn khổ tuân thủ.

Giả sử nhóm của bạn cần xem xét 500 hợp đồng nhà cung cấp trước khi kết thúc năm. Thay vì phải xem xét từng hợp đồng theo cách thủ công, hệ thống AI sẽ quét các tài liệu trong vài phút, đánh dấu các hợp đồng có điều khoản sắp hết hạn, làm nổi bật các điều khoản bảo vệ dữ liệu còn thiếu và nhóm các thỏa thuận tương tự để dễ xem xét hơn. 

8. Kết nối nhà cung cấp năng động

Việc tìm đúng nhà cung cấp thường phụ thuộc nhiều vào danh sách nhà cung cấp tĩnh hoặc nghiên cứu thủ công. AI thay đổi điều đó bằng cách đề xuất nhà cung cấp dựa trên lịch sử hiệu suất, chứng chỉ, giá cả và năng lực hiện tại.

Bằng cách sử dụng máy học, hệ thống sẽ đánh giá cả dữ liệu có cấu trúc và không có cấu trúc để đề xuất những nhà cung cấp phù hợp nhất cho nhu cầu hoặc khu vực cụ thể. 

Các nhóm mua sắm hiện có thể:

• Chọn lọc nhà cung cấp lý tưởng nhanh hơn
• Nguồn từ các nhà cung cấp phù hợp với mục tiêu về chất lượng, chi phí và ESG
• Giảm thời gian tuyển dụng và cải thiện tính linh hoạt trong tìm nguồn

1. Đặt mục tiêu rõ ràng

Đừng sử dụng AI chỉ vì nó nghe có vẻ sáng tạo. Hãy biết chính xác vấn đề bạn đang cố gắng giải quyết.

Bạn có muốn tự động hóa đơn đặt hàng mua không? Cải thiện phân loại chi tiêu? Dự đoán rủi ro cung ứng?

Mỗi mục tiêu này đòi hỏi các công cụ, mô hình dữ liệu và tích hợp khác nhau. Ví dụ, tự động hóa đơn đặt hàng có thể có nghĩa là sử dụng RPA, trong khi cải thiện dự báo có thể dựa vào ML. 

Nếu không có mục tiêu rõ ràng, bạn có nguy cơ xây dựng một công cụ đắt tiền mà không giải quyết được vấn đề gì. Hãy bắt đầu với điểm khó khăn và để điều đó hướng dẫn việc triển khai AI của bạn.

2. Chọn một nền tảng

Sau khi đã đặt ra mục tiêu, hãy tìm những công cụ hỗ trợ mục tiêu đó. 

Bắt đầu với những gì bạn đã sử dụng. Nhiều ERP và nền tảng mua sắm hiện cung cấp các tính năng AI tích hợp như phân loại chi tiêu hoặc phân tích hợp đồng. Nếu nhu cầu của bạn cụ thể hơn, hãy xem xét các công cụ độc lập nhưng đảm bảo chúng tích hợp rõ ràng với stack . 

Nền tảng tốt nhất là nền tảng phù hợp với những gì bạn có và có thể mở rộng khi bạn phát triển.

3. Chuẩn bị dữ liệu của bạn

AI chỉ thông minh bằng dữ liệu bạn cung cấp cho nó.

Trước khi bắt đầu, hãy kiểm kê những gì bạn có. Dọn dẹp dữ liệu lộn xộn, hợp nhất thông tin phân tán trên các hệ thống và áp dụng quản trị dữ liệu mạnh mẽ. Điều đó có nghĩa là chuẩn hóa các định dạng và xác thực độ chính xác.

Các nhóm mua sắm không cần dữ liệu hoàn hảo nhưng họ cần dữ liệu có thể sử dụng được . Hãy nghĩ về điều này như việc chuẩn bị đất trước khi trồng.

4. Đưa giải pháp của bạn vào cuộc sống 

Khi mục tiêu và nền tảng của bạn đã rõ ràng và dữ liệu đã sẵn sàng, đã đến lúc biến giải pháp của bạn thành hiện thực.

Trong hầu hết các nhóm mua sắm, điều này không có nghĩa là xây dựng các công cụ AI từ đầu. Nó có nghĩa là làm việc với nhà cung cấp, đối tác hoặc nhóm CNTT nội bộ để định cấu hình và triển khai một công cụ phù hợp với trường hợp sử dụng.

Chọn cách tiếp cận phù hợp với khả năng của nhóm bạn và mức độ phức tạp của mục tiêu.

5. Kích hoạt nhóm của bạn

Ngay cả công cụ AI tốt nhất cũng không mang lại kết quả nếu nhóm không biết cách sử dụng hoặc không tin tưởng vào nó.

Khi giải pháp đã hoạt động, hãy dành thời gian để hướng dẫn và áp dụng. Làm việc với nhà cung cấp hoặc đối tác triển khai để đào tạo nhóm về các trường hợp sử dụng và điều chỉnh đào tạo theo cách các chuyên gia mua sắm thực sự làm việc — không chỉ cách công cụ hoạt động.

Tạo không gian thực hành, ghi lại quy trình làm việc chung và duy trì vòng phản hồi mở. 

Công nghệ không thể mang lại kết quả nếu không ai biết cách sử dụng.

6. Đánh giá và lặp lại

Đừng thiết lập rồi quên mất.

Theo dõi tác động của các công cụ AI bằng các số liệu rõ ràng như giảm thời gian chu kỳ, tiết kiệm được hoặc tránh được các sự cố rủi ro. 

Nếu chatbot là một phần của quá trình triển khai, hãy xem phân tích chatbot để hiểu cách chúng được sử dụng, nơi chúng hiệu quả và nơi chúng có thể gây ra sự bất tiện. Đo lường ROI chatbot đặc biệt quan trọng để biện minh cho khoản đầu tư và hướng dẫn các cải tiến trong tương lai.

Và nói chuyện với người dùng của bạn. Điều gì đang hiệu quả? Điều gì đang bất tiện? 

Hệ thống AI cải thiện theo thời gian, nhưng chỉ khi bạn tiếp tục tinh chỉnh chúng. Các triển khai tốt nhất phát triển theo việc sử dụng trong thế giới thực.

Việc triển khai các công cụ AI trong quá trình mua sắm có tốn kém không?

Chi phí để triển khai các công cụ AI trong quá trình mua sắm rất khác nhau: các tính năng AI cấp đầu vào trong các nền tảng hiện có có thể chỉ tốn vài trăm dollars mỗi tháng, trong khi các giải pháp cấp doanh nghiệp như phân tích chi tiêu nâng cao hoặc tác nhân tự động có thể lên đến sáu con số mỗi năm. Tổng chi phí phụ thuộc vào độ phức tạp của quy trình làm việc và việc bạn đang áp dụng các giải pháp có sẵn hay các tính năng AI được xây dựng riêng.

Có rủi ro hoặc nhược điểm nào khi sử dụng AI trong mua sắm không?

Việc sử dụng AI trong mua sắm tiềm ẩn nhiều rủi ro, chẳng hạn như việc ra quyết định kém nếu dữ liệu không đầy đủ hoặc không chính xác, khả năng bị nhà cung cấp ràng buộc với các hệ thống AI độc quyền, và các vấn đề về tuân thủ nếu dữ liệu nhạy cảm không được bảo mật đúng cách. Ngoài ra, các công cụ AI đôi khi có thể tạo ra lỗi hoặc kết quả không mong muốn, đòi hỏi sự giám sát của con người để phát hiện vấn đề trước khi chúng trở nên nghiêm trọng và gây ra những sai lầm tốn kém.

Liệu các công cụ AI trong mua sắm có thay thế công việc hay chỉ thay đổi cách mọi người làm việc?

Các công cụ AI trong mua sắm nhìn chung không loại bỏ hoàn toàn công việc mà thay vào đó thay đổi cách mọi người làm việc bằng cách tự động hóa các tác vụ lặp đi lặp lại như nhập dữ liệu, đối chiếu hóa đơn hoặc phân loại chi tiêu, cho phép các chuyên gia mua sắm tập trung vào các hoạt động chiến lược như quan hệ nhà cung cấp, đàm phán và quản lý rủi ro. Tuy nhiên, vai trò có thể chuyển dịch sang các kỹ năng phân tích hoặc kỹ thuật nhiều hơn khi AI được tích hợp vào quy trình làm việc hàng ngày.

Các doanh nghiệp nhỏ có thể hưởng lợi từ AI trong mua sắm hay nó chủ yếu dành cho các doanh nghiệp lớn?

Các doanh nghiệp nhỏ hoàn toàn có thể hưởng lợi từ AI trong mua sắm, đặc biệt là thông qua các công cụ SaaS giá cả phải chăng, cung cấp các tính năng như xử lý tài liệu tự động, kết nối nhà cung cấp hoặc phân tích chi tiêu cơ bản mà không cần đầu tư ban đầu lớn. Trong khi các doanh nghiệp lớn thường triển khai các giải pháp AI phức tạp và tùy chỉnh hơn, các doanh nghiệp nhỏ hơn vẫn có thể tiết kiệm đáng kể thời gian và đưa ra quyết định tốt hơn với các công cụ AI nhẹ hơn, dựa trên nền tảng đám mây.

Nhóm mua sắm cần những kỹ năng gì để làm việc với các công cụ AI?

Các nhóm mua sắm không nhất thiết phải là lập trình viên để làm việc với các công cụ AI, nhưng họ cần có kỹ năng hiểu biết dữ liệu để hiểu cách thức hoạt động của các mô hình AI và xác định các vấn đề về chất lượng dữ liệu. Sự quen thuộc với các công cụ phân tích và khả năng sử dụng thành thạo các nền tảng kỹ thuật số là chìa khóa, cùng với khả năng cộng tác với bộ phận CNTT để tích hợp các giải pháp AI vào quy trình mua sắm.