采购中的人工智能终极指南：使用案例与工具

Generative AI

生成式人工智能（GenAI）是人工智能的一种，它可以根据经过训练的数据生成电子邮件、报告或整个招标书等输出结果。它已成为采购领域最常见的人工智能形式之一，其原因显而易见。

在采购方面，GenAI 可以

• 在几分钟内起草工作说明书 (SOW)、供应商简介或招标书等文件。
• 对冗长的供应商会议或绩效报告进行总结，这样你就不必再去翻阅它们了。
• 自动撰写和发送供应商电子邮件或状态更新。
• 帮助整理和标注数据，方便日后分析。

从根本上说，GenAI 可以处理大量的写作和数据处理工作，让团队能够更加专注于战略工作。

机器学习

机器学习 (ML) 可从过去的趋势中发现模式，并预测下一步可能发生的情况。 

ML 工具可以分析过去的采购趋势和供应商表现，帮助团队更快地做出决策，而不是整理无穷无尽的电子表格或依赖直觉。

例如，如果供应商经常延迟交货，ML 可能会在问题扩大之前发现这种模式。或者，它可能会标记出与典型消费行为不符的异常发票。它还可以承担对数以百计的交易支出进行分类的繁琐工作，并在几分钟内完成。 

ML 模型获得的数据越多，它就越聪明，这意味着它的洞察力会随着时间的推移不断提高。

机器人流程自动化 (RPA)

RPA并不试图耍小聪明--它的目的不是做出决策或发现真知灼见。RPA真正擅长的是在系统中快速执行大量基于规则的任务，而无需人工输入。 

作为业务流程自动化的核心部分，RPA 无需人工输入即可处理数据录入、发票匹配和订单处理等工作。

虽然这听起来并不光彩，但把这些日常工作处理掉，意味着团队可以专注于采购中更具战略性的部分。这样做的目的是让工作更加顺畅，减少对人工输入的依赖。

自然语言处理（NLP）

NLP可帮助计算机理解人类语言，并使其言之有理，这在处理合同、电子邮件或 RFP 答复等文本内容时非常有用。

在采购方面，NLP 工具可以

• 从合同中删除重要条款和条件
• 分析供应商反馈或在线评论的语气和情绪
• 从发票或收据中提取关键信息并将其转化为结构化数据
• 帮助开发可回答常见采购问题的聊天机器人

NLP 通常内置于支出分析软件和文档处理系统等平台中。团队还可以使用 AWS Comprehend 或 Google Cloud Natural Language 等应用程序接口将其插入工作流程。 

虽然这个概念听起来很复杂，但应用起来往往很简单，只需在团队已经使用的工具中启用一项功能即可。

人工智能代理

代理人工智能是该领域的最新技术。 

代理式人工智能指的是能够根据目标或不断变化的条件自主规划、采取行动和进行调整的系统，而不需要对每项任务进行逐步指导。 

同时，采购中的人工智能代理不仅仅是发送警报。它们可以模拟转换对成本或时间的影响，甚至启动下一个步骤，如起草采购订单或更新供应商记录。 

这就开启了人工智能代理工作流：在动态流程中，人工智能代理不仅能提出见解，还能跨系统采取后续行动。例如，代理可能会检测缺货风险，模拟替代供应商的影响，并在一个协调流程中启动采购订单。

当连接到正确的数据和工具（如供应商数据库或库存管理工具）时，这些代理可以在规定的参数范围内半自动地行动，帮助团队以更少的人工协调加快工作进度。

简化工作流程

RPA 和 ML 驱动的工作流程引擎等人工智能工具可以大规模简化重复性任务，从而让团队腾出手来专注于战略性工作。

例如，RPA 可以通过从目录系统中提取数据自动填写请购单，根据主数据验证供应商详细信息，并根据成本中心、支出限额和紧急程度将请求转给合适的审批人，所有这些都无需人工输入。

尽量减少错误

流程越是人工操作，就越有可能出现遗漏，尤其是在压力较大的情况下。 

人工智能通过在整个工作流程中引入实时验证和异常检测来提供帮助。 

试想一下，提交的发票与原始 PO 不完全一致。无需人工审核，机器学习模型会立即标记出差异。 

无论是发现重复条目，还是标记出看起来不太对劲的东西，人工智能都能为团队快速推进时容易出错的工作带来一致性和准确性。

降低成本

人工智能不仅通过自动执行重复性任务来降低成本，还通过加强决策和识别隐藏的低效率来降低成本。 

例如，人工智能代理可以计算出提前付款给供应商以换取 2% 折扣的成本效益，然后自动浮现最佳机会。 

使用人工智能进行高级支出分析的组织通过收紧采购战略和减少价值流失，实现了高达10%的总成本节约。

没有成长烦恼的规模

随着采购业务规模的扩大，复杂性和数据量也随之增加，但人工智能可以帮助团队在不增加人手的情况下管理这两方面的工作。 

从自动化数据整合到简化合同分析和支出可视性，人工智能可实现更智能的增长，减少成长的烦恼。

预测风险

采购的本质是被动反应。而人工智能可以在事情发生偏差之前为团队提供预警信号和建议，从而扭转这一局面。

这种前瞻性越来越重要。事实上，70% 的采购领导者将供应商风险上升作为首要关注的问题，而人工智能正成为他们的首选工具。

人工智能模型可扫描内部数据（如交付问题和合同合规性）以及外部信号（信用评分、ESG 评级、新闻），生成当前风险评分，帮助团队在问题升级前采取行动。

1.更智能的预测和成本控制

机器学习通过学习过去的购买模式和供应商表现，帮助团队预测需求。它可以预测何时重新订购和购买多少，并将延迟、价格变动甚至天气等外部因素考虑在内。

ML 算法分析大量历史采购数据和外部数据，如商品价格、运输延迟、通货膨胀甚至天气预报。这些数据共同构建了一个模型，可以预测未来的采购需求，通常可以精确到 SKU 级别。

例如，突然出现的港口延迟与某些包装材料的需求激增相重叠。人工智能模型可能会在这一新出现的模式显现之前就发现它，并建议提前订购或改用其他供应商。

ML 模型还能跟踪市场价格变动等实时输入。如果原材料成本开始上涨，系统可能会建议重新谈判合同或快速采购，以锁定较低的价格。

这种预测使团队能够

• 避免订购过多或订购不足。
• 优化库存持有成本。
• 在问题影响运营之前调整采购策略。
• 以最新的、可操作的洞察力做出预算决策。

2.自动化采购和数据任务

供应商调研、建议书生成和数据录入等人工任务会耗费大量时间。 

人工智能可以从多个来源获取供应商资料，自动填写 RFP 模板，并在各系统间同步关键数据，而无需手动输入，从而帮助简化这些任务。这样，采购团队就能缩短周期时间，将精力转向更具战略性的工作，如改善供应商关系或分析绩效。 

MTN 集团建立了一个名为 "采购驾驶舱"（Procurement Cockpit）的平台，从整个组织中获取采购数据。他们的团队不再需要在不同的系统间穿梭或查找信息，而是可以清晰、实时地了解采购活动、供应商绩效和支出情况。

这是保持条理、节省时间的明智之举。而且，这种方式也得到了回报：MTN 使用人工智能驱动的自动化为他们赢得了业界的认可。

3.简化采购订单

面对现实吧。手动管理采购单不仅速度慢、容易出错，而且非常乏味。 

人工智能代理可以自动执行整个采购工作流程中的关键步骤--从创建采购订单到跟踪装运和处理异常情况。人工智能代理不只是标记问题，还能采取行动，比如从后备供应商处重新订购，或将延误情况上报审查。

例如，当提交采购申请时，人工智能代理可以根据批准的供应商和定价进行检查，并自动填写采购单。然后，它会发送订单并更新交货计划。 

如果出现冲突，如交货时间问题，它可以根据过去的数据提出替代方案。仪表板可让利益相关者随时了解情况，同时系统会自动匹配发票和收据，标记出任何不一致的地方以供审查。

4.采购团队的人工智能助理

采购领域的人工智能助理是一种工具，通过承担日常耗时的任务为团队提供支持。它们与现有系统一起工作，加快决策速度，减少日常流程中的人工操作。

它们无法取代人类的专业技能，但人工智能助手绝对能帮助团队更快、更智能地工作。

Zycus 提供的人工智能助手Merlin Intake 可帮助用户创建和跟踪购买请求。它可以引导用户完成购买流程，并回答沿途的问题，减少来回奔波。

5.智能支出分析

采购团队通常很难了解资金的去向，尤其是在数据分散在 ERP 和 P2P 系统中的情况下。当数据分散在企业资源规划系统和 P2P 系统中时，要了解每一分钱的去向可能会很困难。

人工智能工具可以自动对数据进行清理和分类，为团队提供统一、准确的支出视图。机器学习算法可检测异常情况，发现传统工具经常忽略的节约机会。

例如，人工智能可能会识别多个供应商的重复采购，这些采购可以合并以获得批量折扣，或者突出显示某个类别中需要审查的异常支出峰值。

这种洞察力有助于团队：

• 提高跨类别和供应商支出的可见性
• 检测不合规或特立独行的支出
• 确定捆绑或重新谈判的机会
• 做出更明智的预算和采购决策

6.供应商风险管理

供应商风险日益受到关注，而人工智能使其管理比以往任何时候都更加积极主动。

机器学习模型不断扫描内部信号，如违反合同和发票差异，以及外部指标，如信用评分、ESG 评级、地缘政治事件和全球新闻。

然后，人工智能将其综合为实时风险评分，使采购团队能够根据风险和可靠性对供应商进行优先排序。有些工具甚至可以模拟供应链中断的情景，以指导缓解策略。

例如，Resilinc 的人工智能平台可让企业通过分析供应商表现和外部事件等因素预测潜在的延误。利用 Resilinc 的平台，公司可以在中国台风等干扰发生之前进行预测。系统会提前向团队发出警报，使他们能够重新安排货运路线，避免潜在的收入损失。

7.合同情报

采购合同中包含大量关键信息，但手动审查和管理合同非常耗时。

例如，NLP 工具（如LLM 代理）可以从数以千计的合同中提取付款条款和服务水平协议等关键术语，并将其映射到合规框架中。

假设您的团队需要在年底前审核 500 份供应商合同。人工智能系统能在几分钟内扫描文件，标记出条款过期的合同，突出显示缺少数据保护条款的合同，并将类似协议分组以便于审查，而不是手工逐一梳理。 

8.动态供应商匹配

过去，寻找合适的供应商在很大程度上依赖于静态的供应商名单或人工研究。人工智能根据历史业绩、认证、定价和当前能力推荐供应商，从而改变了这一状况。

该系统利用机器学习，对结构化和非结构化数据进行评估，为特定需求或地区推荐最合适的供应商。 

采购团队现在可以

• 更快地筛选出理想的供应商
• 从符合质量、成本和 ESG 目标的供应商处采购
• 缩短入职时间，提高采购灵活性

1.设定明确的目标

不要因为人工智能听起来很新颖就使用它。准确了解您要解决的问题。

您想实现采购订单自动化吗？改进支出分类？预测供应风险？

每个目标都需要不同的工具、数据模型和集成。例如，采购订单的自动化可能意味着使用 RPA，而改进预测则可能依赖于 ML。 

如果没有一个明确的目标，就有可能打造出一个昂贵的工具，却解决不了任何问题。从痛点入手，并以此指导人工智能的实施。

2.选择平台

有了目标，就要找到支持这些目标的工具。 

从你已经使用的开始。现在，许多企业资源规划系统和采购平台都提供内置的人工智能功能，如支出分类或合同分析。如果您的需求更加具体，可以考虑使用独立的工具，但要确保它们能与您的stack完美集成。 

最好的平台是能与您现有的设备配合使用，并能随着您的发展而扩展。

3.准备数据

人工智能的智能取决于你为它提供的数据。

在深入研究之前，请先评估一下您所拥有的数据。清理杂乱的数据，整合分散在各个系统中的信息，并应用强大的数据管理。这意味着要实现格式标准化并验证准确性。

采购团队不需要完美的数据，但需要可用的数据。这就好比播种前的土壤预处理。

4.让解决方案栩栩如生 

一旦目标和平台明确，数据准备就绪，就可以将解决方案付诸实施了。

在大多数采购团队中，这并不意味着要从头开始构建人工智能工具。它意味着与供应商、合作伙伴或内部 IT 团队合作，配置和部署适合用例的工具。

选择适合团队能力和目标复杂程度的方法。

5.增强团队能力

如果团队不知道如何使用或不信任人工智能工具，那么即使是最好的人工智能工具也不会产生效果。

一旦解决方案投入使用，就要为入职和采用安排时间。与供应商或实施伙伴合作，对团队进行用例培训，并根据采购专业人员的实际工作方式进行培训，而不仅仅是工具的功能。

为动手实践创造空间，记录常用工作流程，并保持反馈回路畅通。 

如果没有人知道如何使用，技术就无法产生效果。

6.评估和迭代

不要设置了就忘了。

使用明确的指标，如缩短周期时间、节约成本或避免风险事件，跟踪人工智能工具的影响。 

如果聊天机器人是推广计划的一部分，请查看聊天机器人分析，了解它们的使用情况、在哪些方面有效，以及在哪些方面可能会造成摩擦。衡量聊天机器人的投资回报率对于证明投资合理性和指导未来改进尤为重要。

与用户交流。哪些有用？哪些笨拙？ 

人工智能系统会随着时间的推移而不断改进，但前提是必须不断对其进行微调。最佳实施方案会随着实际使用而不断发展。

在采购中实施人工智能工具的成本有多高？

在采购中实施人工智能工具的成本差异很大：现有平台中的入门级人工智能功能每月可能只需dollars ，而高级支出分析或自主代理等企业级解决方案每年的成本可能高达六位数。总费用取决于工作流程的复杂程度，以及是采用现成的解决方案还是定制人工智能功能。

在采购中使用人工智能是否存在风险或弊端？

在采购中使用人工智能存在风险，例如，如果数据不完整或不准确，就会导致决策失误；如果使用专有的人工智能系统，就有可能锁定供应商；如果敏感数据没有得到适当保护，就会产生合规问题。此外，人工智能工具有时会产生错误或意想不到的结果，这就需要人工监督，以便在问题升级为代价高昂的错误之前及时发现。

采购领域的人工智能工具会取代工作，还是仅仅改变人们的工作方式？

采购领域的人工智能工具通常不会完全消除工作岗位，而是通过自动完成数据录入、发票匹配或支出分类等重复性任务来改变人们的工作方式，从而使采购专业人员能够专注于供应商关系、谈判和风险管理等战略活动。不过，随着人工智能融入日常工作流程，工作角色可能会转向更具分析性或技术性的技能。

小型企业能否从人工智能采购中获益，还是人工智能主要适用于大型企业？

小型企业绝对可以从采购领域的人工智能中获益，尤其是通过经济实惠的 SaaS 工具，这些工具可以提供自动文档处理、供应商匹配或基本支出分析等功能，而无需大量前期投资。虽然大型企业通常会部署更复杂的定制人工智能解决方案，但小型企业仍可通过更轻便的云端人工智能工具节省大量时间，并做出更好的决策。

采购团队需要什么样的技能来使用人工智能工具？

采购团队不一定要成为程序员才能使用人工智能工具，但他们确实需要数据素养技能，以了解人工智能模型如何工作并识别数据质量问题。熟悉分析工具和熟练使用数字平台，以及与 IT 部门合作将人工智能解决方案集成到采购工作流程中的能力，都是关键所在。