Technologie sztucznej inteligencji (AI) odgrywają coraz większą rolę w przekształcaniu sposobu, w jaki działają przedsiębiorstwa na całym świecie. W roku 2023 miała miejsce prawdziwa rewolucja związana z udostępnieniem platform sztucznej inteligencji, otwierając drogę do nowych możliwości i innowacji. Nowe funkcjonalności oraz rozwój AI zainicjowały zmiany, które obecnie odmieniają krajobraz biznesowy, a jednym z obszarów, który znacząco zyskał na znaczeniu, jest zarządzanie zakupami.
W tym kontekście szczególnie interesujące i istotne jest zastosowanie AI w zakupach, które może zrewolucjonizować sposoby zarządzania łańcuchem dostaw oraz procesami zakupowymi, umożliwiając firmom osiągnięcie wyższego poziomu efektywności, optymalizacji kosztów oraz lepszej kontroli nad operacjami biznesowymi.
Zanim rzucisz zakupy w objęcia AI
Zanim jednak przystąpimy do implementacji sztucznej inteligencji (AI) w procesach zakupowych, kluczowym krokiem jest zdigitalizowanie naszego procesu od zaopatrzenia do płatności (Source to Pay). Jest to podstawa, bez której wszelkie wysiłki związane z AI mogą okazać się nieskuteczne lub nawet przynieść odwrotne skutki.
Podobnie jak aplikacja Facebook potrzebuje dostępu do Internetu, aby zapewnić użytkownikom interakcję i korzystanie z platformy, tak samo AI potrzebuje solidnej cyfrowej podstawy, aby działać efektywnie. Zdigitalizowany proces Source to Pay zapewnia niezbędne dane, które stanowią fundament dla działania AI. Dzięki temu AI może analizować historyczne dane zakupowe, prognozować trendy, identyfikować obszary optymalizacji i automatyzować rutynowe zadania. Bez tego fundamentu, AI jest pozbawione kontekstu i informacji potrzebnych do podejmowania trafnych decyzji.
Dodatkowo cyfrowe narzędzia wykorzystywane w procesie zapewniają spójny przepływ danych, co stanowi kluczowy element do sprawnego działania sztucznej inteligencji. Dzięki zdigitalizowaniu procesu zakupowego informacje są gromadzone w jednym miejscu, co znacznie ułatwia zarówno zbieranie, jak i przetwarzanie danych, umożliwiając skuteczną analizę przez systemy oparte na sztucznej inteligencji.
W związku z tym, inwestycje w zdigitalizowanie procesu Source to Pay są kluczowym krokiem przed wdrażaniem AI w zakupach. Taka strategia umożliwia firmom budowanie solidnego fundamentu cyfrowego, który jest niezbędny do wykorzystania pełnego potencjału sztucznej inteligencji w procesach zakupowych. Bez tego, AI może okazać się jedynie nieskutecznym narzędziem, które nie przynosi oczekiwanych korzyści i nie wspiera efektywnego zarządzania wydatkami firmowymi.
Gdzie przebiega granica pomiędzy teraz, a potem?
Istnieje wiele różnych modeli AI, które różnią się swoimi zastosowaniami, metodami działania i poziomem zaawansowania. Te różnorodne formy AI oferują szeroki zakres możliwości i potencjalnych korzyści dla przedsiębiorstwa.
Nie jest moją intencją zanudzać czytelnika wymienianiem i opisaniem każdego z tych modeli, ale warto zwrócić uwagę, że są one często używane w różnych obszarach uczenia maszynowego i analizy danych. Na przykład:
- Głębokie Sieci Neuronowe (DNN) są często stosowane w rozpoznawaniu obrazów i przetwarzaniu języka naturalnego
- Regresja Logistyczna jest popularna w klasyfikacji binarnej (np. wykrywanie spamu)
- Regresja Liniowa może być wykorzystywana do przewidywania wartości numerycznych (np. przewidywanie popytu na dany produkt na podstawie planowanych zmian w cenach, promocjach itp.)
- Drzewa Decyzyjne wraz z Random Forest są często stosowane w problemach klasyfikacji (np. identyfikacji potencjalnych dostawców na podstawie różnych kryteriów, takich jak jakości produktów, cen, terminowości dostaw, stabilności finansowej itp.)
- Algorytm Najbliższego Sąsiada – znajduje zastosowanie w analizie danych przestrzennych.
- „Naiwny Bayes” jest często używany w zadaniach klasyfikacji, zwłaszcza w kontekście analizy tekstu.
Zaznaczam w tym miejscu, że nie jestem ekspertem w zasadach działania tych modeli, i uczciwie odsyłam Was do wielu dostępnych źródeł, które mogą zapewnić bardziej szczegółowe informacje.
Celem tego artykułu jest zarysowanie typologii poziomów AI, która pozwoli Wam lepiej zrozumieć i zaplanować wykorzystanie do celów biznesowych a w szczególności wsparcia zakupów. Na potrzeby tego podejścia przedstawię podział sztucznej inteligencji na poziom słaby i silny, gdzie:
Sztuczna inteligencja słabego poziomu (ANI, Weak AI): Obejmuje systemy, które mogą wykonywać konkretne zadania lub funkcje zgodnie z zaprogramowanymi regułami lub algorytmami. Do tego rodzaju AI należą modele uczenia maszynowego, w tym modelowanie statystyczne, sieci neuronowe, drzewa decyzyjne itp. Modele te uczą się na podstawie danych, a ich celem jest wykonywanie konkretnych zadań, takich jak klasyfikacja, prognozowanie czy analiza danych.
Sztuczna inteligencja silnego poziomu (AGI, Strong AI): Jest to pojęcie odnoszące się do teoretycznej formy AI, która posiadałaby świadomość siebie oraz zdolność do ogólnego myślenia, analogicznie do ludzkiego umysłu. Modele takie nie istnieją obecnie i są tematem dyskusji w dziedzinie filozofii i nauki. Nie są to konkretnie określone modele AI, ale koncepcja teoretyczna, która przekracza obecne osiągnięcia w dziedzinie sztucznej inteligencji.
Warto zaznaczyć w tym miejscu, że w dalszych rozważaniach będę brał pod uwagę praktyczne zastosowanie AI słabego poziomu, chłodząc nieco oczekiwania wielu prezesów firm co do poziomu wsparcia AI nie tylko w zakupach, ale i w prowadzeniu wszystkich kluczowych procesów w przedsiębiorstwie.
Nowe i stare źródła
W ramach AI słabego poziomu będziemy poruszać się w ramach dwóch rodzajów sztucznej inteligencji: AI generatywnej i AI dyskryminacyjnej, gdzie:
- AI generatywna, koncentruje się na generowaniu nowych danych lub treści na podstawie analizy istniejących danych. Modele generatywne mogą tworzyć nowe przykłady na podstawie wzorców i rozkładów prawdopodobieństwa, mogą być wykorzystywana do prognozowania trendów zakupowych czy tworzenia nowych strategii dotyczących kategorii zakupowych, zaś
- AI dyskryminacyjna, skupia się na klasyfikacji i analizie istniejących danych, pomagając w identyfikacji wzorców, trendów i zależności między nimi. Modele dyskryminacyjne są używane do rozróżniania i klasyfikowania danych na podstawie wcześniej przetworzonych przykładów. Służą do wykrywania oszustw, anomalii, optymalizacji procesów zakupowych, analizie kategorii zakupowych w czasie, segmentacji i identyfikacji potencjalnych dostawców, oceny ryzyka czy automatyzacji procesu oceny ofert.
Dlaczego wspominam o tej klasyfikacji? Osobiście stawiam tezę, że kombinacja obu tych rodzajów sztucznej inteligencji może przynieść dodatkowe korzyści poprzez uzupełnianie się nawzajem i zapewnienie wszechstronnego podejścia do zarządzania zakupami. Dzięki temu, firmy mogą wykorzystać pełen potencjał dostępnej na rynku sztucznej inteligencji słabego poziomu (ANI) do optymalizacji swoich procesów zakupowych, zwiększenia efektywności i osiągnięcia lepszych wyników biznesowych.
Praktyka wykorzystania AI tu i teraz
Sourcing W ramach systemu SAP Guided Sourcing proces RFX jest wspierany przez AI. Dzięki wykorzystaniu sztucznej inteligencji kupiec szybciej implementuje zapotrzebowanie, proponuje odpowiednich dostawców dla zaadresowania RFX, wykorzystując dane historycznie, oceny. AI w SAP Guided Sourcing identyfikuje kwalifikowanych dostawców i dostarcza cennych spostrzeżeń do świadomego podejmowania decyzji przez kupca. Porównanie procesu „bez” i „z” wykorzystaniem AI zamieszczono w Tabeli 1.
Tabela 1
BEZ WSPARCIA AI | ZE WSPARCIEM AI | |
Kupiec | Kupiec | AI |
Inicjacja eventu zakupowego | Inicjacja eventu zakupowego | |
Ręczny import pozycji zapotrzebowania | Inteligentny import i ekstrakcja danych (XLS) | |
Ręczny przegląd dokumentacji uzupełniającej | Rekomendacje listy dostawców | |
Ręczny wybór pytań / wymagań dla dostawców | Weryfikacja rekomendacji i wybór dostawców | |
Ręczny wybór dostawców | Rekomendacja wymagań wstępnych dla dostawców | |
Opublikowanie RFX | Zdefiniowanie warunków wstępnych eventu na podstawie rekomendacji | |
Wysłanie RFX do dostawców | Wsparcie wyboru dostawców | |
Opublikowanie RFX |
Zamówienia zakupu W ramach systemu SAP One Spend Guided Buying został uproszczony i przyspieszony proces zamówień np. inżynieryjnych. System pozwala pracownikowi (nie kupcowi) na opis jego potrzeby w języku naturalnym a AI dedukując jego intencje pozwala na szybką interpretację potrzeby i przełożenie jej na konkretne produkty lub usługi. Porównanie procesu „bez” i „z” wykorzystaniem AI zamieszczono w Tabeli 2.
Tabela 2
BEZ WSPARCIA AI | Z WSPARCIEM AI | |
Pracownik | Pracownik | AI |
Potrzeba zamówienia produktu lub usługi | Potrzeba zamówienia produktu lub usługi | |
Ręczne wyszukiwanie odpowiedniej propozycji w systemie zakupowym | Wprowadzenie opisu zamówienia w języku naturalnym | Wsparcie AI w zrozumieniu przez system zakupowy frazy języka naturalnego |
Ręczna identyfikacja produktów i usług powiązanych | Rekomendacja produktów i usług pasujących do siebie | |
Zamówienie | Wybór i zamówienie | |
Wskazanie i informowanie statusu realizacji zamówienia |
Zarządzanie kategoriami zakupowymi
W ramach systemu SAP Ariba Category Management został zautomatyzowany proces zarządzania kategoriami, który oprócz definiowania profili kategorii i tworzenia na ich podstawie strategii zakupowych, pozwala na integrację z systemami source-to-pay. To pozwala na wsparcie AI w identyfikacji i przekształcaniu inicjatyw w możliwości jako projekty lub eventy sourcingowe.
To tylko niektóre z przykładów już dostępnych funkcjonalności wspieranych przez sztuczną inteligencję w systemach SAP ARIBA dla efektywnych zakupów. W najbliższym czasie możemy oczekiwać nowych zastosowań. Osobiście liczę na:
- Wsparcie inteligentnego generowania opisów pozycji katalogowych dla dostawców: Ta funkcjonalność umożliwi automatyczne generowanie opisów pozycji katalogowych na podstawie dostępnych danych, co ułatwi dostawcom tworzenie i aktualizowanie katalogów produktów. Dzięki temu proces zarządzania katalogami stanie się bardziej efektywny i dokładny, co może przyspieszyć procesy zakupowe i poprawić doświadczenia użytkowników.
- Symulacja poziomu emisji dwutlenku węgla, gdy nie są dostępne żadne dane: Ta funkcjonalność umożliwi symulowanie poziomu emisji dwutlenku węgla na podstawie dostępnych danych i algorytmów sztucznej inteligencji, nawet w przypadku braku konkretnych danych. Dzięki temu firmy będą mogły lepiej monitorować i zarządzać swoim śladem węglowym, co jest coraz ważniejsze w kontekście zrównoważonego rozwoju i dbałości o środowisko.
- Zautomatyzowane tworzenie kart wyników ESG dla dostawców: Ta funkcjonalność umożliwi automatyczne tworzenie kart wyników ESG (Environmental, Social, Governance) dla dostawców na podstawie danych dotyczących ich działań związanych z zrównoważonym rozwojem. Dzięki temu firmy będą mogły szybciej i skuteczniej oceniać i monitorować zgodność swoich dostawców z wytycznymi dotyczącymi zrównoważonego rozwoju i społecznej odpowiedzialności biznesu.
- Inteligentne podsumowanie typowych błędów dostawcy: Ta funkcjonalność umożliwi identyfikację i podsumowanie typowych błędów popełnianych przez dostawców w procesie zakupowym, co pozwoli firmom szybciej reagować i eliminować problemy. Dzięki temu procesy zakupowe będą bardziej efektywne i bezbłędne, co może przyczynić się do oszczędności czasu i zasobów.
Prawdziwie inteligentne podsumowanie
W świetle powyższych faktów, wydaje się, że przyszłość zakupów leży w zastosowaniach sztucznej inteligencji, które nie tylko zwiększą efektywność podejmowanych decyzji, ale i usprawnią współpracę pomiędzy podmiotami w łańcuchu dostaw. Dla firm poszukujących przewagi konkurencyjnej, inwestycja w AI w zakupach staje się coraz bardziej niezbędna.
Jednakże, aby osiągnąć pełny potencjał sztucznej inteligencji, niezbędne jest posiadanie solidnej cyfrowej podstawy w postaci zdigitalizowanego procesu Source to Pay. Bez tego fundamentu, AI może okazać się jedynie nieskutecznym narzędziem, które nie przynosi oczekiwanych korzyści i nie wspiera efektywnego zarządzania wydatkami firmowymi.
W związku z tym, firmy powinny skupić się nie tylko na wdrażaniu nowych technologii, ale i na modernizacji istniejących procesów zakupowych, aby zapewnić optymalne warunki do wykorzystania pełnego potencjału sztucznej inteligencji.
Podsumowując, sztuczna inteligencja ma potencjał, aby zrewolucjonizować sposoby zarządzania zakupami, umożliwiając firmom osiągnięcie wyższego poziomu efektywności, optymalizacji kosztów oraz lepszej kontroli nad operacjami biznesowymi. Jednakże, aby wykorzystać pełny potencjał sztucznej inteligencji, konieczne jest posiadanie solidnej cyfrowej podstawy oraz zrozumienie różnych rodzajów AI i ich praktycznych zastosowań w procesach zakupowych.
Adam Piętera
Head of SAP Customer Experience Solutions and ARIBA
Doświadczenie zawodowe zdobywał przez ostatnie 30 lat w wiodących firmach konsultingowych na rynku rozwiązań dla biznesu. Autor wielu publikacji na temat zakupów, sprzedaży oraz wdrażania systemów klasy ERP i CRM. Jego artykuły były publikowane m.in. w magazynach: „Manager”, „Modern Marketing” oraz „Monitorze rachunkowości”. Obecnie odpowiada globalnie za Praktykę Zakupową i CX w firmie Westernacher Consulting.