Wat is kunstmatige intelligentie in procurement?

In eenvoudige termen verwijst kunstmatige intelligentie naar het vermogen van machines of computerprogramma's om bepaalde aspecten van menselijke intelligentie na te bootsen en taken uit te voeren. AI-systemen kunnen leren, problemen oplossen, menselijke taal, rede begrijpen en zelfs hun eigen omgeving "zien". AI in inkoop is het gebruik van deze geavanceerde technologie om belangrijke inkoopprocessen in een organisatie te automatiseren en uit te breiden, zoals contractbeheer en strategische sourcing . Procurementteams gebruiken AI steeds vaker om de efficiëntie te verhogen, kosten te verlagen, risico's te beperken en de besluitvorming te verbeteren terwijl ze inspelen op nieuwe zakelijke behoeften en marktuitdagingen.

Soorten AI voor inkoop

Er zijn vandaag de dag vijf hoofdsoorten AI die in inkoop worden gebruikt:

1. Artificial intelligence (AI): algemene term voor software of algoritmen die als “slim” kunnen worden beschouwd
2. Machine learning (ML): een subset van AI, algoritmen voor machine learning kunnen patronen in datasets herkennen en gebruiken om beslissingen, prognoses of voorspellingen te nemen
3. Robotic process automation (RPA): algoritmen die menselijke acties nabootsen om repetitieve taken uit te voeren. RPA wordt technisch gezien niet beschouwd als een type AI, maar kan er wel door worden aangedreven.
4. Natural language processing (NLP): algoritmen die menselijke taal kunnen begrijpen, interpreteren en genereren, zoals chatbots, copiloten en virtuele assistenten
5. Optical character recognition (OCR): algoritmen die tekst kunnen herkennen en extraheren uit afbeeldingen en gescande documenten, zoals papieren facturen

Generatieve AI in inkoop

Sinds ChatGPT eind 2022 live ging, is generatieve AI het hot topic in bestuurskamers over de hele wereld. Met de mogelijkheid om nieuwe content te creëren via een eenvoudige gebruikersinterface, is generatieve AI klaar om bedrijven en zelfs hele branches te verstoren. Sommige vooruitstrevende inkoopteams beginnen deze te gebruiken om RFP-documenten te genereren, geheel nieuwe processen te creëren en leveranciers autonoom op de shortlist te zetten. Generatieve AI in procurement staat in de kinderschoenen, maar het potentieel ervan is enorm.

AI in use cases voor inkoop

Inkoop staat onder grote druk om kostenbesparingen te realiseren, risico's te beperken, duurzaamheid te verbeteren en een meer strategische rol in het bedrijf te spelen. Om deze doelen te bereiken en het snelle tempo van veranderingen bij te houden, moeten teams ongelooflijk flexibel zijn en proactiever en minder reactief worden in alles wat ze doen. AI helpt op een aantal belangrijke gebieden van procurement:

• Uitgavenclassificatie en -analyse: algoritmen voor uitgavenclassificaties kunnen snel door regelitems zoeken en trefwoorden uitlichten die bijna perfect aansluiten op uitgavencategorieën. Met AI-gestuurde uitgavenanalyse kunnen teams ook proactief kansen voor kostenbesparingen identificeren en de basis vormen voor betere sourcing-, categorie- en uitgavenbeheerstrategieën.
• Globale sourcingstrategie: door grote wereldwijde datasets te analyseren, kunnen machine learning-algoritmen verschuivingen in leveringstrends identificeren, toekomstige ontwikkelingen voorspellen en wereldwijde sourcingstrategieën helpen onderbouwen.
• Begeleid inkopen: AI-ondersteunde aanbevelingen voor items brengen inkoopbeleid samen zodat gebruikers eenvoudig kunnen vinden wat ze zoeken, uitgaven binnen de catalogus van het bedrijf aanmoedigen om onnodige kosten te voorkomen en de inkoopafdeling hulp op maat kan bieden. Het biedt ook snelle toegang tot voorkeursleveranciers terwijl u handige controles opneemt.
• Intelligente sourcing en leveranciersbeheer: AI-gestuurde software kan leveranciersdatabases, markttrends, historische gegevens, ESG-rapporten en andere factoren analyseren om de beste leveranciers voor specifieke behoeften aan te bevelen. Het kan ook een uitgebreid inzicht bieden in de leveranciersbasis van een bedrijf, waardoor de leveranciersprestaties worden verbeterd en strategische prioriteiten worden verlegd.
• RFX-aanmaak: AI kan automatisch offerteaanvragen, (RFP's), offerteaanvragen en andere RF-documenten genereren, van het ontwikkelen van leverancierslijsten tot het opstellen van belangrijke vragen.
• Leveranciersrisicobeheer: AI-algoritmen kunnen plotselinge wijzigingen snel detecteren bij een leverancier of verkoper en beoordelen hoe die wijziging risico's zal beïnvloeden. Ze kunnen ook miljoenen verschillende gegevensbronnen opvangen om bedrijven te waarschuwen voor potentiële risico's in de hele toeleveringsketen.
• Compliance: door AI te gebruiken om contract-, factuur- en IO-gegevens te structureren, kunnen bedrijven automatisch betalingsvoorwaarden vergelijken, dubbele gegevens elimineren en niet-naleving identificeren.
• Gegevensextractie: natuurlijke taalverwerking kan data uit facturen en contracten halen om risico's en fraude te identificeren, meer inzicht te geven in zakelijke uitgaven en processen end-to-end te versnellen. NLP kan ook gegevens uit externe bronnen verzamelen, zoals marktindexen, bedrijfskredietbeoordelingen, sociale media en openbaar beschikbare informatie over leveranciers om kansen en risico's te spotten.
• Contract Lifecycle Management: AI-gestuurde tools kunnen automatisch eerste concepten van contracten genereren, onderhandeling ondersteunen en potentiële risico's markeren in contracttaal. Ze kunnen ook de voorwaarden en deadlines bewaken om naleving te waarborgen.
• Automatisering van crediteuren: intelligente RPA kan handmatige taken in crediteurenprocessen elimineren, factuurverwerking en -goedkeuringen versnellen, de nauwkeurigheid verbeteren en compliance garanderen. Optische tekenherkenning kan belangrijke informatie uit papieren facturen lezen om het proces te verbeteren en documenten te digitaliseren.

Voordelen van AI in sourcing en inkoop

De integratie van AI in inkoop- en inkoopgerelateerde processen biedt veel voordelen, waaronder:

• Slimmere besluitvorming: AI kan grote hoeveelheden data snel en nauwkeurig analyseren. Deze datagedreven aanpak biedt procurementprofessionals bruikbare inzichten in uitgavenpatronen, leveranciersprestaties en markttrends. AI-gestuurde voorspellende analyses en scenarioanalyses kunnen teams ook helpen om opties te beoordelen, risico's te beperken en betere sourcing- en uitgavenbeslissingen te nemen.
• Efficiëntie en automatisering: door AI aangedreven automatisering van repetitieve en tijdrovende taken, zoals gegevensinvoer en factuurverwerking, wordt de efficiëntie verbeterd en kunnen procurementprofessionals zich richten op meer strategisch werk.
• Kostenbesparingen: met AI kunnen organisaties de selectie van leveranciers verbeteren, betere deals onderhandelen en de vraag nauwkeuriger voorspellen, voor aanzienlijke kostenbesparingen. Ze kunnen ook uitgavenpatronen analyseren om extra mogelijkheden te identificeren en erop in te spelen om kosten te besparen.
• Risicobeperking: AI-tools kunnen proactief risico's in verband met leveranciers, marktomstandigheden en wijzigingen in de regelgeving identificeren en beoordelen, zodat procurementteams verstoringen in de supply chain kunnen beperken voordat ze plaatsvinden.
• Betere relaties met leveranciers: door vereisten en verwachtingen duidelijk te vermelden in offerteaanvragen en door de prestaties van leveranciers te bewaken en te evalueren, kan AI bijdragen aan de ontwikkeling van sterkere, betrouwbaardere leveranciersrelaties.

Uitdagingen bij het implementeren van AI in procurement

Hoewel de implementatie van AI in inkoopprocessen aanzienlijke voordelen biedt, kan het ook een aantal uitdagingen opleveren.

• AI heeft zeer grote hoeveelheden hoogwaardige data nodig om algoritmen nauwkeurig te trainen en de besluitvorming te sturen, dus bedrijven moeten investeren in initiatieven op het gebied van datakwaliteit en -onderhoud om subpare-prestaties te voorkomen.
• AI-oplossingen moeten ook worden geïntegreerd met andere inkoopsoftware en ERP-systemen, waarvoor vaak middleware, API's en maatwerk nodig zijn.
• Daarnaast zijn de juiste vaardigheden en expertise nodig om AI te implementeren, te beheren en te runnen, en deze zijn soms schaars.
• Tot slot zijn AI-systemen vaak afhankelijk van gevoelige data, dus robuuste cyberbeveiliging, encryptie en dataprivacy zijn essentieel.

Het aanpakken van deze uitdagingen vereist een doordachte aanpak, maar organisaties die het goed doen, kunnen de enorme voordelen van AI in procurement benutten.

AI gebruiken in procurement: best practices

Hier volgen enkele best practices voor het succesvol integreren van AI in jouw inkoopprocessen:

Stap 1: Definieer duidelijke doelen

Van kostenbesparingen tot meer efficiëntie en betere besluitvorming, het hebben van duidelijke doelen zal helpen bij het sturen van jouw implementatiestrategie.

Stap 2: Begin met een klein proefproject

Pogen om al jouw inkoopprocessen tegelijk te transformeren is een recept voor een ramp. Zoek een eenvoudige use case, zoals het automatiseren van jouw bestaande inkoopgebeurtenisproces, om te beginnen. Op deze manier kun je de effectiviteit van jouw AI-oplossingen in een gecontroleerde omgeving beoordelen, eventuele uitdagingen identificeren en aanpassingen doorvoeren voordat je opschaalt.

Stap 3: Zorg voor gegevenskwaliteit en -volume

Leg zoveel mogelijk relevante gegevens vast, en maak ze schoon en bereid ze voor om ervoor te zorgen dat ze van hoge kwaliteit, consistent en volledig zijn, voordat je ze in AI-modellen invoert. Het vooraf aanpakken van datakwesties is de sleutel tot het succes van AI. Garbage in, garbage out, zoals ze zeggen.

Stap 4: Breng de belangrijkste belanghebbenden op de markt

Werk vroeg in het proces samen met andere procurementprofessionals en financiële en IT-teams en wijs een executive sponsor aan als stakeholder. Deze stap is cruciaal voor het opbouwen van inzicht in de belangrijkste behoeften, voor afstemming met bedrijfsdoelen en voor het inkopen.

Stap 5: Integreren met bestaande systemen

Om verstoringen tot een minimum te beperken en de voordelen van AI te maximaliseren, is het essentieel om AI-oplossingen te integreren met bestaande inkoopsystemen, ERP en andere bedrijfsapplicaties.

Stap 6: Zorg voor training en verandermanagement

Help procurementprofessionals vertrouwd te raken met AI-tools en moedig gebruikersacceptatie aan door training te bieden en te demonstreren hoe AI kan helpen bij hun dagelijkse taken. Implementeer een robuuste strategie voor wijzigingsbeheer en laat zien hoe de expertise van jouw inkoopteam kan worden uitgebreid, en niet vervangen, door AI-technologie.

Stap 7: Houd het ethisch en veilig

Controleer regelmatig AI-modellen en bewaak met menselijk toezicht op eerlijkheid, naleving van de regelgeving voor dataprivacy en ethische overwegingen, met name vooroordelen in algoritmen. Implementeer robuuste cyberbeveiligingsmethoden om gevoelige gegevens te beschermen en vertrouwen bij gebruikers op te bouwen.

Lees verder