Hva er kunstig intelligens i anskaffelse?

I enkle termer refererer kunstig intelligens til maskiners eller dataprogrammers evne til å etterligne visse aspekter av menneskelig intelligens og utføre oppgaver. KI-systemer kan lære, løse problemer, forstå menneskelig språk, fornuft og til og med "se" sitt eget miljø. KI i anskaffelse er bruken av denne avanserte teknologien for å automatisere og forbedre viktige anskaffelsesprosesser i en organisasjon – for eksempel kontraktstyring og strategisk fastsetting av forsyningskilde . Anskaffelsesteamene bruker i økende grad KI for å øke effektiviteten, redusere kostnadene, redusere risikoene og forbedre beslutningstakingen når de navigerer i nye forretningsbehov og markedsutfordringer.

Typer anskaffelses-KI

Det er fem hovedtyper KI som brukes i anskaffelse i dag:

1. Kunstig intelligens (AI): teppebegrep for enhver programvare eller algoritme som kan betraktes som "smart"
2. Maskinlæring (ML): Et delsett av KI, maskinlæringsalgoritmer kan gjenkjenne mønstre i datasett og bruke dem til å ta beslutninger, prognoser eller prognoser
3. Robotisk prosessautomatisering (RPA): algoritmer som etterligner menneskelige handlinger for å utføre gjentakende oppgaver. RPA er ikke teknisk sett ansett for å være en type AI, men kan drives av den.
4. Naturlig språkbehandling (NLP): algoritmer som kan forstå, tolke og generere menneskelig språk – for eksempel chatboter, kopiloter og virtuelle assistenter
5. Optisk tegnlesing (OCR): algoritmer som kan gjenkjenne og ekstrahere tekst fra bilder og skannede dokumenter, for eksempel papirbaserte fakturaer

Generativ KI i anskaffelse

Siden ChatGPT gikk live i slutten av 2022, har generativ AI vært det varme temaet i styrerom rundt om i verden. Med sin evne til å opprette nytt innhold via et enkelt brukergrensesnitt, er generativ KI klar til å forstyrre bedrifter og til og med hele bransjer. Noen fremtidsrettede anskaffelsesteam begynner å bruke det til å generere RFP-dokumenter, opprette helt nye prosesser og automatisk kortliste leverandører. Generativ KI i anskaffelse er i sin barndom, men dens potensial er enormt.

KI i brukstilfeller for anskaffelse

Anskaffelse er under sterkt press for å levere kostnadsbesparelser, redusere risiko, forbedre bærekraft og spille en mer strategisk rolle i virksomheten. For å nå disse målene, og holde tritt med det raske skiftet, må lagene være utrolig smidige – og for å bli mer proaktive, og mindre reaktive, i alt de gjør. KI hjelper i noen viktige anskaffelsesområder:

• Kostnadsklassifisering og -analyse: Kostnadsklassifiseringsalgoritmer kan raskt søke gjennom posisjoner og utheve nøkkelord for å knytte til utgiftskategorier med nesten perfekt nøyaktighet. KI-styrt utgiftsanalyse kan også hjelpe team med å proaktivt identifisere muligheter for kostnadsbesparelser og danne grunnlag for bedre sourcing-, kategori- og utgiftsbehandlingsstrategier.
• Global sourcingstrategi: Ved å analysere store globale datasett, kan maskinlæringsalgoritmer identifisere endringer i forsyningstrender, forutsi fremtidige utviklinger og bidra til å informere globale sourcingstrategier.
• Veiledet kjøp: KI-assisterte artikkelanbefalinger samler anskaffelsespolicyer for å gjøre det enkelt for brukere å finne det de leter etter, oppmuntre til forbruk i firmaets katalog for å unngå unødvendige kostnader og la anskaffelsesavdelingen tilby skreddersydd hjelp. Den gir også rask tilgang til foretrukne leverandører samtidig som den inneholder nyttige føringskanter.
• Intelligent sourcing og leverandøradministrasjon: KI-drevet programvare kan analysere leverandørdatabaser, markedstrender, historiske data, ESG-rapporter og andre faktorer for å anbefale de beste leverandørene for bestemte behov. Det kan også gi omfattende innsikt i et selskaps leverandørbase, og bidra til å forbedre leverandørens ytelse og fremme strategiske prioriteringer.
• RFX-oppretting: KI kan automatisk generere tilbudsforespørsler, (RFP-er), anbudsforespørsler (RFQ-er) og andre RF-dokumenter – fra utvikling av leverandørlister til utkast av nøkkelspørsmål.
• Leverandørrisikostyring: KI-algoritmer kan raskt oppdage plutselige endringer hos en leverandør eller leverandør og vurdere hvordan denne endringen vil påvirke risikoen. De kan også gruve millioner av ulike datakilder for å varsle foretak om potensiell risiko i hele forsyningskjeden.
• Samsvar: Ved å bruke KI til å strukturere kontrakt-, faktura- og IO-data, kan firmaer automatisk sammenligne betalingsvilkår, eliminere duplisering og identifisere manglende samsvar.
• Dataekstraksjon: Behandling av naturlig språk kan trekke ut data fra fakturaer og kontrakter for å identifisere risiko og svindel, gi bedre innsikt i forretningsutgifter og fremskynde prosesser fra ende til ende. NLP kan også samle inn data fra eksterne kilder som markedsindekser, bedriftskredittvurderinger, sosiale medier og offentlig tilgjengelig informasjon om leverandører for å oppdage muligheter og risiko.
• Administrasjon av kontraktlivssyklus: KI-drevne verktøy kan automatisk generere første utkast til kontrakter, støtte forhandling og merke potensielle risikoer på kontraktsspråk. De kan også overvåke vilkår og betingelser samt frister for å sikre overholdelse.
• AP-automatisering: Intelligent RPA kan eliminere manuelle oppgaver i leverandørreskontroprosesser, fremskynde fakturabehandling og godkjenninger, forbedre nøyaktigheten og sikre overholdelse. Optisk tegnlesing kan lese nøkkelinformasjon fra papirbaserte fakturaer for å forbedre prosessen og digitalisere dokumenter.

Fordeler med KI i sourcing og anskaffelse

Integrasjonen av KI i sourcing- og anskaffelsesrelaterte prosesser gir mange fordeler, inkludert:

• Smartere beslutningstaking: AI kan analysere store datavolumer raskt og nøyaktig. Denne datadrevne tilnærmingen gir anskaffelsesmedarbeidere nyttig innsikt i utgiftsmønstre, leverandørytelse og markedstrender. KI-styrte prognoseanalyse- og scenarioanalyser kan også hjelpe teamene med å vurdere alternativer, redusere risiko og ta bedre sourcing- og utgiftsbeslutninger.
• Effektivitet og automatisering: KI-drevet automatisering av gjentakende og tidkrevende oppgaver – for eksempel dataregistrering og fakturabehandling – forbedrer effektiviteten og frigjør innkjøpseksperter til å fokusere på mer strategisk arbeid.
• Kostnadsbesparelser: Med KI kan organisasjoner forbedre leverandørutvalget, forhandle om bedre avtaler og mer nøyaktig forutsi etterspørselen – for betydelige kostnadsbesparelser. De kan også analysere utgiftsmønstre for å identifisere, og handle på, ytterligere muligheter til å kutte kostnader.
• Risikoreduksjon: KI-verktøy kan proaktivt identifisere og vurdere risikoer knyttet til leverandører, markedsforhold og lovbestemte endringer, slik at anskaffelsesteamene kan redusere forstyrrelsen av forsyningskjeden før det skjer.
• Bedre forhold til leverandører: Ved å tydelig angi krav og forventninger i tilbudsforespørsler, og ved å overvåke og evaluere leverandørytelse, kan KI bidra til utviklingen av sterkere, mer pålitelige leverandørforhold.

Utfordringer for implementering av KI i anskaffelse

Selv om implementeringen av KI i anskaffelsesprosesser gir betydelige fordeler, kan det også utgjøre noen utfordringer.

• AI trenger svært store mengder data av høy kvalitet for nøyaktig å trene algoritmer og veilede beslutningstaking – så bedrifter må investere i datakvalitet og vedlikeholdsinitiativer for å unngå sub-par-ytelse.
• KI-løsninger må også integreres med annen anskaffelsesprogramvare og ERP-systemer, som ofte krever mellomvare, API-er og tilpasning.
• I tillegg er de riktige ferdighetene og ekspertisen nødvendige for å implementere, administrere og kjøre AI, og disse er noen ganger i kort etterspørsel.
• Og til slutt er AI-systemer ofte avhengige av sensitive data, så robust cybersikkerhet, kryptering og databeskyttelse er viktig.

Å navigere i disse utfordringene krever en gjennomtenkt tilnærming, men organisasjoner som gjør det riktig, kan låse opp de enorme fordelene med KI ved anskaffelse.

Slik bruker du KI i anskaffelse: Beste praksis

Her er noen anbefalte fremgangsmåter for integrering av KI i anskaffelsesprosessene:

Trinn 1: Definer klare mål

Fra kostnadsbesparelser til større effektivitet og bedre beslutningstaking, vil det å ha klare mål bidra til å veilede implementeringsstrategien.

Trinn 2: Start med et lite pilotprosjekt

Å prøve å transformere alle anskaffelsesprosessene samtidig er en oppskrift på katastrofe. Finn et enkelt, enkelt brukstilfelle, for eksempel automatisering av den eksisterende sourcinghendelsesprosessen, for å starte. På denne måten kan du vurdere effektiviteten til AI-løsningene dine i et kontrollert miljø, identifisere eventuelle utfordringer og foreta justeringer før du skalerer opp.

Trinn 3: Sikre datakvalitet og volum

Fang opp så mye relevante data som du kan – og rengjør og klargjør dem for å sikre at de er av høy kvalitet, konsekvent og komplett – før du mater dem inn i AI-modeller. Å håndtere dataproblemer på forhånd er nøkkelen til KIs suksess. Søppel i, søppel ut, som de sier.

Trinn 4: Ta med viktige interessenter

Samarbeid med andre anskaffelsesmedarbeidere samt økonomi- og IT-team tidlig i prosessen, og tilordne en ledersponsor som interessent. Dette trinnet er avgjørende for å bygge en forståelse av viktige behov, sikre tilpasning til forretningsmål og sikre innkjøp.

Trinn 5: Integrere med eksisterende systemer

For å minimere avbrudd og maksimere fordelene med KI er det viktig å integrere KI-løsninger med eksisterende anskaffelsessystemer, ERP og andre bedriftsapplikasjoner.

Trinn 6: Gi opplæring og endringsstyring

Hjelp innkjøpere med å bli kjent med KI-verktøy – og oppmuntre til brukerinnføring – ved å gi opplæring og demonstrere hvordan KI kan hjelpe til med sine daglige oppgaver. Implementer en robust strategi for endringsstyring og vis hvordan anskaffelsesteamets ekspertise kan utvides – og ikke erstattes – av AI-teknologi.

Trinn 7: Hold det etisk og sikkert

Revider KI-modeller regelmessig og overvåk med menneskelig tilsyn for rettferdighet, overholdelse av personvernbestemmelser og etiske hensyn – spesielt skjevheter i algoritmer. Implementer robuste cybersikkerhetsmetoder for å beskytte sensitive data og bygge tillit blant brukerne.

Les mer