Mākslīgais intelekts Iepirkumos

Mākslīgā intelekta pamatu apgūšanai ir pieejama plaša informācija, tomēr mēs iesakām interesentiem izlasīt grāmatu 'AI in Procurement,' kuru izdevis iepirkumu analītikas uzņēmums Sievo.

Mākslīgais intelekts Iepirkumos
AI in Procurment
solutions-logo-source-digitally

Sievo ir globālais līderis iepirkumu analītikā un apvieno labāko savā kategorijā - izdevumu pārvaldības programmatūru, pasaules līmeņa pakalpojumus un pievienotās vērtības saturu. Sievo SaaS iepirkumu analītikas risinājumi ietver: Spend Analysis, Savings Lifecycle, Contract Analytics, Materials Forecasting, and CO2 Analytics. 

Zemāk ir kopsavilkums par šīs grāmatas tēmām, kuras atbilst mūs interesējošiem mērķiem.

Sākotnēji, lai iegūtu rezultātus no Mākslīgā intelekta (MI), ir nepieciešami dati apstrādei, kā arī biznesa gadījums, kad MI var sniegt reālus ieguvumus.

Ieguvumi no MI

Nespēja tikt līdzi jaunu tehnoloģiju izstrādei ir drošs veids, kā ļaut Iepirkuma funkcijai novecot.

Pēdējās lielās izmaiņas Iepirkumos ir saistītas ar digitalizācijas jomu. Ar digitālās transformācijas palīdzību tādas jomas kā līgumu pārvaldība, piegādātāju pārvaldība un e-piegādātāju atlase ievērojami uzlaboja efektivitāti.

Ir pamats uzskatīt, ka MI ir tas spēles noteikumu izmainītājs (game changer), kas beidzot spēs pārveidot Iepirkuma funkciju.

Mūsdienās visprogresīvākās Iepirkumu organizācijas sākušas izmantot Mākslīgo intelektu, lai uzlabotu darbības efektivitāti un izmantot to kā palīgu lēmumu pieņemšanā.

Mākslīgais intelekts uzņēmējdarbībā
solutions-grafika-3

Mākslīgais intelekts uzņēmējdarbībā

Mākslīgais intelekts uzņēmējdarbībā

MI faktiski ir vairāk veicinošs faktors, nekā pati lietojumprogramma.

MI ir instruments, kas palīdz risināt uzņēmējdarbības problēmas un aizstāt manuālās darbības, lai cilvēki varētu pievērsties stratēģiskākām darbībām.

1765. gadā nebija skaidrs, cik lielā mērā mehanizācija radikāli pārveidos to, kā mēs veiksim uzņēmējdarbību nākotnē. Tāpat ir grūti zināt, kur tieši mūs aizvedīs MI. Tas noteikti palīdzēs uzņēmumiem atrisināt galvenās problēmas, bet diez vai krasi mainīs uzņēmuma pamatvērtības un vīzijas.

“Airbus” digitālās transformācijas viceprezidents Metjū Evanss to formulē šādi:

"Precīzi runājot, mēs neinvestējam MI. Mēs neinvestējam Dabiskās valodas apstrādē. Mēs neieguldām attēlu analītikā. Mēs vienmēr investējam biznesa problēmā."

Matthew Evans

“Airbus” digitālās transformācijas viceprezidents

MI realitāte Iepirkumos
solutions-grafika-3

MI realitāte Iepirkumos

MI realitāte Iepirkumos

Lai gan tirgū ir pieejams aizvien lielāks skaits Mākslīgā intelekta lietojumprogrammu, lielākā daļa Iepirkuma organizāciju MI vēl neizmanto. Faktiski saskaņā ar Deloitte pētījumu, tikai 45% Iepirkumu vadītāji Iepirkumu funkcijā izmanto vai izmēģina MI risinājumus.

Agrīnie izmēģinājumi pierādīja, ka Mākslīgais intelekts Iepirkumos viens pats nevar gūt panākumus. Turpmākā izpēte atklāja, ka MI izmantošana apvienojumā ar cilvēku ieguldījumu dod labākus rezultātus.

What's possible now
solutions-grafika-3

Kas tagad ir iespējams

Kas tagad ir iespējams

Ir 7 kopīgas jomas, kurās var izmantot Mākslīgo intelektu visā iepirkuma ciklā.

01

Supplier risk management

Mākslīgo intelektu var izmantot, lai uzraudzītu un identificētu potenciālos riska notikumus viscaur piegādes ķēdē.

02

Purchasing programmatūras

Mākslīgo intelektu var izmantot, lai automātiski pārskatītu un apstiprinātu pirkšanas pasūtījumus.

03

Accounts payable automation

Mašīnmācīšanās arvien biežāk tiek izmantota piegādātāju maksājumu automatizācijā. Mašīnmācīšanās palīdz identificēt kļūdas un iespējamu krāpšanu pie liela automatizētu maksājumu apjoma.

04

Spend analysis

Uzņēmumā Sievo Mašīnmācīšanās algoritmi tiek plaši izmantoti izdevumu analīzē, lai uzlabotu un paātrinātu vairākus procesus, tostarp automātisku izdevumu klasifikāciju un piegādātāju “matching”. Piemēram, ja datos ir DHL, DHL Freight, Deutschland DHL un DHL Express, mašīnmācīšanās algoritmi tos var viegli konsolidēt kopā kā DHL, lai uzlabotu redzamību un datu saskaņotību.

05

Supplier information management

Lielo datu metodes ļauj rast jaunus veidus, kā identificēt, pārvaldīt un izmantot piegādātāju datus publiskās un privātās datubāzēs.

06

Strategic sourcing

Mākslīgo intelektu var izmantot, lai pārvaldītu, vadītu un automatizētu Piegādātāju atlases procesus.

07

Contract management

Mākslīgajam intelektam ir daudz potenciālo izmantošanas gadījumu līgumu pārvaldībā.

Where it's going
solutions-grafika-3

Kur tas virzās

Kur tas virzās

Tiek prognozēts, ka uzdevumu automatizācija palielināsies.

Atklāti runājot – daudzi no uzdevumiem, kurus šobrīd pilda Iepirkumu profesionāļi, pēc būtības joprojām ir diezgan laikietilpīgi – tie atkārtojas (repetitive) un ir vienkārši. Šie periodiskie un taktiskie uzdevumi liedz Iepirkumu darbiniekiem koncentrēties uz stratēģiskākām darbībām. Tāpēc, Mākslīgā intelekta piemērošana šiem uzdevumiem jau ir viens no tā izplatītākajiem pielietojumiem.

McKinsey uzskata, ka tādu uzdevumu kā maksājumu un rēķinu apstrāde, pasūtījumu veikšana un to saņemšana, kā arī pieprasījuma vadība iepirkumu vajadzībām ir diezgan viegli automatizējama.

Datu iegūšana ārpus organizācijas

Izmantojot MI, var iegūt priekšrocības no jaunu datu avotu izmantošanas. Tā dēvētie “ārējie” datu avoti (external data sources) var ietvert tirgus indeksus, uzņēmumu kredītreitingus vai publiski pieejamu informāciju par piegādātājiem.

Lēmumu atbalsts

Automatizēti paziņojumi par anomālijām, jaunām iespējām un ieteicamām darbībām tieši iepirkumu informācijas paneļos (procurement dashboards) var izklausīties kā sapnis, bet pavisam drīz tā varētu būt realitāte.

MI ieguvumi un izaicinājumi iepirkumam

MI varēs nekavējoties paziņot komandai, ja noticis kaut kas ārpus normas robežām, un var sniegt tūlītējus ieteikumus par to, kādas darbības būtu jāveic.

Galarezultāts ir tāds, ka Iepirkumu speciālisti vairāk apzināsies notiekošo un ātrāk varēs rīkoties.

Turklāt lietotāji var paļauties, ka MI ieteikumi ir balstīti uz patiesiem faktiem, nevis cilvēka izvirzītu hipotēzi vai minējumiem. Tas dod Iepirkumu vadītājiem pārliecību, ka viņu lēmumu pamatā ir reāli dati, kas novērš nedrošību un noved pie labākiem lēmumiem.

Daudzi no gadījumiem, piemēram, jauna piegādātāja identifikācija ir iespējama tikai ar cilvēku iesaisti. Tomēr MI sniegtais ātruma un precizitātes pieaugums attaisno izmaksas un laiku, kas patērēts, lai ieviestu MI Iepirkuma organizācijā.

MI iesaiste Iepirkumos
solutions-grafika-3

MI iesaiste Iepirkumos

MI iesaiste Iepirkumos

Pirmkārt, vai mans uzņēmums ir par mazu MI izmantošanai? 

Nē, tā nav. Domājiet par Mašīnmācīšanos kā jaunu programmatūras veidu. Programmatūra mūsdienās tiek plaši izmantota visos uzņēmumos – gan lielos, gan mazos. Ja esat Deutsche Telekom vai Walmart, visticamāk, Jums būs ļoti atšķirīgas programmatūras vajadzības nekā mazam uzņēmumam, kas darbojas lokāli. Kopumā MVU nepraktizē savu mašīnmācīšanās lietojumprogrammu izveidi, tāpat kā, visticamāk, paši neprogrammē savu programmatūru: tā vietā MVU meklē pareizos programmatūras nodrošinātājus, kas atbilst viņu vajadzībām.

Kā Mākslīgais intelekts mainīs manus procesus? 

Lai gan pašreizējā MI paaudze lieliski pārvalda specifiskus izmantošanas gadījumus Iepirkumos, galvenā uzmanība parasti tiek pievērsta ātruma un veiklības (agility) radīšanai esošajos manuālajos procesos. Iepirkumu vadītājiem, kuri vēlas gūt maksimālu labumu no MI, piemēram, analītiskas atziņas, ir pilnībā jāpārdomā savi iepirkumu procesi.

Efektīvs veids, kā uzsākt, ir apsvērt , kā MI varētu izmainīt “manuālos”, “atkārtojošos” vai “garlaicīgos” procesus. Jāatzīmē, lai gan daudzi jūsu Iepirkuma procesi, iespējams, ir palikuši nemainīgi gadu desmitiem, līdz ar Mākslīgā intelekta attīstību Jums jāparedz bieža procesu pārskatīšana un izmaiņas.

ai-in-procurement-elements-1

Kādi riski pastāv, ieviešot Mākslīgo intelektu? 

Ieviešot MI, pastāv arī riski. Viens no galvenajiem riskiem MI ieviešanā ir nesaprašana par tā sarežģītību. Ja personām, kurām uzdots veikt ieviešanu, nav zināšanu par šo tēmu, Jūs riskējat iztērēt laiku un resursus vai veikt projektu neprofesionāli. Nepietiekamas zināšanas var novest arī pie tā, ka uzņēmums mēģinās MI ieviest procesā, kurā tas vienkārši nedarbosies. Tāpēc ir vērts sadarboties ar trešo pusi, kurai ir zināšanas par Mākslīgā intelekta pielietojumu Iepirkumos un vajadzīgā pieredze, lai nodrošinātu netraucētu ieviešanu un nodrošinātu jūsu uzņēmumam sekmīgu darbību.

Kā organizācijas var pielāgoties jaunajam darba veidam?

Lai gan nepieciešamība pielāgoties dažādiem lietošanas gadījumiem ir atšķirīga, katrai organizācijai svarīgākā ir pati vēlme pielāgoties.

Proti, pielāgojoties MI un jaunajam darba veidam, ir būtiski izvairīties no panikas brīdī, kad kaut kas nesanāk kā plānots, jo process no sākuma līdz beigām diez vai būs pilnīgi lineārs. Iespējams, ir vērts apsvērt MI ieviešanu (un ar to saistīto apmācību) nelielā komandā pirms mērogošanas plašāk organizācijā.

Uzņēmumiem, kas pielāgojas MI, ir jāpāriet uz datos balstītu lēmumu pieņemšanas kultūru, lai pilnībā izmantotu MI sniegtās priekšrocības. MI piedāvā efektīvi analizēt jūsu datus, un, ja Jūs to nepielietojiet lēmumu pieņemšanas procesā, tad pilnībā neizmantojat sniegtās priekšrocības.

MI ietekme uz Iepirkumu darbu
solutions-grafika-3

MI ietekme uz Iepirkumu darbu

MI ietekme uz Iepirkumu darbu

Vai cilvēki zaudēs darbu, konkurējot ar MI? 

Sagaidāms, ka MI nevis aizstās Iepirkuma darba vietas, bet gan uzlabos pašreizējās darba vietas un padarīs darbu efektīvāku. Lai gan MI skars katru nozari un nākotnē kaut kādā veidā pārveidos katru darbavietu, pilnībā aizvietotas tiks maz darbavietas. Līdzīgas bažas par to, ka cilvēki zaudēs darbu, radās, kad parādījās dzelzceļš, fakss un internets. Tomēr, kā izrādījās, darbavietas vienkārši pārveidojās, vai arī zaudētās tika aizstātas ar pilnīgi jaunām darba vietām. Vislabākie rezultāti netiks sasniegti, ja ļaus MI darīt visu, bet gan veidojot nepārtrauktu sadarbību starp cilvēku un mašīnu. the constant collaboration between human and machine.

Kādi darbinieki ir vajadzīgi? 

Pirmkārt, atkārtosim, ka darbinieki joprojām ir vajadzīgi. Otrkārt, darbinieki, kas būs vajadzīgi darbavietās, kurās pielieto MI, ir tie paši darbinieki, kurus uzņēmumi šodien nodarbina. Protams, ja šodien Jums ir problēmas izmantot internetu vai portatīvo datoru, nākotnē var rasties problēmas ar spēju pielāgoties. Taču, mūsdienās augsti vērtētās īpašības, piemēram, centība, vēlme mācīties, analītiska domāšana un pielāgošanās spēja saglabāsies, arī pieaugot MI izmantošanai.

Konkrētāk, Iepirkumu pamatprasmes, piemēram, atkārtotu procesu uzraudzība, vairs nebūs vajadzīgas tādā pašā veidā, jo šie procesi tiek automatizēti. Tā vietā izšķiroša nozīme būs augstāka līmeņa prasmēm, piemēram, stratēģiskajai domāšanai, veiklībai un spējai pielāgoties strauji mainīgajai videi. Svarīgi, lai nākotnes darbinieki varētu izmantot datus kā vērtīgu aktīvu, nevis kā pārskatu sniegšanas blakusproduktu.

Digitālā izpratne ir svarīga, taču uzņēmumiem nevajadzētu sagaidīt, ka katrs darbinieks sevi pārveidos par datu zinātnieku. Tāpat nevajadzētu sagaidīt, ka Iepirkuma speciālisti sapratīs Iepirkumos izmantotā MI pamatā esošos algoritmus, tāpat kā cilvēki ikdienā veiksmīgi izmanto Google bez vajadzības izprast tā uzbūves sarežģītos algoritmus.

ai-in-procurement-elements
MI izmantošana
solutions-grafika-3

Kas Jums jāņem vērā, sākot pielietot Mākslīgo intelektu?

MI izmantošana

Dati ir atslēga 

Pēc sākotnējā lēmuma par MI ieviešanu ir jāizprot realitāte – MI un mašīnmācīšanās nevar darboties bez interpretējamiem datiem. Par laimi, katrai mūsdienīgai Iepirkumu organizācijai ir atrodams liels datu apjoms, pat ja organizācija to neapzinās.

Lielākoties, darbību uzlabošanai tiek izmantoti tikai 20% no Iepirkuma datiem. Pārējie 80% tiek uzskatīti par tumšiem datiem. Tumšie dati attiecas uz neizmantotiem datiem, kas var izrādīties vērtīgi. Daži tumšo datu avoti ir šādi:

  • Nestrukturēti darījumu dati
  • Līguma metadati
  • Virsgrāmatas informācija
  • Dati, kas saglabāti nesaistītās Programmatūrās, vai citās datu bāzēs
  • Ārēji, nestrukturēti internetā pieejami dati par pieejamiem produktiem un piegādātājiem

Vadošie Iepirkumu vadītāji saprot, ka maksimālu atdevi no tehnoloģiskajiem ieguldījumiem var panākt koncentrējoties uz iepirkumu datu vākšanu, lai MI secīgi tos interpretētu.

Datu kopas var būtiski atšķirties dažādos uzņēmumos, mazākiem uzņēmumiem meklējot īpaši specifiskas datu kopas, savukārt lielie uzņēmumi dod priekšroku milzīgas, globālas informācijas apjomam, kas nepārtraukti plūst caur uzņēmuma sistēmām. Liela daļa mašīnmācīšanās un MI iespēju balstās uz datiem, kurus var iegūt ārpus organizācijas. 

Mākslīgajam intelektam Iepirkumos ir divi izplatīti pielietojumi:

01

MI piemērošana datu kopām, lai identificētu jaunas informācijas avotus, jaunas iespējas, jaunus piegādātājus vai jaunus riskus.

02

Izmantot MI, lai esošos procesus padarītu daudz efektīvākus, atbrīvotos no manuālām darbībām un samazinātu ekspluatācijas izmaksas. 

AI definition

Mākslīgais intelekts = algoritmi, kas uzrāda jebkādu rīcību, ko uzskata par inteliģentu.

ai-in-procurement-5

MI ir datorzinātnes nozare, kas darbojas arī kā kopējs termins tehnoloģijām, kas ļauj mašīnām izpausties cilvēkveidīgā uzvedībā.

Lai gan MI jau kādu laiku eksistē, tā iekļaušana uzņēmuma ikdienā prasa laiku. Līdzīgi notika, kad septiņdesmitajos gados uzņēmumos tika ieviesti pirmie datori. Pirmie biznesa datori bija milzīgi, lēni, un darbinieki nesaprata, kā izmantot jauno “programmatūru”, kas viņiem tagad ir pieejama. Ar laiku dators kļuva par ievērojamu ikviena cilvēka dzīves sastāvdaļu. Šāda pāreja aizņēma vairākus gadu desmitus, bet beigās datori no ieviešama rīka pārvērtās jaunā veidā, kā tiek veiktas darbības.

Mākslīgais intelekts ietver mašīnmācīšanos un dabiskās valodas apstrādi.

Mašīnmācīšanās
solutions-grafika-3

Mašīnmācīšanās

“>Mašīnmācīšanās

Mašīnmācīšanās = algoritmi, kas nosaka modeļus un automātiski tos uzlabo, izmantojot uzkrāto pieredzi.

AI Classification

Mašīnmācīšanās gadījumā mašīnai netiek dotas konkrētas instrukcijas soli pa solim, bet tā pati mācās no datiem. Nav jānosaka, kā iekārtai jāveic noteikts uzdevums. Kamēr tā ir nodrošināta ar sākotnējiem iestatījumiem un datiem, tā pati apstrādā datus un laika gaitā uzlabo to veiktspēju.

Deep learning
solutions-grafika-3

Dziļā mācīšanās

Dziļā mācīšanās

Dziļā mācīšanās = mašīnmācīšanās metodes veids, kurā progresīvi mākslīgie neironu tīkli pakāpeniski uzlabo savu spēju veikt kādu uzdevumu.

Natural language processing
solutions-grafika-3

Dabiskās valodas apstrāde

Dabiskās valodas apstrāde

Dabiskās valodas apstrāde = algoritmi, kas spēj interpretēt, pārveidot un ģenerēt cilvēka valodu.

Dabiskās valodas apstrādes mērķis ir lasīt un saprast cilvēka valodu noderīgā veidā. Dabiskās valodas apstrādes bieži lietojamie gadījumi ir valodas tulkošana, piemēram, Google Translate.

Pašreizējie Dabiskās valodas apstrādes lietojumi nereti izmanto neironu tīklus, kas izpratnes uzlabošanai izmanto datu modeļus. Dabiskās valodas apstrādes izmantošanai ir vairāki ieguvumi, tostarp spēja ātri apkopot un ātri tulkot valodu.

source-digitallylogo-2

We
Discover
and
then Deliver