В 2017 году Gartner предсказал, что искусственный интеллект (ИИ) принесет пользу технологиям закупок и поставщиков. По словам Майка Куиндацци, управляющего директора PriceWaterhouseCoopers и ведущего влиятельного лица в сфере финансовых технологий, этот момент настал. Сейчас мы живем в золотой век искусственного интеллекта, когда успехи достигаются за счет огромных наборов данных, создания новых алгоритмов, вычислительной мощности и способности делать это в облаке в любом масштабе, - говорит Куиндацци.

Частично объем данных о закупках резко увеличился из-за того, что закупки превратились в нечто, называемое «интеллектуальным управлением расходами», которое контролирует все процессы корпоративных закупок, включая прямые и косвенные закупки, командировки и внешнюю рабочую силу.

Но Куиндацци предупреждает, что, хотя у ИИ есть много вариантов использования в закупках, например, для оценки поставщиков, «в конце процессов ИИ всегда будет человек, поэтому должно быть чувство ответственности». Бизнес-лидеры должны обеспечивать прозрачность используемых показателей и данных, методов отбора и ранжирования поставщиков и других элементов, обучающих алгоритмы ИИ.

На недавней конференции SAP Ariba Live компания SAP продемонстрировала несколько способов влияния технологий искусственного интеллекта и машинного обучения на интеллектуальное управление расходами.

Последовательное управление контрактами

Во время переговоров между компаниями и поставщиками существует два этапа управления контрактами: юридический и операционный. Но эти два этапа находятся в разных документах и ​​системах и могут легко стать несовместимыми.

Юридические контракты обычно представляют собой неструктурированные данные, хранящиеся в документах Word, а операционные контракты - это структурированные документы, которые хранятся в приложениях SAP ERP или SAP Ariba. Операционные соглашения включают такие данные, как конкретные условия ценообразования, отдельные позиции или бухгалтерскую информацию. Если эти детали изменятся, два контракта могут рассинхронизироваться.

Например, в прошлом, если цена на конкретный товар в операционном контракте изменялась, ее нужно было вручную обновить в юридическом соглашении. Но это примирение происходило не всегда. Сейчас SAP Ariba разрабатывает функцию синхронизации, которая автоматически обеспечит согласованность обоих документов.

Используя машинное обучение, SAP создает приложение, которое анализирует юридические документы и сравнивает их с ценами и условиями закупок в операционных соглашениях. Прототип машинного обучения может давать рекомендации при обнаружении несоответствий. Например, решение может гарантировать, что налоги и страховые сборы в контрактах соответствуют конкретным регионам и странам, в которых проводятся транзакции.

Написание контрактов под руководством чат-бота

У крупных компаний обычно есть репозитории, содержащие тысячи контрактов. Машинное обучение может извлекать неструктурированные данные из этих репозиториев, чтобы помочь специалистам по закупкам более разумно составлять контракты и проактивно избегать потенциальных проблем.

SAP разрабатывает чат-бота с ИИ, который проверяет контракты и предлагает оптимизации на основе исторических шаблонов. Например, чат-бот может предложить другие условия оплаты или порекомендовать конкретную юридическую оговорку, относящуюся к региональному закону о страховании.

Внешние данные также поступают в чат-бота из более чем 600 000 частных и публичных источников, поэтому он знает, когда, например, вступают в силу новые региональные законы о страховании. Это позволяет чат-боту отмечать риски и предлагать альтернативы.

Поисковые аукционы

Чтобы найти лучшего поставщика, крупные транснациональные компании проводят мероприятия по поиску поставщиков, называемые аукционами. Брэм Пурнот, архитектор решений SAP Ariba, объясняет, что эти мероприятия помогают компаниям согласовывать цены или находить лучшего поставщика на основе других критериев, но проведение аукционов может быть очень сложным. Есть несколько типов аукционов: некоторые из них могут быть ориентированы на регион, конкретный товар или комбинацию факторов. Например, компании могут понадобиться поставщики самого дешевого и экологически чистого масла ши в Западной Африке.

Сотрудничая с крупной голландской компанией, которая проводит множество таких аукционов, SAP Digital Business Services создала прототип, который использует машинное обучение и чат-ботов для управления аукционами. После создания аукциона чат-боты предложат, как долго должен длиться аукцион, кого следует пригласить и сколько участников включить.

Эти чат-боты обрабатываются алгоритмом машинного обучения SAP, который анализирует существующие данные, чтобы предсказать, как провести наиболее успешный аукцион. Например, если компания ищет транспортные услуги, приложение может порекомендовать японских поставщиков, которые более эффективны, чем голландский аукционист в аукционах этого типа.

Проблема искусственного интеллекта и изменений в бизнесе

ИИ появился, но организациям все еще может понадобиться помощь в освоении новых процессов. Джудит Гурвиц - президент и генеральный директор Hurwitz and Associates, консалтинговой и аналитической компании в области технологий. Она рекомендует компаниям применять гибридный подход к определению того, как использовать ИИ, с привлечением как специалистов по данным, так и специалистов по закупкам. Она говорит: «Специалисты по обработке данных не могут жить изолированно - это не просто алгоритм, для этого нужен опыт бизнес-экспертов».