通过使用 AI 扩展采购和供应链管理的可能性

HBR 分析服务简报纸 人工智能在现代采购成功中的重要作用 采购已经超越了传统的成本削减，被广泛认可为创新、韧性和竞争优势的战略驱动力。这一转型的核心是人工智能（AI）。通过利用AI，采购团队可以做出更明智的决策，加速工作流程，并更有效地规避风险——这些因素对于构建稳健且具有适应性的供应链至关重要。 AI 引入了一系列重新想象采购流程的工具。预测分析可以预测需求模式，自动化合同管理简化了合规性，而基于AI的风险评估确保了主动的问题解决。这些进步使采购专业人士能够专注于战略优先事项，如业务利益相关者管理、供应商合作、可持续性和长期价值创造。 Vengat NarayanasamyGEP 咨询副总裁 然而 ， 通往人工智能采购的道路并非没有障碍。实际步骤是成功的关键: • 数据作为基础 ：AI的发展依赖高质量、可靠的數據。建立數據采集、清洗和治理的流程应作为首要优先事项。 • 隐私和安全 ：生成式AI及其他工具需要仔细考虑数据隐私法规和网络安全最佳实践。 • 员工支持:引入人工智能工具需要投资培训计划 ， 以提高团队的数字素养。 战略技术伙伴关系:选择合适的技术提供商至关重要。他们不仅应提供先进的解决方案，还应理解您行业的细微差别和组织目标。 这份报告由GEP赞助，由哈佛商业评论分析服务部门制作，探讨了组织如何采用人工智能以释放采购全流程的最大潜力。提供的案例和数据突显了一个关键点：人工智能已不再可有可无，对于任何希望在当今快速变化的环境中取得成功的采购团队来说，它是必不可少的。其益处不仅限于短期内的收益和风险缓解，还为长期的增长和韧性铺平了道路。 未来采购将以人工智能为驱动。那些谨慎投入人工智能的公司将在应对挑战、抓住机遇、满足需求以及实现可持续成功方面占据有利位置，从而在不可预测的世界中巩固自己的地位。采取正确的策略，人工智能赋能的采购不仅是一种升级，而是通过创造价值和保持领先地位带来变革的力量。 通过使用 AI 扩展采购和供应链管理的可能性 executives 今天必须现在就考虑调整其数字化采购和供应链管理策略，因为公司已经认识到人工智能（AI）对业务未来有多么真正意义上的变革性影响。事实上，AI 的发展速度非常快，如果公司不采用 AI 技术来管理采购和供应链，它们将面临被率先采用这些技术的竞争者远远甩在后面的重大风险。 HIGHTS executives 今天必须现在考虑改变其数字化采购和供应链管理策略，因为公司已经认识到人工智能（AI）对未来业务的真正变革性影响。 采购领导者调研显示，15%的受访者目前正在进行或已经实施了通用人工智能（Gen AI）在其组织中，而43%的受访者正在积极计划在未来6至12个月内实施。另有15%的受访者目前正在试点未来可能采用的用例，这意味着总体而言，73%的受访采购领导者在未来12个月内将开始或继续实施通用人工智能。2 根据 A斯坦福州立研究和咨询公司Gartner Inc.于2024年1月进行的一项针对127位供应链领导者的调查显示，14%的供应链领导者要么已经实施了生成式人工智能（gen AI），要么正在实施中。同时，被调查的供应链领导者中有50%表示他们要么正在积极计划在未来六个月内实施生成式人工智能（30%），要么正在积极计划在未来六到十二个月内实施（20%）。另外，有16%的受访者表示他们当前正在试点未来可能采用的用例。这意味着，总体而言，被调查的供应链领导者中有80%将在未来一年内开始或继续实施生成式人工智能，Gartner如是说。1 公司若不拥抱AI技术用于采购和供应链管理，就会暴露在面临的风险之中。没有提高他们的效率 ， 没有跟上他们的竞争对手. 确实，如今许多公司已经在利用人工智能技术来自动化采购流程和预测供应链需求，但其他公司才刚刚开始考虑这样做。还有一些公司完全没有将人工智能技术融入其工作流程。采购中使用人工智能仍然处于过渡阶段，组织可能会面临各种挑战。 由于 AI 工具和技术仍然存在需要一个人来帮助解释和理解根据数据采取的正确路线 ，员工采用是至关重要的。 与此同时 ， 在同一 2024 年 1 月的研究中 ， Gartner 表示 ， 在 101 人工智能、机器学习和生成式AI的发展已经极大地改变了公司采购和供应链管理的战略，尤其是在智能自动化方面。 李萌 ， 休斯敦大学 C. T. 鲍尔商学院教授 在采用这项新技术时面临诸多挑战。例如，为了获得人工智能的好处，公司不仅需要收集数据，还必须确保数据的准确性，否则基于人工智能的工具将无法产生预期的效果。此外，在实施新技术时，拥有了解并利用人工智能变革力量的专业 workforce 也至关重要，并且在必要时应与专家合作。 帮助组织接受 AI 优先的心态并采取行动以保持竞争力。 转型战略的变化 人工智能在采购和供应链管理中的应用仍处于早期阶段，许多组织尚未广泛采用，但对于一些组织而言，人工智能已经对其管理这些功能所使用的方法产生了变革。例如，有些公司利用生成式AI实现任务的智能自动化，而另一些公司则成功地通过部署机器学习来帮助在更短的时间内完成项目，既节省了时间也节省了成本。 当企业采取AI优先的心态并将AI融入其所有业务中时，可以在成本、资源和时间方面实现效率提升，并为客户提供更好的体验。例如，AI能够自动化复杂任务，如采购中的支出和成本分析，以及供应链运营中的运输物流管理和组织的碳足迹管理。 advancements 在人工智能、机器学习和生成式人工智能的发展下，公司采购和供应链管理的战略发生了显著变化，尤其是在智能自动化方面，陈立教授（Prof. Meng Li）如是说。陈立是德克萨斯大学休斯顿分校C.T. Bauer商学院的教授，并且是Bauer人本中心人工智能研究所的创始人兼主任，该研究所专注于推进研究和教育项目，以教育学生了解数据、分析和人工智能的力量。“人工智能通过用户的数据变得越来越智能，并且算法也得到了改进。” 企业在采购中做出的一个最重要的决定就是供应商选择。一旦选择了供应商，更换起来可能会非常困难。因此，任何能够提高供应商选择和监控的数据、工具或技术都能减少风险并提高韧性，”宾夕法尼亚州立大学斯雷姆商学院供应链与信息系统系实践教授、斯雷姆供应链研究中心主任史蒂夫·特雷西表示。“从这个角度来看，我们可以评估人工智能工具如何改善供应商选择和韧性，并减少风险。组装和评估数据的挑战是巨大的，但我们可以确定，一旦正确实施，人工智能工具可以使得管理者能够看到数据中原本可能被掩盖的内容。因此，从这个意义上说，人工智能具有巨大的潜在益处。 李的研究探讨了人工智能如何自动化简单、繁琐和重复的任务，以更快、更低成本的方式执行这些任务，并且如何通过持续学习促进更加智能的控制规则。例如，他研究了在采购背景下使用人工智能的方法，使买家能够通过聊天机器人自动查询价格，而无需与人交谈。 研究人员发现，如果买家仅仅自动化采购流程，这并不会非常有用，因为供应商会给出远高于非自动化买家的报价，“李解释道。“但是，当买家通过机器学习算法使自动化聊天机器人变得更智能时，供应商会向买家提供大幅降低的报价。只有当聊天机器人更加智能时，这对买家才有用。这一逻辑背后的原因是，供应商会根据聊天机器人的智能程度来调整报价。” 这份报告将探讨各种形式的人工智能（包括机器学习和通用人工智能），如何帮助企业提高采购和供应链相关的效率。它将分析接受人工智能技术以转型采购和供应链管理所面临的挑战，包括数据隐私问题以及收集准确数据以支持基于人工智能的工具的努力。此外，还将探讨员工和其他人员在其中的作用。 图 1 为供应链实施的生成式 AI 聊天机器人是最常用的生成 AI 工具 基于买家的知识水平，如果买家对市场非常了解，那么供应商会报一个相对较低的价格，因为否则买家可能会选择退出。因此，如果买家拥有智能AI工具，供应商会报更低的价格。” 根据Gartner调查，14%的组织已经将生成式AI整合到其数字供应链运营中，在软件应用程序的各种功能中应用它，包括员工协助聊天机器人、代码生成、与技术解决方案对接、新员工入职培训以及KPI发现和诊断。图 1 方向指引。如果没有相关政策实施，我们目前并不积极使用生成式AI来解决特定的供应链策略问题——事实上，我们并不打算将其用于任何其他方面。 休斯顿地区的液化天然气生产商Cheniere Energy Inc.的各种业务小组已使用机器学习（ML）进行流程挖掘，以了解特定工作流中的瓶颈。该公司还利用机器学习来标准化其库存管理系统的一部分，以最小化诸如钢阀之类的库存项中的不一致性。Cheniere Energy估计，仅靠两名全职员工手动检查其仓库中的库存项目需要六个月时间，但通过利用机器学习，该任务可以在极短的时间内完成。“因此确实存在实际的经济成本影响，”Cheniere Energy供应链卓越中心的负责人Faraz Shahid表示。“我们有一个持续的应用案例，正在利用机器学习来提高我们的库存项主数据库的质量。目标是使命名约定更具一致性，消除潜在的重复项，并识别缺失的详细信息。” Cheniere Energy 当前更倾向于利用 ML（机器学习），因为该公司运营时间较长，能够使其数据保留在更为安全的平台上。Shahid 表示，公司曾使用该技术根据历史采购趋势来开发需求预测并取得了一定成效。 克服人工智能挑战 拥抱人工智能技术并非没有挑战。根据宾夕法尼亚州立大学的Tracey的研究，企业在实施基于人工智能的采购和供应链管理工具和技术时会面临多种挑战，包括维持财务、基础设施和技术投资；获取人才并发展工作技能；促进变革管理；培养正确的文化；管理数据和质量控制；开展人工智能试点并扩大应用规模；以及遵守相关法规。克服这些挑战需要组织保持与供应商的重要关系，确保其数据准确无误，确保其员工能够使用新技术，并关注对新需求的关注。 该公司还积极采用一款新工具，该工具由一家合同生命周期管理提供商提供，利用大型语言模型（LLM）能力来搜索合同或在合同不存在时从批准的库中开发合同模板。该工具还可以提供合同的状态，并甚至可以批量延长这些合同。 陈卫德指出，Cheniere Energy 特别喜欢该工具的一个特点是它为生成式AI的使用提供了一个安全的环境。他解释说：“在Cheniere Energy，我们目前还没有生成式AI政策，但有一个生成式AI指导委员会正在帮助确定其采用的速度和方向。” 许多公司现在正与提供可定制数据控制的AI解决方案提供商进行合作，即使在由AI系统处理数据时，他们也能保持对数据的控制权。 Steve Tracey ， 宾夕法尼亚州立大学 Smeal 商学院教授 开源的大语言模型（LLMs），这些模型使用通用数据并可以供任何人使用。相反，公司更倾向于保护其专有数据免受竞争对手的侵害，并且对数据被用于训练通用人工智能（gen AI）持谨慎态度。确保公司数据安全和安全的一种方式是与能够协助实施数据隐私措施的提供商进行合作。 投资于采购和供应链基础设施和新技术等。 Houston大学的Li认为，“人工智能有很大的潜力，但在供应链管理和采购方面尚未得到充分实现。”“采购相对复杂，且是一个长期过程。建立买家和供应商之间的信任并非易事，双方通常会通过传统的合作关系来建立长期的信任。要通过人工智能来替代这种关系并不容易。” 例如，由于Cheniere Energy自2016年开始进行出口业务运营，因此它不受其他能源公司因业务历史可追溯数十年而面临的遗留数据挑战的影响。因此，生成式AI的商业案例对于该公司来说并不像对于其较老的同行那样紧迫。“我们没有其他主要公司所拥有的遗留数据，而且与这些大型公司相比，我们的地理足迹相对较小，”Cheniere Energy的Shahid指出。 对于人工智能而言，数据管理与质量控制是主要障碍。“有句谚语‘垃圾进，垃圾出’，因此需要高质量且组织良好的数据才能使人工智能解决方案生效，而数据清理和数据