自主将成为采购和供应链运营的未来

2如今，人工智能(AI)驱动的智能采购协调与引导式采购解决方案正重塑采购流程：通过自动化工作流和极简操作界面，使非专业人员仅需1-2次点击即可完成过去需多步操作的复杂任务。这种易用性正推动采购软件的普及，全面提升企业供应链各环节的效率、合规性、安全性、协作能力、现金流和整体价值。然而，这只是未来发展的一个序幕。最早在2025年，采购与供应链运营将开始采用人工智能代理（及其更高级版本“自主人工智能”），这些代理将与员工协同工作，精准执行决策和任务，覆盖采购乃至最复杂的全球供应链网络。与ChatGPT等基于大语言模型(LLM)的聊天机器人不同，这些人工智能代理无需人类给出提示词，其设计初衷也非简单自动执行既有业务流程。这些代理具备自我反思能力，其内置的记忆引擎可让它们从错误中学习。它们不仅能做出响应，更能持续学习、自我优化，并作为团队一员协同工作。何为人工智能代理？人工智能代理是软件驱动的智能实体，能运用人工智能自动执行任务并独立做出决策。人工智能代理的能力源于其“吸收”或处理的海量数据，它们既能识别数据价值，又能与其他数据源（实际上就是其他代理）持续“对话”，实现预警、决策和/或自主行动。在采购与供应链领域，人工智能代理可承担多项职责，包括管理供应商沟通、自动执行采购订单处理、优化库存以及开展实时市场分析。 人工智能代理将推理能力与LLM输入功能相结合，员工可用自然语言提问并指导代理执行任务。这些代理能提供卓越的用户体验，因为非技术人员只需一次搜索就能完成所有操作。Gartner预测，到2028年，33%的企业软件应用程序将搭载“自主人工智能”（2024年占比不足1%），届时15%的日常决策将实现自主化。人工智能代理有望成为继生成式人工智能之后，企业采购与供应链运营的下一个变革性技术。例如，人工智能代理可接管企业端到端的采购流程，这些流程目前仍依赖传统软件表单。这些表单可用于库存核查与维护、补充物料采购、条款与付款协商，以及企业持续采购活动中的数十项其他工作。人工智能代理将实现众多常规任务自动化、优化实时决策并加强供应商协作，助力企业高效灵活应对全球供应链的复杂性。采购的未来在于将人工智能代理深度整合为决策伙伴，使员工能专注于战略与创新工作。这些人工智能代理将在企业资源规划(ERP)系统、采购平台和供应商门户间无缝交互，持续分析数据以确保决策与战略目标一致。到2025年，人工智能代理将从简单的自动化工具进化为成熟的决策者，能够实时管理复杂的采购与供应链运营。 GEP的人工智能代理将实现采购到合同(S2C)和采购到付款(P2P)流程变革GEP正在开发多代理框架，旨在实现采购到合同(S2C)和采购到付款(P2P)流程的关键功能自动化，增强实时决策能力，并重新定义企业如何管理复杂的供应商生态系统。GEP的多代理框架由多个基于大语言模型(LLM)并具备推理能力的人工智能代理组成，这些代理可相互通信，从而提升系统的智能性、适应性，并辅助决策。GEP的目标是消除繁琐耗时的行政流程，让员工和供应商专注于战略职责，帮助客户更高效地挖掘数据价值，并优化现金流、库存、风险和成本。2025年第一季度，GEP将开始部署人工智能代理，重点优化客户采购和合同流程中的关键环节，首批应用场景包括：1.RFx代理：将负责创建RFx，包含针对不同类型RFx的子代理（RFI、RFQ、RFP），无论是用于新产品开发还是现有产品的重新报价。2.供应商响应管理代理：将管理供应商回复，自动验证回复内容，并在缺失信息时向供应商提供反馈。3.响应评估与记分卡代理：将根据评估标准生成记分卡，推荐最优供应商。4.授标代理：将合同授予选定供应商，并将采购过程中收集的信息转化为正式合同。 人工智能代理如何进行部署多重关联因素正推动人工智能代理在采购与供应链运营中崛起： 1.应对供应链规模与复杂性全球供应链极其复杂，且日益加剧。采购团队跨多个地域管理着数百乃至数千家供应商网络，同时应对地缘政治不确定性、民族主义贸易政策抬头、关税波动、供应链中断、极端天气事件和市场环境变化等多重风险。传统流程基于历史销售数据和回顾性数据。这些流程依赖人工干预，完全无力应对这种复杂性。人工智能代理提供了解决方案，即自动执行订单处理和供应商沟通等常规任务。更重要的是，它们能自主调整运输路线或采购策略，以应对实时中断。这些代理通过持续分析海量供应链数据，使采购团队从被动应对转向主动战略布局。例如，当制造商因关键港口罢工面临中断时，人工智能代理可自主推荐替代供应商、重新协商条款或调整运输路线以最大限度减少延误，全程无需人工干预。 2.实时决策大多数采购决策基于历史数据和关键生产物流枢纽的新闻报道，采取被动应对方式，这往往会导致错失良机或延长中断。人工智能代理将实现数据驱动的实时决策。这些代理能自主监测市场动态、供应商表现及地缘政治事件或大宗商品价格波动等风险因素。当检测到异常时，数字代理可自动做出调整-无论是切换供应商、锁定优惠价格还是增加库存以降低风险。这种能力在当今至关重要，快速且明智的决策能带来竞争优势。例如，人工智能代理能分析大宗商品价格并推荐采购策略调整，基于当前市场条件锁定有利条款-其反应速度远超人工团队。 3.增强供应商协作管理供应商关系对任何采购职能的成功都至关重要。然而，这一过程可能高度依赖人工且耗时，尤其是在跨多个地域管理数千家供应商时。采购团队常被日常事务拖累，如发送采购订单、跟踪物流和解决纠纷，而如今鲜有企业能掌握其供应链中关键二级或三级供应商的情况。人工智能代理可自动处理这些常规交互，并提升采购团队与供应商间的协作效率。人工智能代理通过自主监控供应商绩效、协商条款并实时跟踪交付状态，可使采购团队从繁琐的行政事务中解放出来，转而专注于战略供应商关系管理和创新等高价值工作。 4.通过预测分析降低风险传统的风险管理方法往往是被动应对，只在问题出现后才进行处理。人工智能代理运用预测分析技术，预判潜在中断风险并主动推荐应对措施。人工智能代理将整合各类外部情报数据流，包括大宗商品价格、天气预报、港口与工厂关停动态，以及关键供应商的经济指标和财务信息-这些数据如今皆可实时获取。人工智能代理将整合企业内部的订单、库存、物流及供应商数据，通过预测分析识别潜在问题，提供可行替代方案并降低风险。例如，当人工代理检测到即将到来的风暴可能中断运输路线时，它会自动调整配送路径或修改采购计划。这一能力使企业能够主动规避风险，在突发干扰中维持业务连续性-这将成为2025年采购领导者的一项关键优势。 9尽管人工智能代理的优势显著，但要充分发挥其潜力仍需周密规划。对于刚开始探索这一领域的高管，以下是几个关键考量点：1.确保数据质量：人工智能代理的决策完全依赖于准确、最新且安全的数据。在引入这些工具前，投资数据整合并建立严格的数据治理机制至关重要。高管应开展数据审计，确保采购与供应链数据清洁、标准化且便于人工智能代理调用。2.建立标准：最大障碍在于建立并推行能让人工智能代理无缝交互的标准。3.推动员工认同：人工智能代理需要人类监督与协作。这些工具旨在辅助和增强而非取代人类的能力与决策。开展包括培训和研讨会在内的变革管理措施，这对帮助团队采纳并信任这些新方案至关重要。4.从小规模试点项目入手：高管应首先明确人工智能代理能快速创造价值的具体采购流程或供应链职能。专注于自动执行采购订单处理或供应商选择的试点计划，可为人工智能代理如何融入更广泛的组织架构提供重要洞见。实施指南：采购与供应链领导者的关键考量点 GEP®致力于提供人工智能驱动的采购和供应链解决方案，助力全球企业实现敏捷性与适应性、运营成效、竞争优势以及盈利能力的全面提升，从而为股东创造更大价值。公司集前瞻性思维和创新性产品于一体，具有广博精深的专业知识和锐意进取的优秀人才；以这些宝贵资源为依托，GEPSOFTWARE™、GEPSTRATEGY™和GEPMANAGEDSERVICES™得以向客户提供卓越的采购和供应链解决方案，将规模、功能与效率推向全新水平。我们的客户大多是全球行业领导者，其中包括超过1000家财富500强企业和全球2000强企业，他们依靠GEP的卓越产品及服务来实现雄心勃勃的战略、财务和运营目标。GEP多次被Gartner魔力象限评为领导者，所开发的云原生软件和数字业务平台屡获殊荣，并得到众多行业分析师以及Gartner、Forrester、IDC、ISG和Spend Matters等研究公司和媒体机构的认可。此外，GEP还经常被ALM、EverestGroup、NelsonHall、IDC、ISG和HFS等公司评为顶级采购和供应链咨询和战略公司以及领先的管理服务提供商。GEP总部位于新泽西州克拉克，在欧洲、亚洲、非洲和美洲均设有办事处和运营中心。如欲了解更多信息，请访问www.gep.com。GEPSMART是一款搭载人工智能技术的云原生软件，通过简单易用的平台，提供全面的寻源到付款功能，其中包括支出分析、寻源、合同管理、供应商管理、采购到付款、节约项目管理、节约额跟踪、发票开具以及诸多其他相关功能，无论是直接采购还是间接采购，均可轻松应对。100 Walnut Avenue, Clark, NJ 07066 | P 732.382.6565 | info@gep.com |www.gep.com新泽西州克拉克|芝加哥|亚特兰大|多伦多|墨西哥城|哥斯达黎加圣何塞|圣保罗|都柏林|伦敦阿姆斯特丹|法兰克福|布拉格|罗马尼亚克卢日-纳波卡|比勒陀利亚|孟买|海得拉巴|哥印拜陀吉隆坡|新加坡|印尼泗水|上海|大连|东京|悉尼版权所有© 2024 GEP。保留所有权利。 GEPNEXXE是统一且全面的供应链管理平台，可为当今复杂的全球供应链提供端到端规划、可视化、执行和协作功能。作为新一代软件平台，GEPNEXXE以大数据、人工智能和机器学习为依托，能够帮助企业将供应链转变为竞争优势。