Кейс. Как AI помогает в работе закупок и как использовать передовые решения, находясь в России?

Выступление Виктора Коданева, члена академического совета, профессора практики Высшей Школы Бизнеса НИУ ВШЭ, на VII ежегодном всероссийском форуме директоров по закупкам VPROC 2024.

Помимо блестящего академического образования Виктор Коданев является опытным практиком. Он 13 лет управлял закупками в Heavy Industry (ЦБП, металлургия) и QSR (Dodo Brands). В 2023 году признан лучшим директором в России по закупкам (по версии рейтингового агентства RAEX).

На каких участках S2P использование AI является наиболее обоснованным и полезным сегодня?

Использование AI помогает сократить рутинные операции, повысить эффективность и качество принимаемых решений. Помимо этого, снижается зависимость от линейного персонала и повышается уровень взаимоотношений с поставщиками. Только одно это делает внедрение AI обоснованным и полезным.

Что конкретно можно сделать уже сейчас:

1. Прогнозировать спрос.
   
   АI может анализировать данные о продажах, сезонных колебаниях спроса, маркетинговых активностях и других факторах для предсказания будущего спроса. Это помогает оптимизировать уровень запасов, избегать излишков или нехватки товаров и уменьшать риски, связанные с ошибками в планировании закупок.
    
2. Выполнять поиск и анализ поставщиков.
   
   Помогает в поиске и оценке потенциальных поставщиков. Анализирует их качество, надежность, цены и другие параметры. Сокращает время работы и повышает ее экспертность.
    
3. Оптимизировать процессы закупок.
   
   Автоматизирует рутинные задачи, такие как создание заказов, проверку документов, управление контрактами и др. Это высвобождает сотрудников, сокращает время на выполнение операций и снижает вероятность ошибок.
    
4. Вести анализ и управление рисками.
   
   АI помогает идентифицировать потенциальные риски, связанные с закупками, такие как изменение цен, нестабильность поставок, финансовые проблемы у поставщиков и прочее. За счет этого снижается уровень потенциальных угроз для бизнеса.

Обзор хайп цикла Гартнера на 2024 год – какие технологии используются сегодня, какие будут использоваться завтра?

Хайп цикл Гартнера, предложенный американским консалтинговым агентством Gartner, описывает собой модель, показывающую циклы развития технологий. Он включает в себя стадии от инновационного триггера до пика завышенных ожиданий, устранения иллюзий и выхода на плато продуктивности. По Гартнеру, время внедрения и использования технологий AI в области доставки и закупок уже пришло.

Согласно опросу-исследованию, проведенному Российской ассоциацией директоров по закупкам, в России существует целый ряд компаний, которые успешно внедряют технологии AI и достигли значительных результатов в этом направлении.

Сегодня в своей работе они используют:

• МL (machine learning) – машинное обучение.
• RРА (robotic ргосеss) – роботизацию процессов.
• NLР (natural language ргосessing) – обработку естественного языка.

Завтра возможности AI расширятся до:

• Предиктивной и прескриптивной аналитики.
• Систем автономного снабжения.
• Интеграции с блокчейном и loT.

Тем не менее, подавляющее большинство компаний современные IT-решения в закупках почти не используют: 69% не применяют Чат-боты, 71% ChatGpt, 61% прескриптивную аналитику, 81% Fin–tech.

Концепция автономного снабжения – когда и где роботы заменят человека в цикле закупок?

Концепция автономного снабжения предполагает замену человека в цикле закупок роботами и автоматизированными системами. Такие системы позволяют снизить зависимость от человеческого фактора до минимума. Повысить операционную эффективность и качество принимаемых решений.

Переход к автономному снабжению требует комплексного подхода и учета всех аспектов процесса. Для максимально эффективного функционирования автономного снабжения, прежде всего, придется обеспечить единую интеграцию и автоматизацию всех процессов.

Необходимо понимать – автономное снабжение может стать ключевым направлением развития в области закупок и поставок в будущем. И хотя пока его нельзя реализовать на практике в полном объеме, отдельные элементы системы востребованы компаниями и в той или иной мере реализуемы сегодня. Например, уже используется:

• SRM – системы управления закупками.
• EDI – обмен данными с поставщиками.
• TMS – управление транспортом.
• Punch-out – закупки по каталогам.
• BIG Data – большие данные.
• RPA – роботизация процессов.
• Предиктивная аналитика.
• Прескриптивная аналитика.
• Чат-боты.
• ChatGpt и аналоги.

Кейсы и рекомендации по внедрению AI в закупках

• Недостаток кадров и компетенций в области AI сегодня стал одной из самых больших проблем. Развитие цифрового интеллекта и возможности по управлению проектами являются важными компонентами для успешного внедрения AI в области закупок.
• Компании с разным уровнем зрелости в области AI могут столкнуться с различными вызовами при внедрении новых технологий.
• Для эффективной работы систем с использованием AI требуются чистые и нормализованные данные. Важно обеспечить совместимость, полноту признаков и степень обогащения информации.
• AI может применяться для обновления нормативных данных компании. Это включает в себя сбор информации из различных источников данных – внешних и корпоративных. В итоге внутренние пользователи смогут получать оперативную информационную и консультативную поддержку от системы.
• Чат-боты, использующие дерево сценариев и AI, могут быть реализованы для различного взаимодействия с внутренними и внешними пользователями.
• Перспективным направлением развития IT-технологий в области закупок является интеграция AI с блокчейном и финтехом. Блокчейн обеспечивает безопасность и прозрачность транзакций, а финтех-решения могут предложить инновационные финансовые продукты и услуги

Использование AI в сфере закупок способствует повышению конкурентоспособности компаний, улучшению клиентского опыта и укреплению их позиций на рынке.

На нашем сайте доступны программы ближайших форумов, списки спикеров и другая информация о наших проектах.

Перейти к мероприятиям

vproc #форумпозакупкам #закупки #коммерческиезакупки #interforum #interforums