拥抱采购中的 AI 与机器学习：机遇、挑战与最佳实践

你漫长的采购生涯，很大程度上是被高管不断施压削减供应商成本所定义。数字技术随之而来，让你工作更轻松——或夺走你的饭碗。

至少，这是采购专业人士在人工智能与机器学习时代的恐惧。考虑到供应商选择和维护的所有因素，把任务交给能比一百人类处理更多数据的系统，难道不合理吗？

数据量持续增长。今日采购经理必须汲取多源情报，来自供应商自身、独立财务数据、新闻报道、第三方服务和社交媒体。采购分析软件商 Sievo 联合创始人 Sammeli Sammalkorpi 说：“采购组织尚未学会如何挖掘这些不同类型数据。”

AI 和机器学习似乎极适合此挑战。但它们将完全接管工作的恐惧似乎无据。谈到有效采购与供应商管理，可预见未来是人机协作。

“我真心相信 AI 角色不是取代人类，”Sammalkorpi 说。“机器学习和 AI 可提出发现，但你仍需调整什么相关、什么不相关。”

机器对明确定义问题的狭窄应用极有效。更甚，它们永远“在线”，运营成本极低，相比人类工人薪资福利。

但到了采取行动时刻，血肉之躯的经理必须介入。简单说，人类在对关键供应商做最终判断上仍更胜一筹。暂时，“机器学习仍不够可靠以驱动决策，”Sammalkorpi 说。（另一理由让人类留在回路：他们需保留选择责任，免得怪罪机器犯错。）

机器学习早期，技术可能接管供应商合同某些要素。随改进，买方将发现自己依赖系统处理越来越多任务，甚至不包括供应商审核选择的最终决定。

因 AI 和机器学习高度依赖复杂算法，公司可能假设需雇佣昂贵数据科学家团队运行系统、解读结论。Sammalkorpi 认为，对采购部门不必如此。他认为那类专长更适合从外包提供商获取。

“即使他们认为商业案例成立，”他说，“我们未见许多组织能在内部留住那种人才. 你仍需数据科学家，但我不认为采购组织是他们的正确位置。”

预测未来结果对机器如对人类一样难——即不可能。但机器学习擅长实时快速修正预测和行动计划，反映实际采购模式，Sammalkorpi 相信。

所有这假设采购能顺利将新技术融入运营。但 Forrester Consulting 受采购平台商 Ivalua 委托的新研究表明，远非如此。用“数字化成熟度指数”评估公司采购技术采纳进展，Forrester 发现大多数“显著高估”其在该方面的成熟度水平。

65% 被调查公司自认为“先进”，但仅 16% 其采购组织具备相应数字化成熟度以支撑该评估。

一问题在于许多公司在选采购技术时初始选择不佳。Forrester 研究中，82% 已切换或考虑切换技术供应商，理由为供应商入职水平差和用户采纳差。

此外，采纳周期过长。仅 17% 组织能在一个月内完成新供应商入职，59% 每供应商耗时一至三个月。

“采购领导者有机会为其组织交付真正竞争优势，”Ivalua 企业 CEO David Khuat-Duy 声明说。“数字化转型是成功关键，但要求对当前成熟度现实评估、各阶段清晰愿景和正确技术。”

所有这表明，AI 和机器学习形式的技术距将人类从采购职能弹射出去还很远，即使它在妥善评估实施时承诺增强运营。

工业技术