Fermer

juillet 23, 2019

3 façons dont AI rend les achats plus intelligents


En 2017, Gartner avait prédit que l'intelligence artificielle (IA) bénéficierait aux technologies d'approvisionnement et d'approvisionnement. Ce moment est arrivé, a déclaré Mike Quindazzi, directeur général de PriceWaterhouseCoopers et influent influent dans le domaine des technologies financières.

la puissance de calcul et la capacité de le faire dans le cloud à grande échelle ", a déclaré Quindazzi.

Les données sur les achats ont explosé, car les achats sont devenus une" gestion intelligente des dépenses ", qui supervise tous les processus d'achat des entreprises, achats directs et indirects compris. , voyages et main-d'œuvre externe.

Quindazzi met en garde que bien qu'AI ait de nombreux cas d'utilisation dans les achats, tels que l'évaluation des vendeurs, «il y aura toujours un humain à la fin des processus d'IA, il doit donc y avoir un sens des responsabilités . ”

Les chefs d'entreprise doivent faire preuve de transparence en ce qui concerne les métriques et les données utilisées, la manière dont les fournisseurs ont été sélectionnés et classés, ainsi que d'autres éléments ayant servi de base aux algorithmes d'IA.

t Conférence SAP Ariba Live, SAP a présenté de nombreuses manières l’impact de l’intelligence artificielle et de la technologie d’apprentissage automatique sur la gestion intelligente des dépenses.

Gestion cohérente des contrats

Les négociations entre entreprises et fournisseurs se déroulent en deux phases: légale et opérationnelle. Mais ces deux phases résident dans des documents et des systèmes différents – et peuvent facilement devenir incohérentes.

Les contrats juridiques sont généralement des données non structurées stockées dans des documents Word, tandis que les contrats opérationnels sont des documents structurés qui résident dans des applications ERP ou de réseau de distribution. Les accords opérationnels incluent des données telles que des conditions de tarification spécifiques, des postes individuels ou des informations comptables. Si ces informations changent, les deux contrats peuvent ne plus être synchronisés.

Par exemple, dans le passé, si le prix changeait pour un article spécifique du contrat opérationnel, il devait être mis à jour manuellement dans l'accord légal. Mais cette réconciliation ne s’est pas toujours produite. Les nouvelles fonctionnalités de synchronisation assureront automatiquement la cohérence entre les deux documents.

De nouveaux prototypes basés sur l'apprentissage automatique analysent les documents juridiques et les comparent aux conditions de tarification et d'achat des accords opérationnels. Le prototype d'apprentissage automatique peut faire des recommandations en cas d'incohérences. Par exemple, la solution peut garantir que les taxes et les frais d'assurance dans les contrats sont adaptés à des régions et à des pays spécifiques sur lesquels les transactions sont basées.

Rédaction de contrats guidée par Chatbot

Les grandes entreprises disposent généralement de référentiels contenant des milliers de contrats. . L'apprentissage automatique peut exploiter les données non structurées de ces référentiels pour aider les professionnels de l'approvisionnement à rédiger plus intelligemment les contrats et à éviter de manière proactive les problèmes potentiels.

SAP développe un chatbot d'IA qui passe en revue les contrats et propose des optimisations basées sur des modèles historiques. Par exemple, le chatbot peut suggérer des conditions de paiement différentes ou recommander une clause légale particulière qui régit une loi sur les assurances spécifique à une région donnée.

Des données externes sont également introduites dans plus de 600 000 sources privées et publiques, de sorte que le chatbot sait à quel moment se présenter comme neuf. les lois sur les assurances spécifiques aux régions sont promulguées. Cela permet au chatbot de signaler les risques et de proposer des alternatives.

Ventes aux enchères de sourcing

Pour trouver le meilleur fournisseur, les grandes multinationales organisent des événements de recherche de fournisseurs, appelés ventes aux enchères. Bram Purnot, un architecte de solution pour SAP Ariba, a expliqué que ces événements aident les entreprises à négocier les prix ou à trouver le meilleur fournisseur sur la base d'autres critères, mais la tenue des enchères peut être très complexe. Certains pourraient se concentrer sur une région ou un produit spécifique, ou une combinaison de facteurs. Par exemple, une entreprise peut vouloir des fournisseurs pour le beurre de karité le moins cher et le plus durable produit en Afrique de l’Ouest.

Pour illustrer ce qui suit: En collaboration avec une grande entreprise néerlandaise qui tient beaucoup de ces ventes aux enchères, SAP Digital Business Services a créé un prototype qui utilise l'apprentissage automatique et les chatbots pour aider à gérer les enchères. Une fois qu'une enchère a été créée, les chatbots suggèreront sa durée, qui devrait être invité et le nombre de participants à inclure.

Ces chatbots sont alimentés par un algorithme d’apprentissage automatique qui a analysé les données existantes pour prédire comment pour exécuter l'enchère la plus réussie. Par exemple, si l'entreprise recherche des services de transport, l'application peut recommander des fournisseurs japonais plus efficaces que le commissaire-priseur néerlandais pour ce type d'enchères.

Le défi de l'IA et du changement commercial

AI est arrivé, mais les organisations ont besoin d'aide pour adopter de nouveaux processus. Judith Hurwitz, présidente et chef de la direction de Hurwitz and Associates, société de conseil et d'analyse en technologies, recommande aux entreprises d'adopter une approche hybride pour déterminer comment utiliser l'IA, comprenant à la fois des scientifiques de données et des professionnels de l'approvisionnement.

de manière isolée – ce n'est pas simplement un algorithme, il a besoin de l'expertise d'experts en affaires », a déclaré Hurwitz. Cet article a été publié à l'origine sur Forbes et est republié avec son autorisation.




Source link