人工智能将如何影响采购

请跟我一起想象一下。假设你是中西部一家中型控制元件制造商的采购总监。一个阳光明媚的星期一早晨，你走进办公室，对你的数字桌面助理说：“好的，‘布里奇特’，给我看看过去一个月里2号装配线上无源元件的消耗情况，并根据当前的消耗量和预期发货量（±10%），给我一份90天的订单预测供我审阅。”

几秒钟后，一张电子表格便会弹出在你的电脑屏幕上，你的数字助理还会询问你是否希望将预计的元件需求与预估的公开市场元件库存进行匹配，并将预期关税上涨带来的价格波动纳入考量。

这就是人工智能（AI）在持续改变采购行业过程中所许下的承诺。然而，问题在于，我们距离这一场景还有多远？

自从1956年斯坦福大学计算机科学家约翰·麦卡锡首次提出“人工智能”（AI）这一术语以来，其定义已经发生了相当的演变。最初的用法将AI称为“能够执行通常需要人类智能才能完成的任务的计算机或机器系统”。

1961年，英国科学家兼数学家艾伦·图灵撰文探讨了机器能够“模拟人类并做出智能行为”的设想。当时的关键词是“模拟”。

然而，如今这一术语的定义，已不仅仅是计算机或机器“模拟”的能力，而是实际执行相当于人类学习和决策的操作的能力。区别就在于加入了“学习”一词，这意味着机器能够从与其环境的互动经验中，或作为环境的一部分进行适应，并相应地调整自己的行为。

机器学习真正定义了新一代AI，这也使得它在采购系统和供应网络中的应用格外有趣。机器学习依赖于对某一流程或系统产生的大量数据的获取与分析，然后从这些数据中学习，以便为其他系统提供建议，甚至直接对其进行控制。

采购环节会产生大量AI系统可以从中学习的数据，而随着精密传感器及传感器网络，以及物联网日益成为流程控制系统、库存管理系统以及运输和物流网络中更为关键的一部分，这些数据集也变得越来越丰富。

然而，如今在许多采购部门中，分析和大数据占据主导地位，而数据质量和整合却退居次要。这意味着，来自批量定价、批量交付或其他采购效率所带来的相对较小的成本节约，反而优先于AI真正擅长的事情，比如识别采购过程中的认知偏差，而后者本可带来大得多的效率提升。

事实上，AI最直接的影响或许在于提醒企业注意那些此前未被考虑到、却会影响其绩效的因素。通过支出分析软件，深入了解一个组织的总体支出情况，可以理清大量支出数据，并促成支出整合、成本降低、流程加快以及整体效率的提升。

在采购职能中运用AI，再加上企业对整合数据采集和智能流程的承诺，也可以为整体战略思维和寻源带来新的机遇。利用自然语言处理技术开发的认知采购顾问（CPA）和虚拟个人助理（VPA）——就像我们开篇例子中的“布里奇特”一样——可以为整个采购职能带来更高的自动化水平和效率。

例如，认知采购顾问可以生成摘要、提供建议，并就供应商评估、绩效、风险管理和合规性提出建议。软件供应商SAP Ariba已推出一款AI驱动的解决方案，该方案能够理解企业的采购政策和流程，并将其应用于发票和付款环节，从而减少错误、加快处理速度。

简而言之，AI系统要么已经存在，要么正在开发之中，它们所承诺具备的能力包括但不限于：

然而，拥有这种分析处理能力，并不意味着其大规模应用正在快速展开。事实上，哈克特集团（Hackett Group）最近的一项研究显示，尽管85%的大型企业高管认为数字技术将在未来3-5年内改变他们提供服务的方式，但其中只有32%的人已经在公司内部实施了数字化战略。

尽管整体数字化战略仍存在这种空白，但弗雷斯特研究公司（Forrester Research）指出，到2019年底前，55%的企业将投资某种形式的AI；而高德纳公司（Gartner Inc.）的研究则表示，到2023年，近50%的大型跨国企业将在供应链运营中使用AI。

显然，某种AI增强软件在各行各业以及采购职能中的实际应用，正开始逐渐赶上人们对它的期望。如果你就职于一家大型跨国企业，那么你很可能已经深度参与了各种运用AI的战略实施之中。事实上，你或许已经在为订单履行部署AI辅助的机器人技术，并正在讨论进一步扩大使用AI驱动的机器人来协助仓库工作人员。

技术的发展与实际应用并不总是同步进行。但技术发展在21^世纪初期，尤其是AI在智能采购系统中的应用，正在加速推进。事务性工作正变得自动化。基于海量指标分析做出的决策即将变得司空见惯。基于同样指标做出的预测也必将随之而来。

这一切都意味着，无论是大型还是小型组织，其采购职能都将日益从运营层面转向战略层面。AI将对这一变革的速度产生重大影响。有一点是肯定的：AI已经并将持续存在下去。

您是否认为这篇文章有用？请分享！