少しの間、私と一緒に想像してみてください。あなたは中西部にある中規模の制御部品メーカーの調達担当ディレクターだとします。ある晴れた月曜日の朝、あなたはオフィスに入り、デジタルデスクトップアシスタントにこう話しかけます。「よし、『ブリジット』、先月組立ライン2で使用された受動部品の消費状況を見せてくれ。それと、現在の消費量と予想される出荷量（±10%）に基づいて、確認用の90日間の発注予測を出してほしい」。

数秒後、コンピューター画面にスプレッドシートが表示され、デジタルアシスタントは、見込まれる部品需要と公開市場での推定在庫を照合し、予想される関税引き上げによる価格変動も考慮に入れるかどうかを尋ねてきます。

これこそが、購買分野を変え続ける人工知能（AI）がもたらす未来です。しかし問題は、私たちがこのシナリオからどれほど離れた地点にいるのか、ということです。

「人工知能」（AI）という用語は、1956年にスタンフォード大学のコンピューター科学者ジョン・マッカーシーによって初めて提唱されて以来、その定義はかなり進化してきました。当初、AIとは「通常は人間の知能を必要とするタスクを実行できるコンピューターまたは機械システム」を指していました。

1961年、英国の科学者であり数学者でもあったアラン・チューリングは、「人間をシミュレートし、知的な行動を行う」ことができる機械という考え方について論じました。当時の重要な言葉は「シミュレート」でした。

しかし、今日使われているこの用語の定義は、単に「シミュレートする」だけでなく、人間の学習や意思決定に相当する処理を実際に行うコンピューターや機械の能力を指します。その違いは「学習」という言葉が加わった点にあり、これは機械が自らの環境との経験、あるいは環境の一部として経験から適応し、それに応じて行動を調整することを意味します。

機械学習こそが新しいAIを真に定義するものであり、そのため調達システムやサプライネットワークにおける機械学習の活用は特に興味深いものとなっています。機械学習は、あるプロセスやシステムによって生成される膨大な量のデータの取得と分析に基づいており、そのデータから学習することで、他のシステムに助言を与えたり、あるいは文字通り制御したりします。

調達業務は、AIシステムが学習できる膨大なデータを生成します。そして、高度なセンサーやセンサーネットワーク、さらにはモノのインターネット（IoT）が、プロセス制御システム、在庫管理システム、輸送・配送ネットワークにおいてますます重要な役割を担うようになるにつれ、データセットはますます豊富になっていきます。

しかし、今日の多くの調達部門では、アナリティクスとビッグデータが重視される一方で、データの品質や統合は後回しにされがちです。つまり、数量割引や一括配送などの購買効率化によって得られる比較的小さなコスト削減効果が、調達における認知バイアスの特定など、AIが本来得意とし、はるかに大きな効率化につながり得る分野よりも優先されているということです。  

実際のところ、AIが最も即効性のある影響を与えられるのは、これまで考慮されていなかった、業績に影響を与える要因について企業に警告を発することかもしれません。支出分析ソフトウェアを通じて組織全体の支出を把握することで、膨大な支出データを意味あるものとして理解し、支出の一元化、コスト削減、プロセスの迅速化、そして全体的な効率向上につなげることができます。   

購買機能におけるAIの活用は、統合されたデータ収集とスマートなプロセスへの企業の取り組みと相まって、全体的な戦略的思考やソーシングにおける機会をもたらすこともあります。冒頭の例に登場した「ブリジット」のように、自然言語処理を用いた認知型調達アドバイザー（CPA）やバーチャルパーソナルアシスタント（VPA）の開発は、調達機能全体における自動化と効率の向上につながる可能性があります。

例えば、CPAは要約を作成し、助言を与え、サプライヤー評価、パフォーマンス、リスク管理、コンプライアンスに関わる提言を行うことができます。ソフトウェアサプライヤーであるSAP Aribaは、企業の購買方針や手続きを理解し、それを請求書処理や支払い分野に適用することでエラーを減らし処理を迅速化できる、AI駆動型のパッケージをすでに提供しています。

これらすべてを簡潔にまとめると、AIシステムはすでに存在しているか、または開発が進められており、少なくとも以下のような能力を約束するものです。

• 内部の支出データにおける不完全または不正確な部分の検出
• 定型業務（サプライヤーとの交渉、在庫リストの更新など）の自動化
• 内部データと外部トレンドおよび個々のサプライヤーデータとの比較によるリスク管理の向上
• 為替レートの変動とそれが支出に与える影響の追跡・報告
• 過去のトレンドに基づく自動購買提案
• 内部と外部の調達機能のパフォーマンスおよび支出パターンに関する洞察
• 特定の生産ニーズに合わせたサプライヤーの推奨
• より迅速なプロセス、コスト削減、効率向上の機会の特定
• 外部の需要トレンドを分析した価格パターンの予測

しかし、こうした分析処理能力が利用可能になったからといって、その大規模な導入が同じペースで進んでいるわけではありません。実際、Hackett Groupによる最近の調査では、大企業の経営幹部の85%が、今後3~5年でデジタル技術がサービス提供の方法を変えると考えている一方で、実際に自社でデジタル戦略を導入しているのはわずか32%にとどまることが示されています。

しかし、こうしたデジタル戦略全体の空白にもかかわらず、Forrester Researchは、2019年末までに55%の企業が何らかの形でAIに投資すると指摘しており、また、Gartner Inc.の調査によると、2023年までに大手グローバル企業の約50%がサプライチェーン業務においてAIを利用するようになるとされています。

明らかに、業界全体、そして調達機能においても、何らかの形でAIを活用したソフトウェアの利用という現実が、その期待に追いつき始めています。もしあなたが大規模なグローバル企業で働いているなら、すでにAIを活用したさまざまな戦略の導入に深く関わっている可能性が高いでしょう。実際、注文処理のためにAI支援型のロボット技術をすでに導入していたり、倉庫作業員を支援するAI駆動型ロボットの活用拡大について議論していたりするかもしれません。

技術の発展と実際の導入は、必ずしも歩調を合わせて進むわけではありません。しかし、21^世紀 初頭における技術の発展、とりわけスマート調達システムにおけるAIの活用は、ますます急速に進んでいます。定型的な取引業務は自動化されつつあります。膨大な指標の分析に基づく意思決定は、間もなく当たり前のものとなるでしょう。そして、同じ指標に基づく予測も間違いなくそれに続くはずです。

これらすべてが意味するのは、大小を問わず組織における調達機能が、今後ますます業務的なものから戦略的なものへと移行していくということです。AIはこの変化のスピードに大きな影響を与えるでしょう。一つ確かなことがあります。AIはこれからも存在し続けるということです。