Condividi questo articolo
Seguici su LinkedIn
Le tecnologie di intelligenza artificiale (AI) stanno giocando un ruolo sempre più significativo nel trasformare il modo in cui operano le aziende in tutto il mondo. Nel 2023, c’è stata una vera rivoluzione legata alla disponibilità di piattaforme di AI, che ha aperto la strada a nuove possibilità e innovazioni. Le nuove funzionalità e i progressi dell’AI hanno avviato cambiamenti che stanno attualmente rimodellando il panorama aziendale; un’area che ha acquisito un’importanza significativa è la gestione degli acquisti.
In questo contesto, l’applicazione dell’Intelligenza Artificiale nel purchasing è particolarmente intrigante e significativa, poiché ha il potenziale per rivoluzionare la gestione della Supply Chain e i processi di approvvigionamento, consentendo alle aziende di raggiungere livelli più elevati di efficienza, ottimizzazione dei costi e un migliore controllo sulle operazioni aziendali.
“Prima di adottare l'Intelligenza Artificiale nel purchasing”.
Prima di tuffarti nell’adozione dell’AI nel purchasing, tuttavia, un passo fondamentale è digitalizzare il tuo processo Source to Pay. Questa è la base, senza la quale ogni sforzo nell’AI potrebbe rivelarsi inefficace o addirittura controproducente. Proprio come l’applicazione Facebook ha bisogno di accedere a Internet per offrire agli utenti interazione e utilizzo della piattaforma, allo stesso modo l’AI richiede una solida base digitale per funzionare efficacemente. Il processo Source to Pay digitalizzato fornisce i dati necessari, costituendo la base per il funzionamento dell’AI. Di conseguenza, l’AI può analizzare i dati storici degli acquisti, prevedere le tendenze, identificare aree di ottimizzazione e automatizzare i compiti di routine. Senza questa base, l’AI manca del contesto e delle informazioni necessarie per prendere una decisione consapevole.
Inoltre, gli strumenti digitali utilizzati nel processo garantiscono un flusso costante di dati, elemento chiave per il funzionamento efficace dell’intelligenza artificiale. Attraverso la digitalizzazione del processo di acquisto, le informazioni vengono raccolte in un unico luogo, facilitando sia la raccolta che l’elaborazione dei dati, consentendo un’analisi efficace da parte dei sistemi basati sull’AI.
Pertanto, gli investimenti nella digitalizzazione del processo Source to Pay sono un passo cruciale prima di implementare l’AI nel purchasing. Tale strategia consente alle aziende di costruire la solida base digitale necessaria per sfruttare appieno il potenziale dell’intelligenza artificiale nei processi di approvvigionamento. Senza di essa, l’AI potrebbe essere solo uno strumento inefficace che non riesce a fornire i benefici attesi e non supporta una gestione efficace delle spese aziendali.
Dov'è il confine tra oggi e domani?
Esistono molti diversi modelli di AI, ciascuno con le proprie applicazioni, metodi operativi e livelli di avanzamento. Queste diverse forme di AI offrono una vasta gamma di capacità e potenziali benefici per le aziende.
Non è mia intenzione annoiare il lettore elencando e descrivendo ciascuno di questi modelli, ma vale la pena notare che sono spesso utilizzati in varie aree del machine learning e dell’analisi dei dati. Per esempio:
le Deep Neural Networks (DNN) sono spesso utilizzate nel riconoscimento delle immagini e nell’elaborazione del linguaggio naturale.
La Regressione Logistica è popolare nella classificazione binaria (es. rilevamento spam).
- La Regressione Logistica può essere utilizzata per prevedere valori numerici (es. previsione della domanda di un prodotto basata su variazioni pianificate di prezzi, promozioni, ecc.).
- Gli Alberi di Decisione insieme alle Random Forest sono spesso utilizzati in problemi di classificazione (es. identificazione di potenziali fornitori basata su vari criteri come qualità del prodotto, prezzi, puntualità delle consegne, stabilità finanziaria, ecc.).
- L’Algoritmo del Vicino più Prossimo trova applicazione nell’analisi dei dati spaziali.
- Il “Naive Bayes” è spesso utilizzato in compiti di classificazione, specialmente nel contesto dell’analisi del testo.
L’obiettivo di questo articolo è delineare una tipologia di livelli di AI, che ti permetterà di comprendere e pianificare meglio il suo utilizzo per scopi aziendali, in particolare a supporto del purchasing. Ai fini di questo approccio, presenterò la divisione dell’intelligenza artificiale in livelli deboli e forti, dove:
- Intelligenza Artificiale Debole (ANI, Weak AI): comprende sistemi in grado di eseguire compiti o funzioni specifiche secondo regole o algoritmi programmati. Ciò include modelli di machine learning, tra cui modellazione statistica, reti neurali, alberi di decisione, ecc. Questi modelli apprendono dai dati e il loro obiettivo è eseguire compiti specifici come la classificazione, la previsione o l’analisi dei dati.
- Intelligenza Artificiale Forte (AGI, Strong AI): questo concetto si riferisce a una forma teorica di AI che avrebbe autocoscienza e la capacità di pensare in modo generale, analogamente alla mente umana. Tali modelli non esistono attualmente e sono oggetto di discussione nei campi della filosofia e della scienza. Non si tratta di modelli di AI specificamente definiti, ma di un concetto teorico che supera gli attuali traguardi nel campo dell’intelligenza artificiale.
Vale la pena notare a questo punto che, nelle considerazioni successive, mi concentrerò sull’applicazione pratica dell’AI di livello debole, stemperando in parte le aspettative di molti business leader riguardo al livello di supporto dell’AI non solo nel purchasing ma anche nella conduzione di tutti i processi chiave dell’impresa.
Nuove e vecchie fonti.
All’interno dell’AI di livello debole, opereremo con due tipi di intelligenza artificiale: AI generativa e AI discriminativa, dove:
- L’AI generativa si concentra sulla generazione di nuovi dati o contenuti basati sull’analisi di dati esistenti. I modelli generativi possono creare nuovi esempi basati su pattern e distribuzioni di probabilità e possono essere utilizzati per prevedere le tendenze d’acquisto o creare nuove strategie d’acquisto per categoria, mentre
- l’AI discriminativa si concentra sulla classificazione e l’analisi dei dati esistenti, aiutando a identificare pattern, tendenze e relazioni tra di essi. I modelli discriminativi sono utilizzati per distinguere e classificare i dati sulla base di esempi precedentemente elaborati. Vengono impiegati per il rilevamento delle frodi, delle anomalie, l’ottimizzazione dei processi di approvvigionamento, l’analisi degli acquisti di categoria in tempo reale, la segmentazione, l’identificazione dei fornitori, la valutazione del rischio o l’automazione del processo di valutazione delle offerte.
Perché menziono questa classificazione? Personalmente, sostengo che la combinazione di entrambi i tipi di intelligenza artificiale possa portare benefici aggiuntivi completandosi a vicenda e offrendo un approccio globale alla gestione degli acquisti. In questo modo, le aziende possono sfruttare appieno il potenziale dell’intelligenza artificiale debole (ANI) disponibile per ottimizzare i propri processi di approvvigionamento, aumentare l’efficienza e ottenere migliori risultati di business.
Applicazione pratica dell'AI qui e ora.
Sourcing – All’interno del sistema SAP Guided Sourcing, il processo RFX è supportato dall’AI. Utilizzando l’intelligenza artificiale, il buyer può implementare rapidamente il requisito, proporre fornitori idonei per rispondere all’RFX, utilizzando dati storici e valutazioni. L’AI in SAP Guided Sourcing identifica i fornitori qualificati e offre spunti preziosi per una decisione consapevole da parte del buyer. Un confronto del processo “senza” e “con” l’uso dell’AI è presentato nella Tabella 1.
Tabella 1
Tabella 1
| Senza supporto AI | Con supporto AI | |
|---|---|---|
| Buyer | Buyer | AI |
| Inizio di un evento di sourcing | Inizio di un evento di sourcing | |
| Importazione manuale delle righe della Richiesta d'Acquisto | Importazione ed estrazione intelligente dei dati (XLS) | |
| Revisione manuale della documentazione di supporto | Raccomandazioni per la lista dei fornitori | |
| Selezione manuale di domande/requisiti per i fornitori | Verifica delle raccomandazioni e selezione dei fornitori | |
| Selezione manuale dei fornitori | Raccomandazione dei prerequisiti per i venditori | |
| Pubblicazione dell'RFX | Definizione dei prerequisiti per l'evento basata sulle raccomandazioni | |
| Invio dell'RFX ai fornitori | Supporto alla selezione dei fornitori | |
| Pubblicazione dell'RFX | ||
Ordini d’Acquisto – All’interno del sistema SAP One Spend Guided Buying, il processo di acquisto è stato semplificato e accelerato, ad esempio per gli ordini di ingegneria. Il sistema consente a un dipendente (non un buyer) di descrivere le proprie necessità in linguaggio naturale e l’AI, deducendo le sue intenzioni, permette una rapida interpretazione del bisogno e la traduzione in prodotti o servizi specifici. Un confronto del processo “senza” e “con” l’uso dell’AI è presentato nella Tabella 2.
Tabella 2
Tabella 2
| Senza supporto AI | Con supporto AI | |
|---|---|---|
| Buyer | Buyer | AI |
| Necessità di ordinare un prodotto o servizio | Necessità di ordinare un prodotto o servizio | |
| Ricerca manuale di una proposta idonea nel sistema d'acquisto | Inserimento di una descrizione dell'ordine in linguaggio naturale | Supporto dell'AI nella comprensione delle frasi in linguaggio naturale del sistema d'acquisto |
| Identificazione manuale di prodotti e servizi correlati | Raccomandazione di prodotti e servizi compatibili tra loro | |
| Ordine | Selezione e ordine | |
| Indicazione e informazioni sullo stato dell'ordine | ||
Category Management – All’interno del sistema SAP Ariba Category Management, il processo di gestione delle categorie è stato automatizzato; questo, oltre a definire i profili delle categorie e a creare strategie di approvvigionamento basate su di essi, consente l’integrazione con i sistemi source-to-pay. Ciò abilita il supporto dell’AI nell’identificare e trasformare le iniziative in opportunità come progetti o eventi di sourcing.
Questi sono solo alcuni esempi di funzionalità già disponibili supportate dall’intelligenza artificiale nei sistemi SAP ARIBA per un purchasing efficace. Presto potremo aspettarci nuove applicazioni. Personalmente, mi aspetto:
- Generazione intelligente delle descrizioni degli articoli a catalogo per i fornitori: questa funzionalità consentirà la generazione automatica delle descrizioni degli articoli a catalogo basata sui dati disponibili, facilitando ai fornitori la creazione e l’aggiornamento dei cataloghi prodotti. Ciò renderà il processo di gestione dei cataloghi più efficiente e accurato, accelerando potenzialmente i processi d’acquisto e migliorando l’esperienza utente.
- Simulazione dei livelli di emissione di anidride carbonica quando non sono disponibili dati: questa funzionalità permetterà la simulazione dei livelli di emissione di anidride carbonica basata sui dati disponibili e sugli algoritmi di intelligenza artificiale, anche in assenza di dati specifici. Ciò consentirà alle aziende di monitorare e gestire meglio la propria impronta di carbonio, aspetto sempre più importante nel contesto dello sviluppo sostenibile e della tutela ambientale.
- Creazione automatizzata di scorecard ESG per i fornitori: questa funzionalità abiliterà la creazione automatica di scorecard ESG (Environmental, Social, Governance) per i fornitori basata sui dati relativi alle loro attività legate alla sostenibilità. Ciò permetterà alle aziende di valutare e monitorare la conformità dei propri fornitori alle linee guida sullo sviluppo sostenibile e alla responsabilità sociale d’impresa in modo più rapido ed efficace.
- Riepilogo intelligente degli errori tipici dei fornitori: questa funzionalità permetterà l’identificazione e il riepilogo degli errori tipici commessi dai fornitori nel processo d’acquisto, consentendo alle aziende di rispondere più rapidamente ed eliminare i problemi. Ciò renderà i processi d’acquisto più efficienti e privi di errori, con un potenziale risparmio di tempo e risorse.
Un riepilogo davvero intelligente.
Alla luce dei fatti sopra esposti, sembra che il futuro del purchasing risieda nelle applicazioni dell’intelligenza artificiale, che non solo aumenteranno l’efficienza del processo decisionale, ma snelliranno anche la collaborazione tra le entità della Supply Chain. Per le aziende che cercano un vantaggio competitivo, investire nell’AI nel purchasing sta diventando sempre più essenziale.
Tuttavia, per sfruttare appieno il potenziale dell’intelligenza artificiale, è necessario disporre di una solida base digitale sotto forma di un processo Source to Pay digitalizzato. Senza questa base, l’AI potrebbe essere solo uno strumento inefficace che non riesce a fornire i benefici attesi e non supporta una gestione efficace delle spese aziendali.
Pertanto, le aziende dovrebbero concentrarsi non solo sull’implementazione di nuove tecnologie, ma anche sulla modernizzazione dei processi d’acquisto esistenti per garantire le condizioni ottimali per sfruttare appieno il potenziale dell’intelligenza artificiale.
In sintesi, l’intelligenza artificiale ha il potenziale per rivoluzionare il modo in cui viene gestito il purchasing, consentendo alle aziende di raggiungere livelli più elevati di efficienza, ottimizzazione dei costi e un migliore controllo sulle operazioni aziendali. Tuttavia, per sfruttare appieno il potenziale dell’intelligenza artificiale, è necessario disporre di una solida base digitale e comprendere i diversi tipi di AI e le loro applicazioni pratiche nei processi d’acquisto.
