专业采购人员面临的挑战比以往任何时候都更加艰巨。近年来，消费者非常熟悉的供应链中断和成本上升问题对企业采购产生了巨大影响。

与此同时，采购团队不仅要满足业务需求，还要为业务增长和盈利做出贡献，因此他们面临着越来越大的压力。

（来源：AI 生成）

德勤 2023 年全球首席采购官调查显示，采购团队现在被要求解决更广泛的企业优先事项。这些措施包括提高运营效率（74%）、加强企业社会责任（72%）以及通过降低成本提高利润率（71%）。

为了满足这些不断增长的期望，许多采购团队正转向高级分析、人工智能和机器学习技术，以改变他们做出智能商业购买决策的方式，并为组织创造价值。

人工智能解锁新的采购能力

人工智能和机器学习工具长期以来一直帮助采购团队自动化日常和手动采购流程，使他们能够专注于更具战略性的东西。

但亚马逊商业部门（Amazon Business）的软件开发总监朱莉·斯库利（Julie Scully）表示，自然语言处理（NLP，natural language processing）、模式识别、认知分析和大型语言模型（LLM，large language model）的最新进展“为提高采购效率和效果开辟了新机会”。

好消息是，采购团队已经做好了利用这些技术进步的准备。他们可以访问合同、发票等丰富的数据源，从而实现人工智能和机器学习解决方案。这些解决方案可以阐明这些数据中包含的见解。

根据这些见解采取行动可以释放出新的能力，能够增强决策并改善整个组织的支出模式。

预测供应链中断。在供应链不断中断的时代，采购团队经常面临物资供应问题，这可能会对员工和客户体验产生负面影响。

事实上，德勤 2023 年全球首席采购官调查发现，只有 25% 的公司能够“在很大程度上”及时发现供应中断。

人工智能工具可以帮助解决这一问题。它能识别出一些模式（规律），表明供应短缺的问题即将出现，并自动向商业买家推荐两到三种产品替代品，从而防止供应中断。

这些预测能力还使采购团队能够制定购买政策，主动将更有可能短缺的物品纳入考量。

快速应对紧迫的问题。对采购人员来说，筛选数据以了解供应链中断、产品缺陷或其他风险的原因是十分耗时的。

斯库利说，大型语言模型支持的聊天机器人可以通过理解关于订单的复杂查询，并“得出不错的答案”，从而简化这些流程。

“人工智能可以查询各种来源，以一种自然易懂的方式快速、全面地回答问题。”除了为紧迫的问题提供快速而准确的答案外，人工智能还会减少解释采购问题的需要。相反，它将主动分析订单、购买模式和当前情况，以提供即时支持。

提供定制的建议。随着商业买家越来越多地要求个性化体验，采购人员正在寻求定制的互动方法。

斯库利举了一个例子，一名员工需要为 150 名员工举办节日派对，他需要决定采购哪些东西。

她说，针对这种场景，一个基于人工智能的采购工具可以生成一个购物车，筛选“数以百万计的数据点，向员工推荐他可能根本没有想到的东西。”

更好的是，她补充道，“当我们有了真正的大型语言模型时，人工智能和机器学习可以更详细地了解你的特定情况，帮助回答问题或帮助购买你都不知道自己需要的物品。”

影响合规支出。采购人员的目标是，在员工购买所需物品的自由度与最小干预之间找到平衡点。然而，自由不应以适当的支出管理、生产力和政策遵守为代价。

斯库利说：“一家公司如何确保他们拥有正确的控制和监督，同时又启用合理的支出模式，这两者之间总是存在着健康的紧张关系。”

幸运的是，她说，“人工智能可以提供巨大的价值”，在出现任何损害之前提醒采购团队注意“异常”。

斯库利说，人工智能还可以通过执行支出政策和期望来帮助确保合规性，这样员工“仍然可以自信地购买正确的商品”。

这种能力可以最大限度地降低超支的风险，也有助于公司履行合同义务，例如履行对特定供应商的支出承诺。

未来，人工智能驱动的异常检测触发器甚至可能用于检查大型数据集，以识别不合规的购买数据。

提高支出透明度。人工智能和分析工具可以通过自动分析数据和解锁及时分析，为整体采购支出提供更大的透明度。

这些数据驱动的见解为采购人员提供了一个全面的视角，了解他们在哪里分配预算，以及他们可能能够削减成本的领域。

但提高采购支出的透明度也可以使组织能够对新出现的商业优先事项做出反应，例如采取更具社会责任感的采购做法。斯库利说：“公司可以优先考虑当地企业或低碳足迹的企业。”

随着对其采购模式的更深入了解，组织可以将商业买家引向有助于实现其环境、社会和治理目标的气候友好型产品或供应商。

提高采购生产力。监控供应商绩效、确保支出合规性和识别供应链中断，这些都是耗时的活动，会分散采购人员对更关键业务目标的注意力。

斯库利说：“如果采购团队总是陷入日常流程的困境，他们就无法思考公司的总体战略目标，他们是否能够实现这些目标，以及他们可能想优化哪些地方。”

通过自动化劳动密集型流程，如支出分析、产品选择和订单跟踪，高级采购工具可以让采购团队专注于增值活动。

考虑到高级分析、人工智能和机器学习解决方案的所有优势，采购团队必须采取措施确保这些创新工具得到最佳利用。人工智能模型的相关性取决于它们所使用的训练数据。

斯库利说，出于这个原因，组织需要意识到，“模型有时可能存在盲点，或者不能立即识别业务是否开始改变战略重点。”随着组织优先级的发展，模型的训练数据必须跟上步伐，以反映新的业务目标和环境。

为了充分利用其先进的技术工具，采购团队应确保他们支持公司的整体采购目标和业务战略。这些目标可能包括与更多元化的供应商合作，以及购买更可持续的商品。

无论期望的结果如何，采购职能部门都必须将新的人工智能工具的使用与实现其业务目标联系起来，并定期评估结果。

高级分析、人工智能和机器学习解锁的新采购职能，可以帮助企业重新思考如何进行采购。

随着生成式人工智能和相关技术的发展，复杂的采购用例可能会成倍增加，为采购团队带来巨大的财务和运营收益。