AI dalam Perolehan: Alat & Taktik Berkesan pada 2025

Dulu saya fikir perolehan hanya tentang berunding dan mengurus pembekal, sehinggalah saya menghabiskan musim panas menyusun invois dan mengemaskini hamparan. Boleh dikatakan ia tidak seindah yang disangka.

Rupanya, saya bukan seorang sahaja yang mengalami perkara itu. Menurut KPMG, automasi boleh mengendalikan lebih separuh daripada tugas yang biasanya dilakukan dalam perolehan.

Di pelbagai industri, AI membantu pasukan bekerja dengan lebih bijak dan kurang tekanan, dan perolehan tidak terkecuali. Contoh sebenar ejen AI sudah memberi kesan, daripada mengautomasikan kelulusan rutin hingga menyorot maklumat daripada data pembekal.

Artikel ini menghuraikan jenis AI yang digunakan dalam perolehan, kes penggunaan, dan cara anda boleh mengaplikasikannya tanpa perlu ijazah sains komputer.

Apakah itu AI untuk perolehan?

AI untuk perolehan bermaksud menggunakan kecerdasan buatan untuk mengautomasikan tugas rutin, menemui maklumat daripada data, dan menyokong keputusan yang lebih pantas dan bermaklumat sepanjang proses perolehan.

Teknologi AI membolehkan profesional perolehan membuat keputusan berasaskan data dan mengurus pembekal dengan lebih berkesan, akhirnya menghasilkan proses perolehan yang lebih pantas dan tepat.

Bagaimana Jenis AI Berbeza Digunakan dalam Perolehan

AI generatif

Generative AI, atau GenAI, ialah jenis AI yang boleh menjana output seperti emel, laporan, atau keseluruhan RFP, berdasarkan data yang telah dilatih. Ia menjadi salah satu bentuk AI paling biasa dalam perolehan, dan tidak sukar untuk faham sebabnya.

Dalam perolehan, GenAI boleh:

• Menyediakan dokumen seperti Pernyataan Kerja (SOW), ringkasan pembekal, atau RFP dalam beberapa minit.
• Meringkaskan mesyuarat pembekal atau laporan prestasi yang panjang supaya anda tidak perlu menyemaknya satu persatu.
• Menulis dan menghantar emel vendor atau kemas kini status secara automatik.
• Membantu mengatur dan melabel data supaya lebih mudah dianalisis kemudian.

Ringkasnya, GenAI mengendalikan banyak kerja penulisan dan pengurusan data, membolehkan pasukan memberi tumpuan kepada kerja strategik.

Pembelajaran mesin

Pembelajaran mesin (ML) belajar daripada corak lalu untuk mengenal pasti pola dan membuat ramalan tentang apa yang mungkin berlaku seterusnya.

Daripada menyemak hamparan tanpa henti atau bergantung pada naluri, alat ML boleh menganalisis corak pembelian dan prestasi pembekal terdahulu untuk membantu pasukan membuat keputusan lebih pantas.

Sebagai contoh, jika pembekal sering lewat menghantar, ML mungkin mengesan corak itu sebelum ia menjadi masalah besar. Atau ia boleh menandakan invois luar biasa yang tidak selari dengan corak perbelanjaan biasa. Ia juga boleh mengambil alih tugas membosankan mengkategorikan perbelanjaan untuk ratusan transaksi, dan menyiapkannya dalam beberapa minit sahaja.

Semakin banyak data dimasukkan ke dalam model ML, semakin bijak ia, bermakna maklumat yang diberikan akan semakin baik dari semasa ke semasa.

Automasi proses robotik (RPA)

RPA tidak cuba untuk menjadi pintar – ia bukan untuk membuat keputusan atau mencari maklumat baru. Apa yang RPA sangat bagus lakukan ialah melaksanakan tugas berasaskan peraturan dalam jumlah besar merentasi sistem dengan pantas, tanpa input manual.

Sebagai sebahagian utama automasi proses perniagaan, RPA mengendalikan perkara seperti kemasukan data, pemadanan invois, dan pemprosesan pesanan tanpa perlu campur tangan manusia.

Walaupun ia mungkin kedengaran biasa sahaja, menghapuskan kerja rutin ini membolehkan pasukan memberi tumpuan kepada aspek strategik perolehan. Ia tentang memudahkan proses dan mengurangkan kebergantungan pada input manual.

Pemprosesan bahasa semula jadi (NLP)

NLP membantu komputer memahami dan mentafsir bahasa manusia – sangat berguna apabila berurusan dengan kandungan bertulis seperti kontrak, emel, atau jawapan RFP.

Dalam konteks perolehan, alat NLP boleh:

• Mengambil terma dan syarat penting daripada kontrak
• Menganalisis maklum balas pembekal atau ulasan dalam talian untuk nada dan sentimen
• Mengekstrak maklumat utama daripada invois atau resit dan menukarnya kepada data berstruktur
• Membantu menggerakkan chatbot yang menjawab soalan perolehan biasa

NLP selalunya dibina dalam platform seperti perisian analitik perbelanjaan dan sistem pemprosesan dokumen. Pasukan juga boleh menggunakan API seperti AWS Comprehend atau Google Cloud Natural Language untuk mengintegrasikannya ke dalam aliran kerja mereka.

Walaupun konsepnya mungkin kedengaran rumit, penggunaannya selalunya semudah mengaktifkan ciri dalam alat yang sudah digunakan oleh pasukan.

Agentic AI

Agentic AI ialah teknologi terbaru dalam bidang ini.

Agentic AI merujuk kepada sistem yang boleh merancang, bertindak, dan menyesuaikan diri secara autonomi berdasarkan matlamat atau perubahan keadaan tanpa memerlukan arahan langkah demi langkah untuk setiap tugas.

Sementara itu, ejen AI dalam perolehan melangkaui sekadar menghantar amaran. Mereka boleh mensimulasikan kesan kos atau masa jika berlaku pertukaran, dan juga memulakan langkah seterusnya, seperti menyediakan pesanan pembelian atau mengemaskini rekod pembekal.

Ini membuka jalan kepada aliran kerja agentic AI: proses dinamik di mana ejen AI bukan sahaja menyorot maklumat, tetapi juga mengambil tindakan susulan merentasi sistem. Sebagai contoh, ejen boleh mengesan risiko kehabisan stok, mensimulasikan kesan pembekal alternatif, dan memulakan pesanan pembelian dalam satu aliran yang terkoordinasi.

Apabila disambungkan kepada data dan alat yang betul – seperti pangkalan data pembekal atau alat pengurusan inventori – ejen ini boleh bertindak secara separa automatik dalam parameter yang ditetapkan, membantu pasukan bergerak lebih pantas dengan kurang penyelarasan manual.

Kelebihan AI dalam Perolehan

Memudahkan Aliran Kerja

Alat AI seperti RPA dan enjin aliran kerja berasaskan ML memudahkan tugas berulang secara besar-besaran, membebaskan pasukan untuk memberi tumpuan kepada kerja strategik.

Sebagai contoh, RPA boleh mengisi borang permintaan secara automatik dengan mengambil data daripada sistem katalog, mengesahkan maklumat pembekal dengan data induk, dan mengarahkan permintaan kepada pelulus yang betul berdasarkan pusat kos, had perbelanjaan, dan tahap keutamaan – semuanya tanpa campur tangan manusia.

Meminimumkan Kesilapan

Semakin banyak proses dilakukan secara manual, semakin tinggi kemungkinan sesuatu terlepas, terutamanya di bawah tekanan.

AI membantu dengan memperkenalkan pengesahan masa nyata dan pengesanan anomali sepanjang aliran kerja.

Bayangkan anda menghantar invois yang tidak sepadan dengan PO asal. Daripada seseorang perlu mengesannya secara manual, model pembelajaran mesin akan menandakan ketidakpadanan itu serta-merta.

Sama ada mengesan entri berganda atau menandakan sesuatu yang kelihatan tidak betul, AI membawa konsistensi dan ketepatan kepada kerja yang mudah terlepas pandang apabila pasukan bergerak pantas.

Mengurangkan Kos

AI mengurangkan kos bukan sahaja dengan mengautomasikan tugas berulang, tetapi juga dengan meningkatkan pembuatan keputusan dan mengenal pasti ketidakcekapan tersembunyi.

Sebagai contoh, agen AI boleh mengira kos-manfaat membayar pembekal lebih awal untuk mendapatkan diskaun 2%, kemudian memaparkan peluang terbaik secara automatik.

Organisasi yang menggunakan AI untuk analitik perbelanjaan lanjutan telah mencapai sehingga 10% penjimatan kos keseluruhan dengan memperkemas strategi sumber dan mengurangkan kebocoran nilai.

Berskala Tanpa Masalah Pertumbuhan

Apabila operasi perolehan berkembang, kerumitan dan jumlah data meningkat tetapi AI membantu pasukan mengurus kedua-duanya tanpa menambah kakitangan.

Daripada mengautomasikan penyatuan data hingga memudahkan analisis kontrak dan keterlihatan perbelanjaan, AI membolehkan pertumbuhan yang lebih bijak dengan kurang masalah pertumbuhan.

Menjangka Risiko

Perolehan secara tradisional bersifat reaktif. AI mengubah keadaan ini dengan memberi amaran awal dan cadangan kepada pasukan sebelum masalah berlaku.

Pandangan jauh ke hadapan ini semakin penting. Malah, 70% pemimpin perolehan menyatakan peningkatan risiko pembekal sebagai kebimbangan utama, dan AI kini menjadi alat utama mereka.

Model AI mengimbas data dalaman (seperti isu penghantaran dan pematuhan kontrak) bersama isyarat luaran (skor kredit, penarafan ESG, berita) untuk menghasilkan skor risiko semasa dan membantu pasukan bertindak sebelum masalah menjadi lebih besar.

8 Kegunaan AI dalam Perolehan

1. Ramalan Lebih Bijak dan Kawalan Kos

Pembelajaran mesin membantu pasukan meramalkan permintaan dengan belajar daripada corak pembelian lalu dan prestasi pembekal. Ia boleh meramal bila perlu membuat pesanan semula dan berapa banyak untuk dibeli, mengambil kira faktor seperti kelewatan, perubahan harga, dan juga faktor luaran seperti cuaca.

Algoritma ML menganalisis sejumlah besar data perolehan sejarah dan data luaran seperti harga komoditi, kelewatan penghantaran, inflasi, dan juga ramalan cuaca. Gabungan ini membina model yang boleh meramalkan keperluan pembelian masa depan, selalunya sehingga ke tahap SKU.

Sebagai contoh, jika berlaku kelewatan di pelabuhan serentak dengan lonjakan permintaan untuk bahan pembungkusan tertentu. Model ML mungkin mengesan corak ini sebelum ia jelas dan mencadangkan untuk membuat pesanan lebih awal atau beralih kepada pembekal alternatif.

Model ML juga menjejak input masa nyata seperti perubahan harga pasaran. Jika kos bahan mentah mula meningkat, sistem mungkin mencadangkan rundingan semula kontrak atau mempercepatkan pembelian untuk mengunci harga yang lebih rendah.

Ramalan ini membolehkan pasukan untuk:

• Elak pesanan berlebihan atau kekurangan pesanan.
• Optimumkan kos penyimpanan inventori.
• Laraskan strategi sumber sebelum isu menjejaskan operasi.
• Buat keputusan bajet dengan maklumat terkini dan boleh diambil tindakan.

2. Automasi Sumber dan Tugas Data

Tugas manual seperti penyelidikan pembekal, penjanaan RFP, dan kemasukan data mengambil banyak masa.

AI membantu memudahkan tugas-tugas ini dengan menarik profil pembekal dari pelbagai sumber, mengisi templat RFP secara automatik, dan menyelaraskan data penting merentasi sistem tanpa kemasukan manual. Dengan cara ini, pasukan perolehan dapat mengurangkan masa kitaran dan memberi tumpuan kepada kerja yang lebih strategik seperti memperbaiki hubungan pembekal atau menganalisis prestasi.

MTN Group membina platform yang dipanggil Procurement Cockpit yang mengumpulkan data perolehan dari seluruh organisasi mereka. Daripada mengurus pelbagai sistem atau mencari maklumat, pasukan mereka mendapat gambaran jelas dan masa nyata tentang aktiviti sumber, prestasi pembekal, dan perbelanjaan.

Ia cara bijak untuk kekal teratur dan menjimatkan masa. Dan ia membuahkan hasil: penggunaan automasi berasaskan AI oleh MTN mendapat pengiktirafan industri.

3. Memudahkan Pesanan Pembelian

Terus terang, mengurus PO secara manual adalah perlahan, mudah silap, dan sangat membosankan.

Ejen AI boleh mengautomasikan langkah penting dalam aliran kerja perolehan — daripada mencipta PO hingga menjejak penghantaran dan mengurus pengecualian. Bukan sekadar mengesan isu, mereka juga bertindak, seperti membuat pesanan semula dari pembekal sandaran atau menaikkan isu kelewatan untuk semakan.

Sebagai contoh, apabila permintaan pembelian dihantar, ejen AI boleh menyemaknya dengan pembekal dan harga yang diluluskan dan mengisi PO secara automatik. Kemudian, ia menghantar pesanan dan mengemas kini jadual penghantaran.

Jika ada konflik, seperti isu masa penghantaran, ia boleh mencadangkan alternatif berdasarkan data lalu. Papan pemuka memastikan pihak berkepentingan sentiasa dimaklumkan, manakala sistem secara automatik memadankan invois dan resit, serta menandakan sebarang percanggahan untuk semakan.

4. Pembantu AI untuk Pasukan Perolehan

Pembantu AI dalam perolehan ialah alat yang menyokong pasukan dengan mengambil alih tugas rutin yang memakan masa. Ia berfungsi bersama sistem sedia ada untuk mempercepatkan pembuatan keputusan dan mengurangkan kerja manual dalam proses harian.

Ia tidak menggantikan kepakaran manusia, tetapi pembantu AI memang membantu pasukan bekerja dengan lebih pantas dan bijak.

Zycus menawarkan Merlin Intake, pembantu AI yang membantu pengguna mencipta dan menjejak permintaan pembelian. Ia membimbing pengguna melalui proses pembelian dan menjawab soalan sepanjang jalan, mengurangkan komunikasi berulang-alik.

5. Analisis Perbelanjaan Pintar

Pasukan perolehan sering sukar memahami ke mana wang dibelanjakan, terutamanya apabila data berselerak di seluruh ERP dan sistem P2P. Apabila data berselerak di pelbagai sistem ERP dan P2P, sukar untuk mengetahui ke mana setiap ringgit dibelanjakan.

Alat AI boleh membersihkan dan mengklasifikasikan data secara automatik, memberikan pasukan gambaran perbelanjaan yang bersatu dan tepat. Algoritma pembelajaran mesin mengesan anomali dan menemui peluang penjimatan yang sering terlepas oleh alat tradisional.

Sebagai contoh, AI mungkin mengenal pasti pembelian berulang dari pelbagai pembekal yang boleh digabungkan untuk diskaun volum, atau menonjolkan lonjakan luar biasa dalam perbelanjaan dalam satu kategori yang perlu disemak.

Tahap pemahaman ini membantu pasukan:

• Meningkatkan keterlihatan perbelanjaan merentasi kategori dan pembekal
• Mengesan perbelanjaan tidak patuh atau luar kawalan
• Kenal pasti peluang penggabungan atau rundingan semula
• Buat keputusan bajet dan sumber yang lebih bermaklumat

6. Pengurusan Risiko Pembekal

Risiko pembekal semakin membimbangkan dan AI menjadikan pengurusannya lebih proaktif berbanding sebelum ini.

Model pembelajaran mesin sentiasa mengimbas isyarat dalaman seperti pelanggaran kontrak dan percanggahan invois, bersama penunjuk luaran seperti skor kredit, penarafan ESG, peristiwa geopolitik, dan berita global.

AI kemudian mensintesis semua ini kepada skor risiko masa nyata, membolehkan pasukan perolehan memprioritaskan pembekal berdasarkan pendedahan dan kebolehpercayaan. Sesetengah alat malah boleh mensimulasikan senario gangguan rantaian bekalan untuk membimbing strategi mitigasi.

Sebagai contoh, platform AI Resilinc membolehkan syarikat meramal potensi kelewatan dengan menganalisis faktor seperti prestasi pembekal dan peristiwa luaran. Dengan platform Resilinc, syarikat boleh menjangka gangguan, seperti taufan di China, sebelum ia berlaku. Sistem akan memberi amaran awal kepada pasukan, membolehkan mereka mengubah laluan penghantaran dan mengelakkan kerugian hasil.

7. Kecerdasan Kontrak

Kontrak perolehan mengandungi maklumat penting, tetapi menyemak dan menguruskannya secara manual sangat memakan masa.

Alat NLP, seperti ejen LLM, misalnya, boleh mengekstrak terma utama seperti klausa pembayaran dan SLA daripada ribuan kontrak dan memadankannya dengan rangka kerja pematuhan.

Katakan pasukan anda perlu menyemak 500 kontrak pembekal sebelum hujung tahun. Daripada meneliti satu persatu secara manual, sistem AI mengimbas dokumen dalam beberapa minit, menandakan kontrak yang hampir tamat tempoh, menyerlahkan yang tiada klausa perlindungan data, dan mengumpulkan perjanjian serupa untuk semakan lebih mudah.

8. Pemadanan Pembekal Dinamik

Mencari pembekal yang sesuai dahulunya bergantung pada senarai vendor statik atau penyelidikan manual. AI mengubahnya dengan mencadangkan pembekal berdasarkan sejarah prestasi, pensijilan, harga, dan kapasiti semasa.

Dengan pembelajaran mesin, sistem menilai data berstruktur dan tidak berstruktur untuk mencadangkan vendor paling sesuai untuk keperluan atau kawasan tertentu.

Kini pasukan perolehan boleh:

• Menyenarai pendek pembekal ideal dengan lebih pantas
• Sumber dari vendor yang sejajar dengan kualiti, kos, dan matlamat ESG
• Kurangkan masa onboarding dan tingkatkan kelincahan sumber

Cara Melaksanakan AI dalam Perolehan

Tiada satu pendekatan sesuai untuk semua dalam penggunaan AI dalam perolehan. Laluan yang betul bergantung pada saiz dan matlamat syarikat anda, tetapi itu tidak bermakna anda perlu membangunkan semuanya dari awal.

Bahagian ini untuk pengurus perolehan, pakar sumber, profesional rantaian bekalan, dan CPO yang mencari cara praktikal untuk membawa AI ke dalam aliran kerja mereka.

1. Tetapkan Matlamat yang Jelas

Jangan gunakan AI hanya kerana ia kedengaran inovatif. Ketahui dengan jelas masalah yang anda ingin selesaikan.

Adakah anda mahu mengautomasikan pesanan pembelian? Meningkatkan klasifikasi perbelanjaan? Meramal risiko pembekalan?

Setiap matlamat ini memerlukan alat, model data, dan integrasi yang berbeza. Contohnya, mengautomasikan pesanan pembelian mungkin memerlukan penggunaan RPA, manakala meningkatkan ramalan boleh bergantung pada ML.

Tanpa objektif yang jelas, anda berisiko membina alat mahal yang tidak menyelesaikan apa-apa. Mulakan dengan masalah utama dan biarkan ia memandu pelaksanaan AI anda.

2. Pilih Platform

Dengan matlamat yang jelas, cari alat yang menyokong keperluan anda.

Mulakan dengan apa yang anda sudah gunakan. Banyak ERP dan platform perolehan kini menawarkan ciri AI terbina seperti pengelasan perbelanjaan atau analisis kontrak. Jika keperluan anda lebih khusus, pertimbangkan alat kendiri tetapi pastikan ia boleh diintegrasikan dengan baik ke dalam sistem anda.

Platform terbaik ialah yang serasi dengan sistem sedia ada anda dan boleh berkembang seiring pertumbuhan syarikat.

3. Sediakan Data Anda

AI hanya sebaik data yang anda berikan.

Sebelum bermula, semak dahulu apa yang anda miliki. Bersihkan data yang tidak teratur, satukan maklumat yang berselerak di pelbagai sistem, dan pastikan tadbir urus data yang kukuh. Ini termasuk menstandardkan format dan mengesahkan ketepatan data.

Pasukan perolehan tidak memerlukan data yang sempurna tetapi mereka perlukan data yang boleh digunakan. Anggaplah ini seperti menyediakan tanah sebelum menanam.

4. Hidupkan Penyelesaian Anda

Setelah matlamat dan platform anda jelas serta data telah sedia, inilah masanya untuk merealisasikan penyelesaian anda.

Bagi kebanyakan pasukan perolehan, ini tidak bermaksud membina alat AI dari awal. Ia bermaksud bekerjasama dengan vendor, rakan kongsi, atau pasukan IT dalaman untuk mengkonfigurasi dan melaksanakan alat yang sesuai dengan keperluan.

Pilih pendekatan yang sesuai dengan keupayaan pasukan anda dan tahap kerumitan matlamat anda.

5. Aktifkan Pasukan Anda

Walaupun alat AI terbaik tidak akan memberikan hasil jika pasukan tidak tahu cara menggunakannya atau tidak mempercayainya.

Selepas penyelesaian dilancarkan, luangkan masa untuk latihan dan penyesuaian. Bekerjasama dengan vendor atau rakan pelaksana untuk melatih pasukan berdasarkan kes penggunaan sebenar, dan sesuaikan latihan mengikut cara kerja profesional perolehan — bukan sekadar fungsi alat itu sendiri.

Sediakan ruang untuk latihan praktikal, dokumentasikan aliran kerja biasa, dan pastikan saluran maklum balas sentiasa terbuka.

Teknologi tidak akan memberikan hasil jika tiada siapa yang tahu menggunakannya.

6. Nilai dan Perbaiki

Jangan hanya pasang dan lupakan.

Pantau impak alat AI anda menggunakan metrik yang jelas seperti pengurangan masa kitaran, penjimatan yang dijana, atau insiden risiko yang dielakkan.

Jika chatbot sebahagian daripada pelaksanaan, lihat analitik chatbot untuk memahami bagaimana ia digunakan, di mana ia berkesan, dan di mana ia mungkin menimbulkan masalah. Mengukur ROI chatbot sangat penting untuk membuktikan pelaburan dan memandu penambahbaikan masa depan.

Dan berbincanglah dengan pengguna anda. Apa yang berkesan? Apa yang kurang lancar?

Sistem AI akan bertambah baik dari masa ke masa, tetapi hanya jika anda terus menyesuaikannya. Pelaksanaan terbaik sentiasa berkembang mengikut penggunaan sebenar.

Bina Ejen AI Secara Percuma

Jika anda ingin meneroka cara membawa AI ke dalam proses perolehan anda, sekarang adalah masa terbaik untuk mula belajar.

Botpress ialah platform pembinaan ejen AI untuk semua orang, tanpa mengira latar belakang teknikal anda. Bina aliran secara visual, uji respons anda dengan input pengguna sebenar, dan sambungkan sumber data perniagaan anda untuk maklumat yang paling terkini.

Sama ada anda membina ejen untuk mengurus komunikasi dengan pembekal atau untuk mempercepatkan kelulusan pesanan pembelian, Botpress memudahkan anda melaksanakan automasi perolehan.

Mula bina hari ini. Ia percuma.

Soalan Lazim

Adakah mahal untuk melaksanakan alat AI dalam perolehan?

Kos untuk melaksanakan alat AI dalam perolehan sangat berbeza: ciri AI asas dalam platform sedia ada mungkin hanya beberapa ratus dolar sebulan, manakala penyelesaian peringkat perusahaan seperti analisis perbelanjaan lanjutan atau ejen autonomi boleh mencecah enam angka setahun. Jumlah perbelanjaan bergantung pada kerumitan aliran kerja dan sama ada anda menggunakan penyelesaian sedia ada atau membina keupayaan AI khusus.

Adakah terdapat risiko atau keburukan menggunakan AI dalam perolehan?

Terdapat risiko menggunakan AI dalam perolehan, seperti keputusan yang kurang tepat jika data tidak lengkap atau tidak tepat, kemungkinan terikat dengan vendor melalui sistem AI proprietari, dan isu pematuhan jika data sensitif tidak dilindungi dengan baik. Selain itu, alat AI kadang-kadang boleh menghasilkan ralat atau keputusan yang tidak dijangka, memerlukan pemantauan manusia untuk mengesan masalah sebelum menjadi kesilapan yang mahal.

Adakah alat AI dalam perolehan menggantikan pekerjaan, atau hanya mengubah cara orang bekerja?

Alat AI dalam perolehan secara amnya tidak menghapuskan pekerjaan secara langsung tetapi mengubah cara kerja dengan mengautomasikan tugas berulang seperti kemasukan data, pemadanan invois, atau pengelasan perbelanjaan, membolehkan profesional perolehan memberi tumpuan kepada aktiviti strategik seperti hubungan pembekal, rundingan, dan pengurusan risiko. Namun, peranan mungkin beralih kepada kemahiran yang lebih analitik atau teknikal apabila AI menjadi sebahagian daripada rutin harian.

Adakah perniagaan kecil boleh mendapat manfaat daripada AI dalam perolehan, atau ia hanya untuk syarikat besar?

Perniagaan kecil juga boleh mendapat manfaat daripada AI dalam perolehan, terutamanya melalui alat SaaS yang berpatutan dengan ciri seperti pemprosesan dokumen automatik, pemadanan pembekal, atau analisis perbelanjaan asas tanpa pelaburan awal yang besar. Walaupun syarikat besar biasanya menggunakan penyelesaian AI yang lebih kompleks dan khusus, firma kecil masih boleh menjimatkan masa dan membuat keputusan yang lebih baik dengan alat AI berasaskan awan yang lebih ringan.

Apakah jenis kemahiran yang diperlukan oleh pasukan perolehan untuk bekerja dengan alat AI?

Pasukan perolehan tidak semestinya perlu menjadi pengaturcara untuk menggunakan alat AI, tetapi mereka perlu mempunyai kemahiran literasi data untuk memahami cara model AI berfungsi dan mengenal pasti isu kualiti data. Pengetahuan tentang alat analitik dan keselesaan menggunakan platform digital adalah penting, bersama keupayaan untuk bekerjasama dengan IT bagi mengintegrasikan penyelesaian AI ke dalam aliran kerja perolehan.