- AI ในงานจัดซื้อช่วยให้งานอย่างการร่าง RFP การจัดหมวดหมู่ค่าใช้จ่าย และการจับคู่ซัพพลายเออร์เป็นอัตโนมัติ ลดงานที่ต้องทำด้วยมือและย่นระยะเวลาการดำเนินการ
- Machine learning ช่วยทำนายความต้องการและความเสี่ยงของซัพพลายเออร์ ทำให้ทีมสามารถรับมือกับปัญหาหรือค่าใช้จ่ายที่เพิ่มขึ้นได้ตั้งแต่เนิ่น ๆ
- Agentic AI สามารถจำลองผลกระทบจากการเปลี่ยนแปลงซัพพลายเออร์ และดำเนินการขั้นตอนถัดไป เช่น สร้างใบสั่งซื้อโดยอัตโนมัติ
- การนำ AI มาใช้ให้สำเร็จเริ่มจากการตั้งเป้าหมายที่ชัดเจน มีข้อมูลที่ถูกต้อง และเลือกเครื่องมือที่เชื่อมต่อกับระบบจัดซื้อที่มีอยู่ได้
แต่ก่อนฉันคิดว่างานจัดซื้อมีแค่การเจรจาต่อรองและดูแลซัพพลายเออร์ จนกระทั่งได้ใช้เวลาช่วงฤดูร้อนจัดการใบแจ้งหนี้และอัปเดตสเปรดชีต บอกเลยว่ามันไม่ได้ดูดีอย่างที่คิดไว้
ปรากฏว่าฉันไม่ได้เจอแบบนี้คนเดียว จากข้อมูลของ KPMG ระบบอัตโนมัติสามารถจัดการงานในงานจัดซื้อได้มากกว่าครึ่งหนึ่ง
ในหลายอุตสาหกรรม AI ช่วยให้ทีมทำงานได้อย่างชาญฉลาดขึ้นและลดปัญหาจุกจิก งานจัดซื้อก็เช่นกัน ตัวอย่างจริงของ AI agents กำลังสร้างความเปลี่ยนแปลง ตั้งแต่การอนุมัติอัตโนมัติไปจนถึงการดึงข้อมูลเชิงลึกจากข้อมูลซัพพลายเออร์
บทความนี้จะอธิบายประเภทของ AI ที่ใช้ในงานจัดซื้อ กรณีการใช้งาน และวิธีนำไปใช้จริง โดยไม่จำเป็นต้องมีพื้นฐานวิทยาการคอมพิวเตอร์
AI สำหรับการจัดซื้อจัดจ้างคืออะไร?
AI สำหรับงานจัดซื้อคือการใช้ปัญญาประดิษฐ์เพื่อทำงานประจำให้เป็นอัตโนมัติ ค้นหาข้อมูลเชิงลึกจากข้อมูล และช่วยให้ตัดสินใจได้เร็วและแม่นยำยิ่งขึ้นในทุกขั้นตอนของกระบวนการจัดซื้อ
เทคโนโลยี AI ช่วยให้ผู้เชี่ยวชาญด้านจัดซื้อสามารถตัดสินใจโดยอิงข้อมูลและบริหารซัพพลายเออร์ได้อย่างมีประสิทธิภาพ ส่งผลให้กระบวนการจัดซื้อรวดเร็วและแม่นยำยิ่งขึ้น
AI ประเภทต่าง ๆ ที่ใช้ในงานจัดซื้อ
Generative AI
Generative AI หรือ GenAI คือ AI ที่สามารถสร้างเนื้อหา เช่น อีเมล รายงาน หรือ RFP ทั้งฉบับ จากข้อมูลที่ได้รับการฝึกฝนมา ปัจจุบันเป็นหนึ่งในรูปแบบ AI ที่ใช้บ่อยที่สุดในงานจัดซื้อ และก็ไม่แปลกใจเลยว่าทำไม
ในงานจัดซื้อ GenAI สามารถ:
- ร่างเอกสาร เช่น ขอบเขตงาน (SOW) ข้อมูลซัพพลายเออร์ หรือ RFP ได้ในไม่กี่นาที
- สรุปการประชุมกับซัพพลายเออร์หรือรายงานผลการดำเนินงานที่ยาว ๆ ให้เข้าใจง่ายโดยไม่ต้องอ่านเองทั้งหมด
- เขียนและส่งอีเมลหรืออัปเดตสถานะให้ซัพพลายเออร์โดยอัตโนมัติ
- ช่วยจัดระเบียบและติดป้ายข้อมูลเพื่อให้ง่ายต่อการวิเคราะห์ในภายหลัง
พูดง่าย ๆ คือ GenAI ช่วยจัดการงานเอกสารและข้อมูลจำนวนมาก ให้ทีมมีเวลาทำงานเชิงกลยุทธ์มากขึ้น
แมชชีนเลิร์นนิง
Machine learning (ML) เรียนรู้จากแนวโน้มในอดีตเพื่อค้นหารูปแบบและคาดการณ์สิ่งที่จะเกิดขึ้นต่อไป
แทนที่จะต้องไล่ดูสเปรดชีตจำนวนมากหรือใช้แค่ความรู้สึก เครื่องมือ ML สามารถวิเคราะห์แนวโน้มการซื้อและประสิทธิภาพของซัพพลายเออร์ในอดีต เพื่อช่วยให้ทีมตัดสินใจได้เร็วขึ้น
เช่น หากซัพพลายเออร์ส่งของล่าช้าเป็นประจำ ML อาจตรวจพบรูปแบบนี้ก่อนจะกลายเป็นปัญหาใหญ่ หรืออาจแจ้งเตือนใบแจ้งหนี้ที่ผิดปกติจากพฤติกรรมการใช้จ่ายปกติ นอกจากนี้ยังสามารถจัดหมวดหมู่ค่าใช้จ่ายจากธุรกรรมหลายร้อยรายการได้ในไม่กี่นาที
ยิ่งโมเดล ML ได้รับข้อมูลมากเท่าไร ก็ยิ่งฉลาดขึ้น และให้ข้อมูลเชิงลึกที่ดีขึ้นเรื่อย ๆ
Robotic process automation (RPA)
RPA ไม่ได้พยายามฉลาดเกินไป – มันไม่ได้ถูกออกแบบมาเพื่อการตัดสินใจหรือค้นหาข้อมูลเชิงลึก สิ่งที่ RPA ทำได้ดีมาก คือการดำเนินงานที่มีปริมาณมากและมีกฎเกณฑ์ชัดเจนข้ามระบบต่าง ๆ ได้อย่างรวดเร็วโดยไม่ต้องใช้แรงงานคน
ในฐานะส่วนสำคัญของการทำงานอัตโนมัติของกระบวนการธุรกิจ RPA จัดการงานอย่างการกรอกข้อมูล การจับคู่ใบแจ้งหนี้ และการประมวลผลคำสั่งซื้อโดยไม่ต้องใช้แรงงานคน
แม้จะดูไม่หวือหวา แต่การกำจัดงานประจำเหล่านี้ออกไปช่วยให้ทีมมีเวลาทำงานเชิงกลยุทธ์มากขึ้น เป็นการทำให้กระบวนการราบรื่นและลดการพึ่งพางานด้วยมือ
Natural language processing (NLP)
NLP ช่วยให้คอมพิวเตอร์เข้าใจและตีความภาษามนุษย์ได้ดีขึ้น – ซึ่งมีประโยชน์มากกับเนื้อหาที่มีข้อความจำนวนมาก เช่น สัญญา อีเมล หรือการตอบ RFP
ในงานจัดซื้อ เครื่องมือ NLP สามารถ:
- ดึงข้อกำหนดและเงื่อนไขสำคัญจากสัญญา
- วิเคราะห์ความคิดเห็นหรือรีวิวซัพพลายเออร์เพื่อดูโทนและความรู้สึก
- ดึงข้อมูลสำคัญจากใบแจ้งหนี้หรือใบเสร็จและแปลงเป็นข้อมูลโครงสร้าง
- ช่วยขับเคลื่อนแชทบอทที่ตอบคำถามเกี่ยวกับงานจัดซื้อที่พบบ่อย
NLP มักถูกรวมอยู่ในแพลตฟอร์มอย่างซอฟต์แวร์วิเคราะห์ค่าใช้จ่าย และระบบประมวลผลเอกสาร ทีมงานยังสามารถใช้ API อย่าง AWS Comprehend หรือ Google Cloud Natural Language เพื่อเชื่อมต่อกับเวิร์กโฟลว์ของตนได้
แม้แนวคิดจะดูซับซ้อน แต่การใช้งานจริงมักง่ายเพียงแค่เปิดฟีเจอร์ในเครื่องมือที่ทีมใช้อยู่แล้ว
Agentic AI
Agentic AI คือเทคโนโลยีใหม่ล่าสุดในวงการนี้
Agentic AI หมายถึงระบบที่สามารถวางแผน ดำเนินการ และปรับเปลี่ยนได้เองตามเป้าหมายหรือสถานการณ์ที่เปลี่ยนไป โดยไม่ต้องมีคำสั่งทีละขั้นตอนสำหรับทุกงาน
ขณะเดียวกัน AI agents ในงานจัดซื้อก็ทำได้มากกว่าแค่แจ้งเตือน พวกเขาสามารถจำลองผลกระทบด้านต้นทุนหรือระยะเวลาหากเปลี่ยนซัพพลายเออร์ และดำเนินการขั้นตอนถัดไป เช่น ร่างใบสั่งซื้อหรืออัปเดตข้อมูลซัพพลายเออร์ได้ด้วยตัวเอง
สิ่งนี้เปิดทางให้เกิดเวิร์กโฟลว์ agentic AI: กระบวนการที่ AI agents ไม่เพียงแค่ให้ข้อมูลเชิงลึก แต่ยังดำเนินการต่อเนื่องข้ามระบบต่าง ๆ เช่น agent อาจตรวจพบความเสี่ยงสินค้าขาดสต็อก จำลองผลกระทบจากซัพพลายเออร์ทางเลือก และสร้างใบสั่งซื้อในกระบวนการเดียวกัน
เมื่อเชื่อมต่อกับข้อมูลและเครื่องมือที่เหมาะสม เช่น ฐานข้อมูลซัพพลายเออร์หรือระบบจัดการสต็อก agent เหล่านี้จะสามารถทำงานกึ่งอัตโนมัติภายใต้ขอบเขตที่กำหนด ช่วยให้ทีมทำงานได้เร็วขึ้นโดยไม่ต้องประสานงานด้วยมือมากนัก
ประโยชน์ของ AI ในงานจัดซื้อ
ทำให้เวิร์กโฟลว์ราบรื่น
เครื่องมือ AI อย่าง RPA และระบบเวิร์กโฟลว์ที่ขับเคลื่อนด้วย ML ช่วยให้งานซ้ำ ๆ ดำเนินไปโดยอัตโนมัติในวงกว้าง ทีมจึงมีเวลาทำงานเชิงกลยุทธ์มากขึ้น
เช่น RPA สามารถกรอกแบบฟอร์มขอซื้อโดยดึงข้อมูลจากระบบแค็ตตาล็อก ตรวจสอบข้อมูลซัพพลายเออร์กับฐานข้อมูลหลัก และส่งคำขอไปยังผู้อนุมัติที่เหมาะสมตามศูนย์ต้นทุน วงเงิน และความเร่งด่วน ทั้งหมดนี้โดยไม่ต้องใช้แรงงานคน
ลดข้อผิดพลาด
ยิ่งกระบวนการทำด้วยมือมากเท่าไร โอกาสพลาดก็ยิ่งสูง โดยเฉพาะเมื่อเวลาจำกัด
AI ช่วยด้วยการตรวจสอบความถูกต้องและหาความผิดปกติแบบเรียลไทม์ในทุกขั้นตอนของเวิร์กโฟลว์
ลองนึกภาพการส่งใบแจ้งหนี้ที่ไม่ตรงกับ PO เดิม แทนที่จะต้องมีคนตรวจเจอระหว่างรีวิวด้วยมือ โมเดล machine learning จะตรวจพบความไม่ตรงกันได้ทันที
ไม่ว่าจะเป็นการหาข้อมูลซ้ำหรือแจ้งเตือนสิ่งที่ดูผิดปกติ AI ช่วยให้การทำงานมีความสม่ำเสมอและแม่นยำในงานที่มักผิดพลาดได้ง่ายเมื่อทีมต้องเร่งมือ
ลดต้นทุน
AI ไม่เพียงแค่ลดต้นทุนด้วยการทำงานซ้ำ ๆ ให้เป็นอัตโนมัติ แต่ยังช่วยตัดสินใจได้ดีขึ้นและค้นหาจุดอ่อนที่ซ่อนอยู่
ตัวอย่างเช่น เอเจนต์ AI สามารถคำนวณความคุ้มค่าของการจ่ายเงินให้ซัพพลายเออร์ล่วงหน้าเพื่อรับส่วนลด 2% และนำเสนอโอกาสที่ดีที่สุดโดยอัตโนมัติ
องค์กรที่ใช้ AI วิเคราะห์ค่าใช้จ่ายขั้นสูงสามารถประหยัดต้นทุนรวมได้สูงสุดถึง10% ด้วยการปรับกลยุทธ์การจัดหาและลดการสูญเสียมูลค่า
ขยายธุรกิจโดยไม่เจอปัญหาในการเติบโต
เมื่อการดำเนินงานจัดซื้อขยายตัว ข้อมูลและความซับซ้อนก็เพิ่มขึ้น แต่ AI ช่วยให้ทีมจัดการได้โดยไม่ต้องเพิ่มคน
ตั้งแต่การรวมข้อมูลอัตโนมัติไปจนถึงการวิเคราะห์สัญญาและการตรวจสอบค่าใช้จ่าย AI ช่วยให้การเติบโตเป็นไปอย่างชาญฉลาดโดยไม่เจอปัญหาเดิม ๆ
คาดการณ์ความเสี่ยง
งานจัดซื้อโดยธรรมชาติแล้วมักจะเป็นการแก้ปัญหาภายหลัง AI เปลี่ยนสิ่งนี้ด้วยการให้สัญญาณเตือนและคำแนะนำล่วงหน้าก่อนที่ปัญหาจะเกิด
การมองการณ์ไกลนี้ยิ่งสำคัญมากขึ้นเรื่อย ๆ จริง ๆ แล้ว 70% ของผู้นำฝ่ายจัดซื้อระบุว่าความเสี่ยงจากซัพพลายเออร์ที่เพิ่มขึ้นเป็นเรื่องที่น่ากังวลสูงสุด และ AI กำลังกลายเป็นเครื่องมือหลักของพวกเขา
โมเดล AI จะสแกนข้อมูลภายใน (เช่น ปัญหาการส่งมอบและการปฏิบัติตามสัญญา) ร่วมกับสัญญาณภายนอก (เช่น คะแนนเครดิต, การจัดอันดับ ESG, ข่าวสาร) เพื่อสร้างคะแนนความเสี่ยงปัจจุบันและช่วยให้ทีมดำเนินการก่อนที่ปัญหาจะลุกลาม
8 กรณีการใช้งาน AI ในงานจัดซื้อจัดจ้าง
1. การคาดการณ์และควบคุมต้นทุนที่ชาญฉลาดขึ้น
แมชชีนเลิร์นนิงช่วยให้ทีมคาดการณ์ความต้องการโดยเรียนรู้จากรูปแบบการซื้อในอดีตและประสิทธิภาพของซัพพลายเออร์ สามารถทำนายได้ว่าควรสั่งซื้อเมื่อไรและปริมาณเท่าไร โดยคำนึงถึงปัจจัยต่าง ๆ เช่น ความล่าช้า, การเปลี่ยนแปลงราคา และแม้แต่ปัจจัยภายนอกอย่างสภาพอากาศ
อัลกอริทึม MLวิเคราะห์ข้อมูลการจัดซื้อในอดีตจำนวนมากและข้อมูลภายนอก เช่น ราคาสินค้าโภคภัณฑ์, ความล่าช้าในการขนส่ง, อัตราเงินเฟ้อ และแม้แต่พยากรณ์อากาศ ทั้งหมดนี้ช่วยสร้างโมเดลที่สามารถทำนายความต้องการซื้อในอนาคตได้อย่างละเอียดถึงระดับ SKU
ตัวอย่างเช่น หากเกิดความล่าช้าที่ท่าเรือพร้อมกับความต้องการวัสดุบรรจุภัณฑ์บางประเภทที่เพิ่มขึ้น โมเดล ML อาจตรวจพบรูปแบบนี้ก่อนที่จะเห็นได้ชัดและแนะนำให้สั่งซื้อเร็วขึ้นหรือเปลี่ยนไปใช้ซัพพลายเออร์สำรอง
โมเดล ML ยังติดตามข้อมูลแบบเรียลไทม์ เช่น การเปลี่ยนแปลงราคาตลาด หากต้นทุนวัตถุดิบเริ่มสูงขึ้น ระบบอาจแนะนำให้เจรจาสัญญาใหม่หรือเร่งการสั่งซื้อเพื่อรักษาราคาที่ต่ำกว่าไว้
การคาดการณ์นี้ช่วยให้ทีมสามารถ:
- หลีกเลี่ยงการสั่งซื้อเกินหรือสั่งซื้อน้อยเกินไป
- ปรับต้นทุนการเก็บสต็อกให้เหมาะสม
- ปรับกลยุทธ์การจัดซื้อก่อนที่ปัญหาจะกระทบการดำเนินงาน
- ตัดสินใจเรื่องงบประมาณด้วยข้อมูลที่ทันสมัยและนำไปใช้ได้จริง
2. ทำงานจัดซื้อและงานข้อมูลอัตโนมัติ
งานที่ต้องทำด้วยมือ เช่น การค้นหาข้อมูลซัพพลายเออร์, การสร้าง RFP และการกรอกข้อมูล กินเวลามาก
AI ช่วยลดขั้นตอนเหล่านี้โดยดึงโปรไฟล์ซัพพลายเออร์จากหลายแหล่ง, กรอกเทมเพลต RFP อัตโนมัติ และซิงค์ข้อมูลสำคัญระหว่างระบบโดยไม่ต้องกรอกเอง ทีมจัดซื้อจึงลดเวลาวนรอบงานและหันไปโฟกัสงานเชิงกลยุทธ์ เช่น การสร้างความสัมพันธ์กับซัพพลายเออร์หรือวิเคราะห์ประสิทธิภาพ
MTN Group สร้างแพลตฟอร์มชื่อProcurement Cockpit ที่รวบรวมข้อมูลจัดซื้อจากทั้งองค์กร แทนที่จะต้องสลับระบบหรือค้นหาข้อมูล ทีมงานจะเห็นภาพรวมแบบเรียลไทม์ของกิจกรรมจัดซื้อ, ประสิทธิภาพซัพพลายเออร์ และการใช้จ่าย
เป็นวิธีที่ชาญฉลาดในการจัดระเบียบและประหยัดเวลา และได้ผลจริง: MTN ได้รับการยอมรับในอุตสาหกรรมจากการใช้ระบบอัตโนมัติที่ขับเคลื่อนด้วย AI
3. การจัดการใบสั่งซื้อให้คล่องตัวขึ้น
ต้องยอมรับว่าการจัดการใบสั่งซื้อด้วยมือช้า มีโอกาสผิดพลาด และน่าเบื่อมาก
เอเจนต์ AI สามารถทำงานสำคัญในกระบวนการจัดซื้อได้อัตโนมัติ ตั้งแต่สร้างใบสั่งซื้อไปจนถึงติดตามการจัดส่งและจัดการข้อยกเว้น ไม่ใช่แค่แจ้งเตือนปัญหา แต่ยังดำเนินการ เช่น สั่งซื้อจากซัพพลายเออร์สำรองหรือแจ้งเตือนความล่าช้าให้ตรวจสอบ
เช่น เมื่อมีการส่งคำขอซื้อ เอเจนต์ AI จะตรวจสอบกับซัพพลายเออร์และราคาที่ได้รับอนุมัติและกรอกใบสั่งซื้อให้อัตโนมัติ จากนั้นจะส่งคำสั่งซื้อและอัปเดตกำหนดการจัดส่ง
หากเกิดปัญหา เช่น เวลาส่งมอบล่าช้า ระบบสามารถแนะนำทางเลือกโดยอ้างอิงข้อมูลในอดีต แดชบอร์ดจะแจ้งข้อมูลผู้เกี่ยวข้อง ขณะที่ระบบจับคู่ใบแจ้งหนี้กับใบเสร็จอัตโนมัติและแจ้งข้อผิดพลาดให้ตรวจสอบ
4. ผู้ช่วย AI สำหรับทีมจัดซื้อ
ผู้ช่วย AI ในงานจัดซื้อเป็นเครื่องมือที่ช่วยทีมโดยรับหน้าที่งานประจำที่ใช้เวลานาน ทำงานร่วมกับระบบที่มีอยู่เพื่อเร่งการตัดสินใจและลดงานที่ต้องทำด้วยมือในแต่ละวัน
AI ผู้ช่วยไม่ได้มาแทนความเชี่ยวชาญของคน แต่ช่วยให้ทีมทำงานได้เร็วและมีประสิทธิภาพมากขึ้น
Zycus มีMerlin Intake ซึ่งเป็นผู้ช่วย AI ที่ช่วยผู้ใช้สร้างและติดตามคำขอซื้อ คอยแนะนำขั้นตอนการซื้อและตอบคำถามระหว่างทาง ลดการติดต่อกลับไปกลับมา
5. การวิเคราะห์การใช้จ่ายอย่างชาญฉลาด
ทีมจัดซื้อมักประสบปัญหาในการติดตามว่าเงินถูกใช้ไปกับอะไร โดยเฉพาะเมื่อข้อมูลกระจายอยู่ในระบบ ERP และ P2P หลายแห่ง เมื่อข้อมูลกระจัดกระจาย การติดตามการใช้จ่ายแต่ละบาทก็ยากขึ้น
เครื่องมือ AI สามารถจัดระเบียบและจำแนกข้อมูลโดยอัตโนมัติ ให้ทีมเห็นภาพรวมการใช้จ่ายที่ถูกต้อง อัลกอริทึม ML ตรวจจับความผิดปกติและค้นหาโอกาสประหยัดที่เครื่องมือแบบเดิมมักมองข้าม
เช่น AI อาจพบการซื้อซ้ำจากซัพพลายเออร์หลายรายที่ควรรวมเป็นดีลเดียวเพื่อรับส่วนลด หรือชี้ให้เห็นการใช้จ่ายผิดปกติในหมวดหมู่ที่ควรตรวจสอบ
ข้อมูลเชิงลึกระดับนี้ช่วยให้ทีมสามารถ:
- เพิ่มความโปร่งใสในการใช้จ่ายในแต่ละหมวดหมู่และซัพพลายเออร์
- ตรวจจับการใช้จ่ายที่ไม่เป็นไปตามนโยบายหรือผิดปกติ
- ค้นหาโอกาสในการรวมดีลหรือเจรจาใหม่
- ตัดสินใจเรื่องงบประมาณและการจัดซื้อได้ดีขึ้น
6. การบริหารความเสี่ยงซัพพลายเออร์
ความเสี่ยงจากซัพพลายเออร์เป็นเรื่องที่น่ากังวลมากขึ้น และ AI ช่วยให้การจัดการเรื่องนี้เชิงรุกมากกว่าที่เคย
โมเดล ML จะสแกนสัญญาณภายในอย่างต่อเนื่อง เช่น การละเมิดสัญญาและความผิดปกติของใบแจ้งหนี้ พร้อมกับตัวชี้วัดภายนอก เช่น คะแนนเครดิต, การจัดอันดับ ESG, เหตุการณ์ทางภูมิรัฐศาสตร์ และข่าวสารทั่วโลก
AI จะสังเคราะห์ข้อมูลเหล่านี้เป็นคะแนนความเสี่ยงแบบเรียลไทม์ ทำให้ทีมจัดซื้อสามารถจัดลำดับความสำคัญของซัพพลายเออร์ตามความเสี่ยงและความน่าเชื่อถือ บางเครื่องมือยังสามารถจำลองสถานการณ์ความเสียหายของซัพพลายเชนเพื่อช่วยวางแผนรับมือ
ตัวอย่างเช่น แพลตฟอร์ม AI ของ Resilinc ช่วยให้บริษัทคาดการณ์ความล่าช้าได้โดยวิเคราะห์ปัจจัยต่าง ๆ เช่น ประสิทธิภาพของซัพพลายเออร์และเหตุการณ์ภายนอก ด้วยแพลตฟอร์มนี้ บริษัทสามารถคาดการณ์ปัญหา เช่น ไต้ฝุ่นในจีน ก่อนที่จะเกิดขึ้น ระบบจะแจ้งเตือนทีมล่วงหน้าเพื่อให้เปลี่ยนเส้นทางการขนส่งและหลีกเลี่ยงการสูญเสียรายได้
7. การวิเคราะห์สัญญาอัจฉริยะ
สัญญาจัดซื้อมีข้อมูลสำคัญมากมาย แต่การตรวจสอบและจัดการด้วยมือใช้เวลามาก
เครื่องมือ NLP เช่น LLM agent สามารถดึงข้อมูลสำคัญ เช่น เงื่อนไขการชำระเงินและ SLA จากสัญญานับพันฉบับและจับคู่กับกรอบการปฏิบัติตามข้อกำหนด
สมมติว่าทีมของคุณต้องตรวจสอบสัญญาซัพพลายเออร์ 500 ฉบับก่อนสิ้นปี แทนที่จะต้องไล่ดูทีละฉบับ ระบบ AI จะสแกนเอกสารทั้งหมดในไม่กี่นาที แจ้งเตือนสัญญาที่ใกล้หมดอายุ เน้นสัญญาที่ขาดข้อกำหนดด้านข้อมูล และจัดกลุ่มสัญญาคล้ายกันให้ง่ายต่อการตรวจสอบ
8. การจับคู่ซัพพลายเออร์แบบไดนามิก
การหาซัพพลายเออร์ที่เหมาะสมเคยต้องพึ่งพารายชื่อเดิมหรือค้นหาด้วยมือ AI เปลี่ยนวิธีนี้โดยแนะนำซัพพลายเออร์ตามประวัติผลงาน, ใบรับรอง, ราคา และศักยภาพปัจจุบัน
ด้วยแมชชีนเลิร์นนิง ระบบจะประเมินทั้งข้อมูลโครงสร้างและไม่มีโครงสร้างเพื่อแนะนำซัพพลายเออร์ที่เหมาะสมที่สุดสำหรับความต้องการหรือภูมิภาคนั้น ๆ
ทีมจัดซื้อสามารถทำสิ่งต่อไปนี้ได้:
- คัดเลือกซัพพลายเออร์ที่เหมาะสมได้เร็วขึ้น
- เลือกซัพพลายเออร์ที่สอดคล้องกับเป้าหมายด้านคุณภาพ, ต้นทุน และ ESG
- ลดเวลาขึ้นทะเบียนซัพพลายเออร์และเพิ่มความคล่องตัวในการจัดซื้อ
วิธีนำ AI มาใช้ในงานจัดซื้อ
ไม่มีวิธีเดียวที่เหมาะกับทุกองค์กรในการนำ AI มาใช้ในงานจัดซื้อ วิธีที่เหมาะสมขึ้นอยู่กับขนาดและเป้าหมายของบริษัท แต่ไม่ได้หมายความว่าต้องเริ่มพัฒนาทั้งหมดเอง
ส่วนนี้เหมาะสำหรับผู้จัดการจัดซื้อ, ผู้เชี่ยวชาญด้านการจัดหา, มืออาชีพด้านซัพพลายเชน และ CPO ที่มองหาวิธีนำ AI มาใช้จริงในกระบวนการทำงาน
.webp)
1. กำหนดเป้าหมายให้ชัดเจน
อย่าใช้ AI เพียงเพราะดูทันสมัย ต้องรู้ชัดว่าต้องการแก้ปัญหาอะไร
คุณต้องการทำใบสั่งซื้ออัตโนมัติ? ปรับปรุงการจำแนกการใช้จ่าย? หรือทำนายความเสี่ยงซัพพลายเชน?
แต่ละเป้าหมายเหล่านี้ต้องใช้เครื่องมือ โมเดลข้อมูล และการเชื่อมต่อที่แตกต่างกัน ตัวอย่างเช่น การทำใบสั่งซื้ออัตโนมัติอาจต้องใช้ RPA ในขณะที่การปรับปรุงการคาดการณ์อาจต้องพึ่งพา ML
หากไม่มีเป้าหมายที่ชัดเจน คุณอาจสร้างเครื่องมือราคาแพงที่ไม่ตอบโจทย์อะไรเลย เริ่มจากปัญหาหลักแล้วใช้สิ่งนั้นนำทางการนำ AI มาใช้
2. เลือกแพลตฟอร์ม
เมื่อมีเป้าหมายแล้ว ให้หาเครื่องมือที่ตอบโจทย์เหล่านั้น
เริ่มจากสิ่งที่คุณมีอยู่แล้ว หลาย ERP และแพลตฟอร์มจัดซื้อจัดจ้างในปัจจุบันมีฟีเจอร์ AI ในตัว เช่น การจัดหมวดหมู่การใช้จ่าย หรือการวิเคราะห์สัญญา หากความต้องการของคุณเฉพาะเจาะจงมากขึ้น ให้พิจารณาเครื่องมือเฉพาะทาง แต่ควรตรวจสอบให้แน่ใจว่าสามารถเชื่อมต่อกับระบบของคุณได้อย่างราบรื่น
แพลตฟอร์มที่ดีที่สุด คือแพลตฟอร์มที่ทำงานร่วมกับสิ่งที่คุณมีอยู่และสามารถขยายได้ตามการเติบโตของคุณ
3. เตรียมข้อมูลของคุณ
AI จะฉลาดได้เท่ากับข้อมูลที่คุณป้อนให้เท่านั้น
ก่อนจะเริ่มต้น ควรสำรวจสิ่งที่คุณมีอยู่ จัดระเบียบข้อมูลที่กระจัดกระจาย รวมศูนย์ข้อมูลจากหลายระบบ และตั้งมาตรฐานการจัดการข้อมูลที่ดี ซึ่งหมายถึงการกำหนดรูปแบบข้อมูลให้เหมือนกันและตรวจสอบความถูกต้องของข้อมูล
ทีมจัดซื้อไม่จำเป็นต้องมีข้อมูลที่สมบูรณ์แบบ แต่ต้องมีข้อมูลที่ นำไปใช้ได้จริง คิดเสียว่าเหมือนกับการเตรียมดินก่อนปลูกต้นไม้
4. ทำให้โซลูชันของคุณเป็นจริง
เมื่อเป้าหมายและแพลตฟอร์มชัดเจน ข้อมูลพร้อมแล้ว ก็ถึงเวลานำโซลูชันของคุณไปใช้จริง
สำหรับทีมจัดซื้อส่วนใหญ่ ไม่ได้หมายถึงการสร้างเครื่องมือ AI ขึ้นมาใหม่ทั้งหมด แต่คือการทำงานร่วมกับผู้ให้บริการ พาร์ทเนอร์ หรือทีม IT ภายใน เพื่อปรับแต่งและติดตั้งเครื่องมือให้เหมาะกับกรณีใช้งานของคุณ
เลือกแนวทางที่เหมาะกับความสามารถของทีมและความซับซ้อนของเป้าหมาย
5. สนับสนุนทีมของคุณ
แม้เครื่องมือ AI จะดีแค่ไหน ก็ไร้ประโยชน์หากทีมไม่รู้วิธีใช้หรือไม่เชื่อมั่นในเครื่องมือนั้น
เมื่อโซลูชันพร้อมใช้งานแล้ว ควรจัดเวลาให้ทีมได้เรียนรู้และปรับตัว ทำงานร่วมกับผู้ให้บริการหรือพาร์ทเนอร์ที่ติดตั้งเพื่อฝึกอบรมทีมในกรณีใช้งานจริง และปรับเนื้อหาการฝึกอบรมให้เหมาะกับวิธีการทำงานของมืออาชีพด้านจัดซื้อ ไม่ใช่แค่สอนวิธีใช้เครื่องมือเท่านั้น
เปิดโอกาสให้ได้ฝึกปฏิบัติจริง จัดทำเอกสารขั้นตอนการทำงานที่พบบ่อย และเปิดช่องทางรับฟังความคิดเห็นอย่างต่อเนื่อง
เทคโนโลยีจะไม่สร้างผลลัพธ์ หากไม่มีใครรู้วิธีใช้งาน
6. ประเมินผลและปรับปรุงต่อเนื่อง
อย่าทำแล้วปล่อยทิ้งไว้โดยไม่ดูแล
ติดตามผลกระทบของเครื่องมือ AI ด้วยตัวชี้วัดที่ชัดเจน เช่น เวลาที่ใช้ในแต่ละรอบงานที่ลดลง เงินที่ประหยัดได้ หรือจำนวนเหตุการณ์ความเสี่ยงที่หลีกเลี่ยงได้
หากมีการใช้แชทบอท ให้ดู การวิเคราะห์แชทบอท เพื่อเข้าใจว่าถูกใช้งานอย่างไร มีจุดไหนที่ได้ผล หรือจุดไหนที่สร้างปัญหา การวัด ผลตอบแทนจากการลงทุนของแชทบอท ก็สำคัญเพื่อพิสูจน์ความคุ้มค่าและวางแผนปรับปรุงในอนาคต
และพูดคุยกับผู้ใช้งาน อะไรที่เวิร์ก อะไรที่ติดขัด
ระบบ AI จะพัฒนาขึ้นเมื่อเวลาผ่านไป แต่ต้องมีการปรับแต่งอย่างต่อเนื่อง การนำไปใช้ที่ดีที่สุดจะเติบโตไปพร้อมกับการใช้งานจริง
สร้าง AI Agent ได้ฟรี
ถ้าคุณกำลังมองหาวิธีนำ AI เข้ามาใช้ในกระบวนการจัดซื้อจัดจ้าง ตอนนี้เป็นเวลาที่เหมาะสมที่สุดในการเริ่มเรียนรู้
Botpress คือแพลตฟอร์มสร้าง AI agent สำหรับทุกคน ไม่ว่าคุณจะมีพื้นฐานด้านเทคนิคหรือไม่ก็ตาม สร้าง flow ได้ด้วยภาพ ทดสอบคำตอบกับข้อมูลผู้ใช้จริง และเชื่อมต่อแหล่งข้อมูลของธุรกิจคุณเพื่อให้ได้ข้อมูลที่ทันสมัยที่สุด
ไม่ว่าคุณจะสร้าง agent เพื่อจัดการสื่อสารกับซัพพลายเออร์ หรือทำให้การอนุมัติใบสั่งซื้อเป็นอัตโนมัติ Botpress ก็ช่วยให้การนำระบบอัตโนมัติด้านจัดซื้อมาใช้เป็นเรื่องง่าย
คำถามที่พบบ่อย
การนำ AI มาใช้ในงานจัดซื้อมีค่าใช้จ่ายสูงไหม?
ค่าใช้จ่ายในการนำ AI มาใช้ในงานจัดซื้อมีความหลากหลายมาก: ฟีเจอร์ AI พื้นฐานที่มีในแพลตฟอร์มเดิมอาจมีค่าใช้จ่ายเพียงไม่กี่ร้อยดอลลาร์ต่อเดือน ในขณะที่โซลูชันระดับองค์กร เช่น การวิเคราะห์การใช้จ่ายขั้นสูงหรือ agent อัตโนมัติ อาจมีค่าใช้จ่ายถึงหลักแสนดอลลาร์ต่อปี ทั้งนี้ขึ้นอยู่กับความซับซ้อนของกระบวนการและการเลือกใช้โซลูชันสำเร็จรูปหรือพัฒนา AI เฉพาะทาง
มีความเสี่ยงหรือข้อเสียอะไรบ้างในการใช้ AI ในงานจัดซื้อ?
การใช้ AI ในงานจัดซื้อมีความเสี่ยง เช่น การตัดสินใจที่ผิดพลาดหากข้อมูลไม่ครบถ้วนหรือไม่ถูกต้อง ความเสี่ยงที่จะผูกติดกับผู้ให้บริการ AI เฉพาะราย และปัญหาด้านการปฏิบัติตามข้อกำหนดหากข้อมูลสำคัญไม่ได้รับการปกป้องอย่างเหมาะสม นอกจากนี้ เครื่องมือ AI อาจเกิดข้อผิดพลาดหรือผลลัพธ์ที่ไม่คาดคิดได้ จึงต้องมีการตรวจสอบโดยมนุษย์เพื่อป้องกันปัญหาที่อาจนำไปสู่ความเสียหาย
เครื่องมือ AI ในงานจัดซื้อแทนที่งานเดิม หรือแค่เปลี่ยนวิธีการทำงานของคน?
เครื่องมือ AI ในงานจัดซื้อโดยทั่วไปไม่ได้ทำให้คนตกงานโดยตรง แต่เปลี่ยนวิธีการทำงาน เช่น ทำงานซ้ำ ๆ อย่างการกรอกข้อมูล การจับคู่ใบแจ้งหนี้ หรือการจัดหมวดหมู่การใช้จ่ายให้เป็นอัตโนมัติ ทำให้ผู้เชี่ยวชาญด้านจัดซื้อมีเวลาทำงานเชิงกลยุทธ์มากขึ้น เช่น การสร้างความสัมพันธ์กับซัพพลายเออร์ การเจรจาต่อรอง และการบริหารความเสี่ยง อย่างไรก็ตาม บทบาทงานอาจเปลี่ยนไปสู่ทักษะด้านวิเคราะห์หรือเทคนิคมากขึ้นเมื่อ AI ถูกนำมาใช้ในงานประจำวัน
ธุรกิจขนาดเล็กจะได้ประโยชน์จาก AI ในงานจัดซื้อหรือไม่ หรือเหมาะกับองค์กรใหญ่เท่านั้น?
ธุรกิจขนาดเล็กก็สามารถได้ประโยชน์จาก AI ในงานจัดซื้อ โดยเฉพาะผ่านเครื่องมือ SaaS ที่มีราคาย่อมเยา ซึ่งมีฟีเจอร์อย่างการประมวลผลเอกสารอัตโนมัติ การจับคู่ซัพพลายเออร์ หรือการวิเคราะห์การใช้จ่ายขั้นพื้นฐานโดยไม่ต้องลงทุนสูง ในขณะที่องค์กรขนาดใหญ่อาจใช้โซลูชัน AI ที่ซับซ้อนและปรับแต่งได้ ธุรกิจขนาดเล็กก็สามารถประหยัดเวลาและตัดสินใจได้ดีขึ้นด้วยเครื่องมือ AI บนคลาวด์ที่ใช้งานง่าย
ทีมจัดซื้อต้องมีทักษะแบบไหนในการทำงานกับเครื่องมือ AI?
ทีมจัดซื้อไม่จำเป็นต้องเป็นโปรแกรมเมอร์เพื่อใช้งานเครื่องมือ AI แต่ควรมีทักษะด้านการอ่านและวิเคราะห์ข้อมูล เพื่อเข้าใจการทำงานของโมเดล AI และตรวจสอบคุณภาพข้อมูลได้ ความคุ้นเคยกับเครื่องมือวิเคราะห์ข้อมูลและความมั่นใจในการใช้แพลตฟอร์มดิจิทัลเป็นสิ่งสำคัญ รวมถึงความสามารถในการทำงานร่วมกับฝ่าย IT เพื่อผสาน AI เข้ากับกระบวนการจัดซื้อ
.webp)
