从 ChatGPT 到 Bard，生成式人工智能技术终于出现并掀起了波澜——包括在采购领域。探索生成式人工智能可以提高效率、释放价值、催生新的数字能力以及彻底改变供应链领域从来源到支付流程的多种方式。

1

生成式人工智能：革命性的颠覆

自去年 11 月 ChatGPT 上线以来，生成式 AI 一直是社交媒体和公司董事会讨论的话题。凭借其通过解释和模拟训练数据集“创建”新内容的能力，生成式人工智能有望颠覆多个流程、工作和行业。该平台被吹捧为从根本上改变我们对工作和技能的看法，而由生成式人工智能支持的工具预计将彻底改变当前的工作方式。高盛预计，生成式人工智能可以使约 3 亿个工作岗位实现自动化，并在 10 年内使全球 GDP 增长 7%。

(资料图)

采购到付款 (S2P) 流程始终利用技术进步；随着这种颠覆性技术的出现，了解该平台的含义、其功能以及它如何改变我们采购商品和服务的方式至关重要。

2

采购环境

采购业务历来处于技术颠覆的最前沿。从利用高级分析进行支出分类，到部署对话式人工智能进行引导式购买，从来源到支付的工具不断创新，以应对流程挑战。然而，许多寻源和采购职能部门仍在努力优化效率、管理风险和管理成本（近期的通胀压力）。

策源与采购历史变革

2023 年全球首席采购官 (CPO) 调查揭示了各行业采购领导者近期可能关注的重点。采购领导者一直致力于提高组织的运营效率，利用混合运营模型、自动化和集中流程等杠杆来获得更多控制、提高可见性、执行政策并减少流程错误。在人才方面，CPO 希望采用敏捷的人才发展战略，避免一刀切的方法，并为每位员工采用个性化的技能发展计划，以缩小技能差距。

调查显示，70% 的 CPO 表示，过去 12 个月内与采购相关的风险/供应链中断有所增加。风险评估工具需要能够持续监控外部风险因素、获取大量数据并执行高级分析以预测/规定风险关键绩效指标 (KPI) 和预防性管理。尽管成本管理一直是 CPO 的重点，但近期通胀的上升给采购组织带来了进一步优化成本的额外压力。CPO 报告称，高通胀压力是其组织的头号问题。

为了应对上述挑战，CPO 不断投资于增强数字化能力。数字化转型仍然是首要任务。未来 12 个月的 3 个优先事项，80% 的 CPO 表示这是其组织的首要任务。

生成式人工智能可以通过以下方式帮助解决采购中的这些挑战：

处理大量数据来处理基于场景的结果——减少复杂的手动流程和干预。

利用复杂的自动化来提高效率。

根据历史趋势、需求概况和供应商绩效生成可行的见解。

将内部数据与外部数据相结合，制定更好的谈判策略。

3

利用人工智能在采购中创造价值

生成式人工智能在从源到付款方面的最大潜力可能是主动风险管理、流程自动化和决策。在日益不确定的世界中，即时访问准确的信息对于减轻和管理风险以及增强组织能力至关重要。生成式人工智能可以帮助自动化从来源到付款的“创建”流程，包括“创建”文档（X请求、章程、合同）或“创建”交易（采购订单、发票）。

生成式人工智能可以通过以下方式进一步帮助采购：

合规管理：生成式人工智能可用于采购合规管理，以监控采购流程并识别潜在的欺诈活动或异常情况。此外，人工智能系统可以结合历史违规行为的见解，以识别未来的类似模式。

潜在好处：生成式人工智能可以通过分析政策文件和报告并识别不合规领域以采取纠正措施来协助组织治理。它可以帮助组织最大限度地降低风险，帮助确保道德实践，保持法律合规性，提高透明度，增强利益相关者的信任，并支持可持续和负责任的采购实践。

战略制定：采购战略涉及根据组织的需求识别、评估和选择最合适的供应商。生成式人工智能可以通过分析大量结构化和非结构化数据来提供帮助。

潜在的好处：生成式人工智能可以通过分析过去的绩效数据、产品规格和客户反馈以及可能对供应商产生影响的外部因素（例如地缘政治风险、自然灾害和供应链中断）来评估供应商的能力、绩效和相关风险性能和可用性。生成式人工智能可以协助支出立方体分析和识别节省成本的机会。它还可以模拟复杂的谈判场景并预测结果，使谈判者能够评估和确定最有效的策略。

文本数据分析：生成式人工智能允许组织分析大量非结构化文本数据，例如新闻文章、社交媒体帖子、合同和客户反馈。

潜在好处：使用生成式人工智能的文本数据分析可以通过从非结构化文本数据中获取有价值的见解和知识，帮助采购专业人员进行供应商评估、合规监控、市场情报和合同风险管理。文本挖掘和相关分析可以帮助从当前未开发的数据源中生成可操作的见解。

预测建模：构建预测模型可以检测潜在风险并提供主动警报。预测建模可以帮助通过预测、库存管理等有效地将采购整合到其他供应链流程中。

潜在的好处：预测建模可以为采购专业人员提供数据驱动的见解，例如识别定价模式和预测未来的价格波动，以及基于供应商绩效的预测。考虑各种因素，例如质量、交付可靠性、定价、财务稳定性等。

4

生成式人工智能和从源到付费：可能性的艺术

下面说明了将生成式人工智能引入现实生活中的从来源到支付场景的用例。从开发提案请求的内容到确定授予采购投标的供应商的优先列表，生成式人工智能可以提高效率。

5

供应链领域的生成式人工智能的下一步是什么？

采购中的许多操作仍然依赖于手动活动和转椅流程，但生成式人工智能有潜力改变这些日常操作。

尽管具有上述功能的权威工具尚未出现，但生成式人工智能标志着从资源到支付的战略、治理、人员、流程和技术的演变发生了颠覆性变化。

采购领导者越来越有必要认识到这种变革的重要性，接受其能力，并将其纳入他们的长期路线图。然而，接受变革需要组织做好有效实施解决方案的准备。这可能包括以下步骤：

概述关于如何将生成式人工智能集成到寻源和采购业务中的明确战略，包括用例、数据要求和预期结果。

构建支持使用生成式人工智能所需的基础设施，包括数据管道、计算资源和分析工具。

利用严格的数据治理策略，通过数据分析、清理和转换启动提高数据质量的计划。

制定强有力的人才战略，并准备好将人才转移到生成人工智能显着改变工作定义的其他战略领域。

在使用生成式人工智能时优先考虑道德和透明度，包括确保负责任地使用合成数据，并对生成式人工智能模型的局限性和潜在偏见保持透明。

6

采购革新：利用并驾驭人工智能和新一代技术的潜力

人工智能和新兴技术的巨大潜力把我们推向了采购领域创新变革的风口浪尖。作为采购与供应链领域的管理者将借助这次独特的机会来利用新技术来简化运营、优化成本、改善决策，并提高可见性与灵活性。