Стратегическа трансформация на създаването на стойност: Как изкуственият интелект коренно променя пейзажа на обществените поръчки

Предварително издание на Xpert

Предлага се на 27 езика 📢

Публикувано на: 5 януари 2026 г. / Актуализирано на: 5 януари 2026 г. – Автор: Konrad Wolfenstein

Стратегическа трансформация на създаването на стойност: Как изкуственият интелект коренно променя пейзажа на обществените поръчки – Изображение: Xpert.Digital

Защо компаниите трябва да разграничат оперативните и стратегическите си доставки по-радикално от всякога

Концептуалната основа: Между реактивните процеси и създаването на стратегическа стойност

Съвременната бизнес администрация често третира снабдяването и покупките като синоними, въпреки че те имат фундаментални разлики в целта, времето и въздействието си върху рентабилността на компанията. Това концептуално смесване води до систематични загуби на ефективност, които се увеличават експоненциално, ако компаниите не успеят да използват трансформативния потенциал на изкуствения интелект.

Снабдяването с доставки е стратегически, непрекъснат процес, обхващащ цялата верига за създаване на стойност, от първоначалната оценка на нуждите, през пазарния анализ, идентифицирането на доставчици и договарянето на договори, до управлението на дългосрочните взаимоотношения с доставчиците. Това е инструмент за управление, насочен към осигуряване на дългосрочна сигурност на доставките, оптимизиране на общите разходи за собственост и максимизиране на стойността на компанията. Снабдяването с доставки не е изолирано от корпоративните цели, а по-скоро стратегически лост, който влияе между 50 и 70 процента от общите разходи на компанията.

От друга страна, закупуването е оперативно-транзакционният компонент на този процес. То се фокусира върху конкретното, често краткосрочно изпълнение на отделни покупки, които вече са подготвени чрез снабдяване. Оперативното закупуване обхваща поставяне на поръчки, управление на доставките, наблюдение на датите на доставка, контрол на качеството при получаване на стоките и плащане към доставчиците. Докато снабдяването стратегически пита: „Кои дългосрочни взаимоотношения с доставчици оптимизират нашата стойност?“, оперативното закупуване пита: „Как да гарантирам, че тези стоки ще пристигнат навреме, с правилното качество и количество?“ Това е фундаментална, не просто семантична, разлика.

Договорните поръчки представляват специализирана функция в по-широкия контекст на стратегическите поръчки. Това е структуриран процес, чрез който компанията систематично идентифицира, оценява и избира потенциални доставчици за конкретна категория или проект. За разлика от реактивните оперативни покупки, договорните поръчки следват проактивен, аналитичен подход: те търсят пазари, оценяват офертите спрямо предварително определени критерии, договарят договори и по този начин установяват основата за оптимални бизнес взаимоотношения. Този процес често се нарича „от източник до плащане“ или снабдяване и формира моста между стратегическото планиране и оперативното изпълнение.

Моделът на двойния процес: „От снабдяване до плащане“ като интегрираща гръбнака

Съвременните обществени поръчки са структурирани по т. нар. модел „от закупуване до плащане“ (P2P), който преплита както стратегически, така и оперативни аспекти. P2P процесът се простира от първоначалната оценка на нуждите и създаването на заявки, през избора на доставчик, поръчката, получаването на стоки и контрола на качеството, до проверката на фактурите и накрая, освобождаването на плащането. Тази цялостна перспектива разкрива ключова дилема: Докато стратегическите обществени поръчки се фокусират върху дългосрочното планиране и смекчаването на риска, оперативните покупки процъфтяват благодарение на незабавната ефективност и рутина.

Този дуализъм води на практика до класическа неефективност, известна като индивидуално купуване. Индивидуалното купуване описва феномена, при който отделни отдели или служители правят поръчки извън установените процеси, контролирани от отдела за покупки. Това обикновено се случва по три причини: Първо, защото формалните процеси на обществени поръчки се възприемат като твърде сложни или отнемащи време; второ, защото спешността изисква бързи действия; и трето, защото служителите са недоволни от предвидените доставчици или условия.

Последиците далеч не са тривиални. Компаниите губят до 15% от допълнителните разходи поради индивидуалните покупки, произтичащи от множество източници: по-високи покупни цени поради по-малки количества, тъй като обемите не са консолидирани; неизползвани ценови предимства от стратегически рамкови споразумения; и значителни разходи за процеси, произтичащи от ръчната регистрация на нови доставчици, управлението на фрагментирана база от доставчици и допълнителна счетоводна работа. Парадоксално е, че проблемът се самоподсилва: колкото по-сложна става официалната организация за обществени поръчки, толкова по-вероятно е потребителите да прибягват до неформални канали, което от своя страна изостря сложността и непрозрачността.

Основата на оперативните различия: Времева перспектива, цели и компетенции

Стратегическите обществени поръчки работят с хоризонт на планиране, който се простира върху няколко години. Неговите задачи включват систематичен пазарен анализ (Кои доставчици съществуват на пазара и при какви условия?), прогнозиране на търсенето (От какво ще се нуждаем през следващите две до пет години?), оценка на доставчиците според многоизмерни критерии (не само цена, но и качество, надеждност, финансова стабилност, иновативна сила, устойчивост, геополитически и рискове за съответствие), договаряне на договори с цел създаване на печеливши ситуации, смекчаване на риска чрез диверсификация и алтернативни източници, както и непрекъснато наблюдение на производителността и оптимизиране на взаимоотношенията с доставчиците.

Оперативното закупуване, от друга страна, е ежедневен процес с времеви хоризонт от дни до седмици. То се основава на вече установените структури от обществените поръчки (одобрени доставчици, рамкови споразумения, каталози) и се фокусира върху ефективността на изпълнението: Как поръчките могат да се обработват бързо, точно и рентабилно? Как може да се гарантира, че забавянията на доставките се идентифицират незабавно и се ескалират? Как фактурите могат да се обработват бързо и правилно, без грешки, водещи до забавяне на плащанията или спорове с доставчици?

Това разграничение не е просто академично упражнение. То определя квалификационните профили на участващите лица. Стратегическият купувач е мениджър, анализатор и дипломат едновременно – той трябва да провежда пазарни проучвания, да преговаря, да анализира сценарии и да предвижда рискове. Оперативният купувач, от друга страна, трябва да осигурява безпроблемни процеси, бързо да идентифицира проблеми, да управлява правилно системите и да взема решения, основани на данни, въз основа на предварително определени критерии. Тези различни профили на изисквания не са систематично разграничени в много компании, което води до заемане на стратегически позиции от административно ориентирани лица или обратното.

Придобиване на поръчки като специализиран интерфейс: идентифициране на източника и проектиране на договор

Придобиването на поръчки е процес на операционализиране на стратегическите цели. Той започва с обстоен анализ на нуждите: Какво точно се изисква (спецификации, стандарти за качество, количества, дата на доставка)? След това се извършва пазарен анализ и проучване на доставчиците, често подкрепени от отраслови доклади, търговски панаири, онлайн бази данни и мрежови ефекти. Потенциалните доставчици се оценяват в структуриран процес, който прилага стандартизирани критерии, за да се гарантира обективност и сравнимост.

Следващата стъпка е получаване на оферти, обикновено чрез Заявка за предложение (RFP), Заявка за оферта (RFQ) или Заявка за информация (RFI). Тези заявки са последвани от подробен анализ на офертите, като се разглеждат не само цените, но и възможностите за доставка, условията за плащане, гаранциите и договорните клаузи. След това преговорите по договора са ключовият момент, в който купувачът и доставчикът балансират позициите си и постигат споразумение, което ще бъде устойчиво в дългосрочен план.

Ключова концепция в снабдяването е отчитането на общите разходи за притежание (TCO). Това означава да се вземе предвид не само покупната цена, но и всички разходи през целия жизнен цикъл на продукта: разходи за снабдяване, транспортни разходи, разходи за съхранение, разходи, свързани с проблеми с качеството, разходи за поддръжка и сервиз, както и разходи за изхвърляне. По-евтин доставчик може бързо да се окаже скъп, ако продуктите му имат по-висок процент на дефекти или се износват по-бързо. И обратно, един привидно по-скъп доставчик може да бъде по-рентабилен, ако качеството и надеждността му водят до по-малко прекъсвания в производството и по-малко преработка.

Вълната на дигитализацията: От електронни обществени поръчки към обществени поръчки, основани на разузнаване

Дигиталната трансформация на обществените поръчки започна с концепцията за електронни обществени поръчки, т.е. електронното управление на процесите на обществени поръчки. Вместо хартия, факсове и ръчно въвеждане на данни, процесите бяха дигитализирани чрез онлайн портали, каталози и системи за поръчки. Първото поколение системи за електронни обществени поръчки предложи повишаване на ефективността чрез намаляване на промените в медиите и потенциалните грешки, както и прозрачност чрез централизирано управление на доставчици, договори и история на поръчките.

Следващата вълна е вълната на интеграцията. Съвременните платформи за електронни обществени поръчки са безпроблемно свързани със системите за планиране на ресурсите на предприятието (ERP), обикновено чрез стандартизирани интерфейси като EDI (електронен обмен на данни) или OCI (интерфейс за отворен каталог). Тази интеграция означава, че клиентът влиза в ERP системата, прави поръчка и тя автоматично се прехвърля към платформата за електронни обществени поръчки – без ръчно двойно въвеждане или прекъсване на медиите. Обратно, потвържденията за получаване на стоки и данните от фактурите се синхронизират автоматично обратно с ERP системата, където се съпоставят с оригиналните поръчки (т.нар. тристранно съвпадение: поръчка срещу документ за доставка срещу фактура).

Тази интеграционна перспектива има революционно последствие: тя позволява пълна автоматизация на рутинните процеси. Робот (в смисъл на роботизирана автоматизация на процесите, RPA) може да прочете фактура (използвайки оптично разпознаване на символи, OCR), да я сравни с поръчката за покупка и стоковата разписка, автоматично да освободи плащане, ако има съвпадение, и автоматично да инициира ескалации в случай на несъответствия. Това намалява ръчните усилия при обработка на фактури с до 40 процента при непряко снабдяване и понижава разходите за пропускателна способност на поръчка с до 76 процента.

Най-новата вълна е вълната на разузнаването, която интегрира изкуствения интелект във всички нива на обществените поръчки – не като заместител на човешките вземащи решения, а като допълващ партньор, който подобрява човешките възможности.

Изкуственият интелект като трансформатор: Десетте критични области на приложение

1. Прогнозиране на търсенето и оптимизиране на запасите

Традиционните прогнози за търсенето се основават на исторически средни стойности, сезонни модели или експертни оценки. Системите, базирани на изкуствен интелект, комбинират исторически данни за продажбите с външни фактори като пазарни тенденции, метеорологични условия, празници, икономически показатели и дори сигнали от социалните медии. Моделите за машинно обучение (особено дълбокото обучение и градиентното усилване) разпознават сложни модели, които човешките анализатори биха пропуснали. Резултатът: прогнозите за търсенето стават до 30 процента по-точни.

Това има пряко въздействие върху структурата на разходите. По-точните прогнози водят до оптимални количества за поръчки – не твърде много (което води до разходи за съхранение и обвързване на капитал), не твърде малко (което води до ситуации на изчерпване на запасите и прекъсвания на производството). Една средно голяма компания може да намали запасите си с 15–25 процента чрез оптимизирани прогнози за търсенето, като едновременно с това увеличи наличността и капацитета за доставка.

2. Анализ на разходите и скрит потенциал за спестявания

Анализът на разходите означава, че система с изкуствен интелект категоризира, анализира и визуализира всички разходи на компанията. Типична компания харчи милиони за суровини, оборудване, ИТ, пътувания, офис консумативи и услуги. Тези разходи са разпределени между стотици или хиляди доставчици, фрагментирани са между различни валути, отдели и ERP системи.

Човешките купувачи не могат да обработят тази сложност психически. Система с изкуствен интелект обаче чете структурирани и неструктурирани данни от всички тези източници, стандартизира ги и ги категоризира по продуктова група и след това разкрива скрити модели. Например, тя открива, че ИТ отделът вече е платил 500 000 евро за лицензи за софтуерно меню, докато маркетинговият отдел закупува същия софтуер отделно, плащайки 300 000 евро за идентични лицензи – просто защото нито един от отделите не е знаел, че другият вече е договорил по-добри условия.

Системите с изкуствен интелект могат също така да идентифицират дублиращи се доставчици: Една компания може да работи с 50 различни транспортни компании, въпреки че 10 корпорации доминират пазара. Всяка фрагментация намалява покупателната способност. Spend Analytics може да консолидира базата от доставчици с до 80 процента, което чрез отстъпки за обем и подобрени договорни условия от своя страна води до икономии от 18–25 процента в преди това фрагментирани продуктови групи.

3. Интелигентен избор на доставчик чрез профилиране с изкуствен интелект

Традиционният избор на доставчик е отнемащ време и често субективен процес. Пише се RFP (заявка за предложение), изпраща се до 10-20 доставчици и офертите се сравняват ръчно – въз основа на цена и евентуално и на наличната информация за надеждността и качеството на доставките. Целият процес обикновено отнема 3-6 седмици.

Системите за избор на доставчици, базирани на изкуствен интелект, автоматизират и паралелизират тази работа. Те събират данни от стотици публични и частни източници: фирмени бази данни, годишни отчети, кредитни рейтинги, сертификати, отраслови справочници, новинарски архиви и дори профили в социалните медии. След това те изграждат 360-градусов профил на всеки потенциален доставчик, обхващащ не само финансова стабилност, но и производствени капацитети, системи за контрол на качеството, иновационни възможности, ESG (екологични, социални и управленски) показатели, история на надеждност на доставките, рискове от неизпълнение на плащания и геополитически рискове.

Система с изкуствен интелект може да извърши този анализ за 100–1000 потенциални доставчици едновременно, за 2–4 дни вместо за 3–6 седмици. Резултатът: значително по-широко пазарно покритие, по-обективна оценка (тъй като логиката на решенията е прозрачна и не е повлияна от лични пристрастия или мрежови ефекти) и по-висока вероятност действително да бъде избрана най-добрата комбинация от цена, качество, надеждност и риск.

4. Преговори, основани на данни, и Negotiation Copilot

Преговорите за покупка традиционно се характеризират с асиметрична информация: Доставчикът познава структурата на разходите и пазарната си позиция по-добре от купувача. Например, доставчик може да твърди, че разходите му за суровини са се увеличили с 12% и следователно е необходимо увеличение на цената – но наистина ли това е вярно? Купувачът може да има съмнения, но без конкретни данни това е трудно да се опровергае.

Системите с изкуствен интелект променят фундаментално тази динамика. Моделът „би трябвало да се определят разходите“, задвижван от изкуствен интелект, разделя структурата на разходите на даден продукт или услуга на нейните компоненти: суровини, производствени заплати, режийни разходи, логистика и марж на печалба. Системата има достъп до данни в реално време: цени на стоковите борси, индекси на заплатите за различни страни, индекси на превози на товари и отраслови показатели. Резултатът е обективна оценка за това колко би трябвало да струва продуктът.

Ако доставчик поиска 12% увеличение на цената, купувачът може да спори с данни: Цените на суровините са се повишили с 8% според индекса на фондовия пазар, инфлацията на заплатите във вашата страна е 3%, което заедно прави около 6–7%, а не 12%. Защо е необходимо това допълнително увеличение? Този аргумент е точен и базиран на факти, а не на анекдоти.

Още по-иновативни са Negotiation Copilots – системи с изкуствен интелект, които функционират като интерактивен треньор по преговори. Купувачът може да разиграе сценарий със системата, преди да започне действителните преговори. Ако поискам 8% намаление на цената, как е вероятно доставчикът да реагира? Системата симулира диалога въз основа на исторически данни от преговорите, прилага психология на преговорите (като теорията за закотвяне или техниката на преговорите на Харвард) и дава на купувача конкретни съвети: Доставчикът вероятно ще повдигне въпроси за ограничения на обема. Ето един контрааргумент, който можете да използвате…

Тази подготовка, основана на данни, променя баланса на силите в преговорите. Проучванията показват, че добре подготвените преговори водят до по-добри условия – средно с 15–20 процента по-добри цени за подобно качество.

5. Управление на риска за доставчиците чрез прогнозен анализ

Класически проблем във веригите за доставки е неочакваното прекъсване на доставките: Доставчик се сблъсква с финансови затруднения и внезапно спира доставките. Или става жертва на природно бедствие, кибератака или геополитическо събитие. Компания, изправена пред срив на доставчик без предупреждение, понася огромни разходи поради прекъсване на производството.

Системите за управление на риска при доставчиците, базирани на изкуствен интелект, непрекъснато наблюдават стотици източници на данни: финансови резултати (тенденции в баланса, платежоспособност, кредитни рейтинги), оперативни показатели (надеждност на доставките, забавяния на доставките, оплаквания за качество, степен на използване на капацитета) и външни събития (природни бедствия, войни, санкции, кибератаки, регулаторни промени, волатилност на валутния курс). Системата открива слаби сигнали – например, че даден доставчик е забавил все повече плащания през последните две тримесечия или че забавянията на доставките са станали по-чести.

Добре обучен модел с изкуствен интелект може да предвиди рисковете от неизпълнение на задължения от страна на доставчици 6–12 месеца предварително – значително по-рано, отколкото би могъл човек. Това дава време на компанията да идентифицира алтернативни доставчици, да подготви договори и да разработи стратегия за преход. Проактивни действия вместо реактивна криза – това е трансформативното предимство.

Управлението на риска във веригата за доставки на транспортно ниво също е революционизирано от изкуствения интелект. Системите анализират сателитни изображения, за да открият задръствания или блокирани пристанища. Те четат новинарски репортажи, за да идентифицират природни бедствия или геополитически кризи. Те комбинират тези данни в реално време със специфичните маршрути за доставка на компанията и издават предупреждения, когато даден маршрут е засегнат. Това ранно откриване прави възможно активирането на алтернативни маршрути, преди да възникнат критични забавяния.

6. Автоматизация на административните рутини чрез RPA и когнитивна автоматизация

Значителна част от работното време в отделите за покупки се изразходва за ръчни, редовно повтарящи се задачи: сканиране на фактури и въвеждането им в системи, сравняване на поръчки с бележки за доставка, водене на ценови преговори за C-части (нискостойностни оперативни ресурси), регистриране на доставчици в бази данни и публикуване на поръчки в различни разходни центрове.

Роботизираната автоматизация на процесите (RPA) може да автоматизира тези задачи. RPA бот може:

Получавайте входяща фактура като PDF или имейл.
Извличане на текста чрез OCR (оптично разпознаване на символи, комбинирано с изкуствен интелект): номер на фактура, дата на фактура, доставчик, сума на фактурата, дати на плащане, артикули, количества.
Сравнете тези данни със системата ERP: Има ли поръчка, чиято обща сума съвпада с тази фактура? Съвпада ли стоковата разписка с нея?
Ако съвпадението бъде потвърдено, автоматично се издава освобождаване на плащането.
В случай на отклонение, автоматично изпращане на ескалация до проверяващ или комуникация с доставчика.

Тази автоматизация на обработката на фактури може да намали времето за обработка със 70–80 процента и да намали процента на грешки. Компания, която обработва 10 000 фактури на месец, може да спести 2–3 еквивалента на пълно работно време (FTE) чрез автоматизация – това са значителни печалби по отношение на разходите и ефективността.

Друг пример е автоматизираното договаряне на цените за стандартни артикули. За C-части (офис консумативи, основно оборудване, където отделните покупки са под 100 евро), ръчното договаряне не е икономично. Общата стойност на тези малки покупки обаче е значителна. Система с изкуствен интелект може автоматично да изпраща запитвания за цени до множество доставчици за всички поръчки в тази категория, автоматично да оценява офертите и автоматично да прави поръчки при най-конкурентния доставчик – всичко това без човешка намеса. Резултатът е децентрализация на рутинните решения, позволяваща на човешката организация да се съсредоточи върху сложни задачи с висока стойност.

7. Съответствие и одитна следа чрез автоматизирана документация

Големите компании, особено в публичния сектор и силно регулираните индустрии (фармацевтика, авиация, финанси), трябва да могат да демонстрират, че техните процеси за възлагане на обществени поръчки са прозрачни и съответстват на изискванията. Одитът може да изисква: Покажете ми всички стъпки, довели до избора на този доставчик. Покажете ми, че всички оферти са били документирани и оценени по едни и същи критерии.

Системите с изкуствен интелект могат автоматично да документират всяка стъпка от процеса на обществени поръчки – кои доставчици са били проучени, какви критерии са били използвани за оценката им, кои оферти са били получени и как са били сравнени, какви решения са били взети и защо. Тази изчерпателна документация е не само съвместима с нормативните изисквания, но и стратегически ценна: тя създава прозрачност, предотвратява подкупите и непотизма (и двете водят до неоптимален избор на доставчици) и установява одитна следа, в случай че възникнат въпроси по-късно.

8. Прогнозно ценообразуване и пазарна информация

Цените на суровините, транспортните разходи и заплатите се колебаят постоянно. Компания, която купува на високи цени днес, защото не е знаела, че пазарът ще падне след три седмици, е понесла реални разходи. И обратно, една компания също не иска да поръчва твърде малко, ако е предвидимо, че цените ще се повишат.

Системите с изкуствен интелект могат да предвиждат движенията на цените, като комбинират исторически ценови серии с макроикономически променливи (лихвени проценти, валутни курсове, индекси на стоки, цени на енергията), динамика на индустрията (използване на капацитета, затруднения във веригата за доставки) и новинарски настроения. Резултатът са вероятностни прогнози: Има 75% вероятност цената на стоманата да падне с 3–6% през следващите два месеца; изчакайте с по-големи поръчки, докато не се стигне до дъното. Или: Очаква се литият да стане с 15% по-скъп; поръчайте сега.

Тези ценови прогнози влияят пряко върху времето и количествата на поръчките, което позволява значителни икономии – 5–10 процента в нестабилни категории не е необичайно.

9. Устойчивост и интеграция на ESG в оценката на доставчиците

Регулаторните изисквания (Директивата на ЕС за проверка на веригата за доставки, германските закони за веригата за доставки и др.) задължават компаниите да проверяват веригите си за доставки за социални и екологични рискове. Доставчик в страна със слабо законодателство за защита на труда или висок риск от корупция може да представлява риск за репутацията на компанията купувач.

Системите с изкуствен интелект могат автоматично да оценяват ESG рисковете чрез:

Анализирайте публично достъпни данни за страните доставчици (трудови права, екологични стандарти, индекси на корупция и др.)
Анализирайте настроенията в новините относно доставчиците (има ли съобщения за трудови спорове, замърсяване на околната среда?)
Оценете сертификатите и одитите на доставчиците.
Прегледайте договорните клаузи, които отговарят на ESG изискванията.

Такава система може автоматично да класифицира доставчиците като високорискови, среднорискови или нискорискови и автоматично да предлага на купувача алтернативи, които имат по-добри ESG профили. Това прави възможно едновременното преследване на съответствие и оптимизация на бизнеса – не като конфликт на цели, а като интегрирана цел.

10. Генеративен изкуствен интелект за документация, анализ на договори и управление на знания

Големите езикови модели (като GPT-4 или Claude) откриват нови възможности за обществени поръчки. Например, те могат:

Автоматично анализирайте договорите и идентифицирайте отклонения от стандартните клаузи.
Автоматично превеждайте офертите в стандартизиран формат, за да увеличите сравнимостта.
Автоматично извличане и стандартизиране на фактури на различни езици и формати.
Указанията за обществени поръчки трябва да бъдат написани на естествен език (вместо на загадъчни правила), което е по-лесно за разбиране от всички потребители.
Те създадоха асистент с изкуствен интелект, който може да съветва служителите: Как да подам заявка за доставчик? или Кои доставчици има за тази продуктова група?

Тези приложения са по-малко впечатляващи от прогнозния анализ, но намаляват триенето и грешките в ежедневните процеси с 10–20 процента.

📈🔵 Придобиване на поръчки и организационно развитие: От класически продажби до стратегическа бизнес функция💡

Придобиване на поръчки и организационно развитие - Изображение: Xpert.Digital

Xpert.Digital подкрепя компаниите в тази сложна трансформация, независимо дали става въпрос за изграждане на модерна функция за приемане на поръчки от нулата или за оптимизиране на съществуващи процеси. С богат опит в маркетинга, продажбите, анализа на данни, дигиталната трансформация и организационното развитие, ние насочваме вашата компания към стратегическо препозициониране. Нашият подход е холистичен: Ние не само оптимизираме процесите, но и развиваме хората и организационната култура, необходими за постигане на устойчив и измерим успех.

Повече информация тук:

Съвременното придобиване на поръчки вече не е изолирана функция на продажбите

Най-голямата пречка пред изкуствения интелект при покупките не е технологията

Цялостно икономическо счетоводство: Откъде идват спестяванията?

Описаните по-горе приложения на изкуствен интелект водят до измерими икономии на разходи на няколко нива:

Преки разходи за обществени поръчки

Чрез подобрени преговори, оптимизирани количества, срокове и конкуренция между доставчиците, разходите за стоки могат да бъдат намалени с 5–15 процента, в зависимост от индустрията и зрелостта на внедряването на изкуствен интелект. В компания с бюджет за обществени поръчки от 500 милиона евро това се равнява на икономии от 25–75 милиона евро годишно.

съдебни разноски

Автоматизирането на проверката на фактури, обработката на поръчки и управлението на доставчици намалява административните разходи с 30–47 процента. Компания с отдел за покупки от 50 души може да спести 15–24 човеко-години – при средни общи разходи (включително режийните) от приблизително 100 000 евро на човек, това се равнява на 1,5–2,4 милиона евро.

Разходи за съхранение

По-прецизните прогнози за търсенето намаляват нивата на запасите с 15–25 процента. При средна стойност на запасите от 50 милиона евро и разходи за съхранение от приблизително 25 процента годишно (лихви, застраховка, износване, място), това спестява 1,9–3,1 милиона евро.

Избягване на прекъсвания във веригата за доставки

Ранното откриване на рисковете, свързани с доставчиците, и проблемите във веригата за доставки предотвратява прекъсвания на производството и аварийни поръчки на премиум цени. Стойността на тази превенция е трудна за количествено определяне, но за критични компоненти, един ден престой в производството може да струва милиони.

Подобряване на динамиката на паричните потоци

По-бързата обработка на фактури, по-точните дати на плащане и идентифицирането на отстъпки за ранно плащане намаляват разходите за ликвидност. Средно една компания може да плаща 2–5 дни по-рано, когато обработката на фактури е автоматизирана – това се отразява на оборотния капитал.

Консервативно общо изчисление за средно голяма компания (бюджет за обществени поръчки от 500 милиона евро, организация за обществени поръчки с 50 души) би могло да изглежда така:

Преки икономии на разходи: 25–50 милиона евро
Спестявания на разходи при съдебни спорове: 1,5–2,4 милиона евро
Намаляване на разходите за съхранение: 1,9–3,1 милиона евро
Подобряване на оборотния капитал: 2–5 милиона евро

Общо: 30–60 милиона евро годишно, от които приблизително 15–25 милиона евро могат да се отдадат на промяна в поведението (по-добри преговори, оптимален избор на доставчици) и 15–35 милиона евро на автоматизация и повишаване на ефективността.

Разходите за внедряване на система за обществени поръчки, поддържана от изкуствен интелект, в цялата компания обикновено варират от 2 до 5 милиона евро (закупуване на софтуер, интеграция със съществуващи системи, подготовка на данни, управление на промените, обучение). Следователно възвръщаемостта на инвестицията се постига в рамките на 1-3 месеца – изключително висока възвръщаемост на инвестициите за проект за дигитализация.

Проблемът с начина на мислене: От традиционна оптимизация до интелигентност, основана на данни

Въпреки тези впечатляващи цифри, внедряването на изкуствен интелект в покупките и снабдяването остава ограничено в много германски компании. Неотдавнашно проучване на Германската асоциация за управление на веригата за доставки, снабдяване и логистика (BME) показва, че макар 7 от 10 мениджъри по покупките да планират да инвестират в изкуствен интелект, много от тях все още не знаят как да продължат.

Предизвикателствата не са предимно технологични по своята същност, а по-скоро организационни и културни:

Сложност на интеграцията

Системите с изкуствен интелект трябва да комуникират с десетки съществуващи системи – ERP, счетоводство, CRM, управление на запасите, човешки ресурси и др. Тази интеграция е технически осъществима, но отнема време и е податлива на грешки. Много организации за покупки не желаят фундаментално да променят съществуващите системи.

Проблеми с качеството на данните

Изкуственият интелект е толкова добър, колкото са добрите данни, върху които е обучен. Много компании имат фрагментирани набори от данни, липсваща информация и непоследователни категоризации. Преди да може да бъде внедрен изкуственият интелект, често трябва да се отделят няколко месеца за подобряване на качеството на данните. Това е неудобно и невзрачно – точно обратното на това, което ръководството иска да чуе.

Умения и квалификации

Система за обществени поръчки, задвижвана от изкуствен интелект, изисква не само специалисти по покупки, но и специалисти по обработка на данни, инженери на данни, мениджъри на промени и оптимизатори на процеси. Много средни компании не могат да развият или наемат тези специалисти вътрешно. Те трябва да включват външни партньори (консултанти, доставчици на софтуер), което увеличава разходите и създава зависимост.

Скептицизъм към промяната

Хората в отделите за покупки често са прекарвали десетилетия в обучение как да си вършат работата. Изкуственият интелект, който взема решения автоматично, се възприема като заплаха, а не като инструмент в подкрепа на тях. Управлението на промените е сложно и изисква истинско препозициониране на ролите и уменията.

Прекалено високи очаквания за автоматизация

Много от хората, вземащи решения, очакват изкуственият интелект да автоматизира целия процес на обществени поръчки и да направи хората излишни. Това е нереалистично. Изкуственият интелект работи най-добре, когато функционира като добавен интелект – подпомагайки хората, вземащи решения, но не и замествайки ги. Добрият купувач на бъдещето няма да бъде традиционен преговарящ, а анализатор на данни и стратег, който интерпретира машинните прозрения и ги превръща в бизнес стратегии.

Архитектурата на бъдещето: От хибридни обществени поръчки до автономна интелигентност

Компаниите, които внедряват изкуствен интелект в обществените поръчки днес, обикновено преминават през следните фази:

Фаза 1 (месеци 1–6): Бързи победи и пилотни проекти

Автоматизация на проверката на фактури, анализ на разходите за конкретна продуктова група, оценяване на доставчиците за избор на нови доставчици. Тези пилотни проекти са с нисък риск, имат висок процент на успех и изграждат вътрешен авторитет и инерция.

Фаза 2 (6–18 месеца): По-дълбока интеграция

Внедрява се прогнозиране на търсенето, обучава се поддръжка на преговори и се установява управление на риска за доставчиците. Основният екип се учи как да работи със системи с изкуствен интелект и да адаптира процесите.

Фаза 3 (месеци 18–36): Пълна оркестрация

Всички области на снабдяването са оборудвани с поддръжка на изкуствен интелект. Купувачите работят в разширена среда, където имат достъп до данни, прогнози, препоръки и автоматизирани опции. Но те вземат окончателните решения.

Фаза 4 (от 36-ия месец): Автономна интелигентност в рамките на ограниченията

За стандартизирани категории с нисък риск решенията са напълно автоматизирани. За сложни, стратегически категории интелигентността е подобрена, но хората все още вземат решенията. Системата се учи непрекъснато и става по-прецизна.

Добре внедрените системи с изкуствен интелект не водят до масови съкращения, а по-скоро до препозициониране на организацията за снабдяване. Отдел за снабдяване от 50 души може да се свие до 40, но тези 40 души са експерти – специалисти по данни, стратези, преговарящи – вместо администратори. Стойността на организацията на човек се увеличава значително и те могат да поемат по-стратегически, критични за бизнеса задачи.

Стратегическата необходимост от диференциация

Основната грешка, която много компании правят, е концептуалното смесване на снабдяването и покупките. Докато тези две функции се третират като едно и също, е невъзможно да се организират или оптимизират правилно. Снабдяването е стратегия, покупките са операции. Те изискват различни умения, различни показатели, различни системи – и различни роли за изкуствения интелект.

Доставките са мястото, където тези два свята се срещат. Това е структурираният процес, в който стратегическите цели (оптимални партньорства с доставчици) се операционализират (избор, преговори, сключване на договор). Именно тук изкуственият интелект може да предостави най-голяма стойност: той ускорява анализа, подобрява обективността на решенията и позволява стратегическите цели да бъдат постигани много по-последователно.

Компаниите, които разбират това разграничение и използват ИИ съответно, ще намалят разходите си за снабдяване с 10-20 процента, ще повишат устойчивостта на веригата си за доставки, ще подобрят качеството на покупките си и ще трансформират организациите си за покупки в генератори на стратегическа стойност. Компаниите, които третират ИИ като общ инструмент, без да правят тези концептуални разграничения, ще бъдат разочаровани – и ИИ ще се превърне в скъпа, недоизползвана система, която бива демонтирана след няколко години.

Бъдещето на обществените поръчки не принадлежи на тези, които внедряват изкуствен интелект най-бързо, а на тези, които най-ясно разбират къде изкуственият интелект има най-голяма стойност – и къде хората остават незаменими.

🔄📈 Поддръжка на B2B търговска платформа – Стратегическо планиране и подкрепа за износ и световната икономика с Xpert.Digital 💡

B2B търговски платформи - Стратегическо планиране и поддръжка с Xpert.Digital - Изображение: Xpert.Digital

Търговските платформи между предприятия (B2B) се превърнаха в критичен компонент от динамиката на световната търговия и по този начин в движеща сила за износа и глобалното икономическо развитие. Тези платформи предлагат значителни предимства на компании от всякакъв мащаб, особено на МСП – малки и средни предприятия – които често се считат за гръбнака на германската икономика. В свят, където цифровите технологии са все по-важни, способността за адаптация и интеграция е от решаващо значение за успеха в световната конкуренция.