Стратегічна трансформація створення цінності: як штучний інтелект фундаментально змінює ландшафт закупівель

Xpert попередня випуск

Available in 27 languages 📢

Опубліковано: 5 січня 2026 р. / Оновлено: 5 січня 2026 р. – Автор: Konrad Wolfenstein

Стратегічна трансформація створення цінності: Як штучний інтелект фундаментально змінює ландшафт закупівель – Зображення: Xpert.Digital

Чому компаніям потрібно розмежовувати свої операційні та стратегічні закупівлі більш радикально, ніж будь-коли раніше

Концептуальна основа: Між реактивними процесами та створенням стратегічної цінності

Сучасне управління бізнесом часто трактує закупівлі та закупівлі як синоніми, навіть якщо вони мають фундаментальні відмінності у своїй меті, часі та впливі на прибутковість компанії. Таке концептуальне змішання призводить до систематичних втрат ефективності, які зростають експоненціально, якщо компанії не використовують трансформаційний потенціал штучного інтелекту.

Закупівлі – це стратегічний, безперервний процес, що охоплює весь ланцюжок створення вартості, від початкової оцінки потреб через аналіз ринку, визначення постачальників та переговори щодо контрактів до управління довгостроковими відносинами з постачальниками. Це інструмент управління, спрямований на забезпечення довгострокової безпеки поставок, оптимізацію загальної вартості володіння та максимізацію цінності компанії. Закупівлі не є ізольованими від корпоративних цілей, а радше стратегічним важелем, який впливає на 50-70 відсотків загальних витрат компанії.

З іншого боку, закупівлі є операційно-транзакційним компонентом цього процесу. Вони зосереджені на конкретному, часто короткостроковому виконанні окремих покупок, які вже були підготовлені шляхом закупівель. Оперативні закупівлі охоплюють розміщення замовлень, управління доставкою, моніторинг дат доставки, контроль якості після отримання товарів та оплату постачальникам. У той час як закупівлі стратегічно запитують: «Які довгострокові відносини з постачальниками оптимізують нашу цінність?», оперативні закупівлі запитують: «Як мені забезпечити своєчасне надходження цих товарів у правильній якості та кількості?» Це фундаментальна, а не лише семантична, різниця.

Контрактні закупівлі являють собою спеціалізовану функцію в ширшому контексті стратегічних закупівель. Це структурований процес, за допомогою якого компанія систематично ідентифікує, оцінює та вибирає потенційних постачальників для певної категорії або проекту. На відміну від реактивних оперативних закупівель, контрактні закупівлі дотримуються проактивного, аналітичного підходу: вони шукають ринки, оцінюють пропозиції за заздалегідь визначеними критеріями, укладають контракти та таким чином створюють основу для оптимальних ділових відносин. Цей процес часто називають процесом «від джерела до оплати» або сорсингом, і він утворює місток між стратегічним плануванням та оперативним виконанням.

Модель подвійного процесу: «Від закупівлі до оплати» як інтегруюча основа

Сучасні закупівлі структуровані за так званою моделлю «від закупівлі до оплати» (P2P), яка поєднує як стратегічні, так і операційні аспекти. Процес P2P охоплює весь процес, починаючи від початкової оцінки потреб та створення заявки, через вибір постачальника, оформлення замовлення, отримання товарів та контроль якості, до перевірки рахунків-фактур і, нарешті, здійснення платежу. Така комплексна перспектива виявляє ключову дилему: у той час як стратегічні закупівлі зосереджені на довгостроковому плануванні та зниженні ризиків, операційні закупівлі процвітають завдяки негайній ефективності та рутині.

Такий дуалізм на практиці призводить до класичної неефективності, відомої як індивідуальне закупівельне впорядкування. Індивідуальне закупівельне впорядкування описує явище, коли окремі відділи або співробітники розміщують замовлення поза встановленими процесами, контрольованими відділом закупівель. Зазвичай це відбувається з трьох причин: по-перше, тому що формальні процеси закупівель сприймаються як занадто складні або трудомісткі; по-друге, тому що терміновість вимагає швидких дій; і по-третє, тому що співробітники незадоволені передбачуваними постачальниками або умовами.

Наслідки далеко не тривіальні. Компанії втрачають до 15 відсотків додаткових витрат через нестандартні закупівлі, що виникають з кількох причин: вищі закупівельні ціни через менші кількості, оскільки обсяги не консолідуються; невикористані цінові переваги від стратегічних рамкових угод; та значні процесуальні витрати, понесені через ручну реєстрацію нових постачальників, управління фрагментованою базою постачальників та додаткову бухгалтерську роботу. Як не парадоксально, проблема самопідсилює себе: чим складнішою стає офіційна організація закупівель, тим більша ймовірність того, що користувачі вдадуться до неформальних каналів, що, своєю чергою, посилює складність та непрозорість.

Основи операційних відмінностей: часова перспектива, цілі та компетенції

Стратегічні закупівлі працюють з горизонтом планування, що охоплює кілька років. Їхні завдання включають систематичний аналіз ринку (які постачальники існують на ринку та за яких умов?), прогнозування попиту (що нам знадобиться в наступні два-п'ять років?), оцінку постачальників за багатовимірними критеріями (не лише ціна, але й якість, надійність, фінансова стабільність, інноваційна сила, сталий розвиток, геополітичні ризики та ризики відповідності), ведення переговорів щодо контрактів з метою створення взаємовигідних ситуацій, зниження ризиків шляхом диверсифікації та альтернативних джерел, а також постійний моніторинг ефективності та оптимізацію відносин з постачальниками.

З іншого боку, оперативні закупівлі – це щоденний процес з часовим горизонтом від кількох днів до кількох тижнів. Він базується на структурах, що вже встановлені закупівлями (затверджені постачальники, рамкові угоди, каталоги) та зосереджується на ефективності виконання: Як можна швидко, точно та економічно ефективно обробляти замовлення? Як можна забезпечити негайне виявлення та ескалацію затримок поставок? Як можна швидко та правильно обробляти рахунки-фактури без помилок, що призводять до затримок платежів або суперечок з постачальниками?

Це розмежування не є просто академічною вправою. Воно визначає кваліфікаційні профілі залучених осіб. Стратегічний покупець – це менеджер, аналітик і дипломат одночасно – він повинен проводити дослідження ринку, вести переговори, аналізувати сценарії та передбачати ризики. Оперативний покупець, з іншого боку, повинен забезпечувати безперебійність процесів, швидко виявляти проблеми, правильно керувати системами та приймати рішення на основі даних, виходячи з попередньо визначених критеріїв. Ці різні профілі вимог систематично не диференціюються в багатьох компаніях, що призводить до того, що стратегічні посади заповнюють адміністративно орієнтовані особи, або навпаки.

Придбання замовлень як спеціалізований інтерфейс: ідентифікація джерела та розробка контракту

Отримання замовлень – це процес втілення стратегічних цілей у життя. Він починається з ретельного аналізу потреб: що саме потрібно (специфікації, стандарти якості, кількість, дата поставки)? Далі проводиться аналіз ринку та дослідження постачальників, часто підкріплене галузевими звітами, торговими ярмарками, онлайн-базами даних та мережевими ефектами. Потенційні постачальники оцінюються в рамках структурованого процесу, який застосовує стандартизовані критерії для забезпечення об'єктивності та порівнянності.

Наступним кроком є отримання цінових пропозицій, зазвичай через запит на пропозицію (RFP), запит на цінову пропозицію (RFQ) або запит на інформацію (RFI). Після цих запитів проводиться детальний аналіз цінових пропозицій, в якому розглядаються не лише ціни, а й можливості доставки, умови оплати, гарантії та пункти договору. Переговори щодо договору є вирішальним моментом, коли покупець і постачальник узгоджують свої позиції та досягають угоди, яка буде стійкою в довгостроковій перспективі.

Ключовою концепцією в закупівлях є врахування загальної вартості володіння (TCO). Це означає врахування не лише ціни покупки, а й усіх витрат протягом усього життєвого циклу продукту: витрат на закупівлю, транспортних витрат, витрат на зберігання, витрат, пов'язаних з проблемами якості, витрат на технічне обслуговування та сервіс, а також витрат на утилізацію. Дешевший постачальник може швидко виявитися дорогим, якщо його продукція має вищий рівень браку або швидше зношується. І навпаки, постачальник, який, здавалося б, дорожчий, може бути економічно ефективним, якщо його якість та надійність призводять до меншої кількості простоїв у виробництві та меншої кількості повторних робіт.

Хвиля цифровізації: від електронних закупівель до закупівель, керованих аналітичними даними

Цифрова трансформація закупівель розпочалася з концепції електронних закупівель, тобто електронного керування процесами закупівель. Замість паперу, факсів та ручного введення даних, процеси були оцифровані через онлайн-портали, каталоги та системи замовлень. Перше покоління систем електронних закупівель забезпечувало підвищення ефективності за рахунок зменшення змін носіїв та потенційних помилок, а також прозорість завдяки централізованому управлінню постачальниками, контрактами та історією замовлень.

Наступна хвиля – це хвиля інтеграції. Сучасні платформи електронних закупівель безперешкодно підключені до систем планування ресурсів підприємства (ERP), зазвичай через стандартизовані інтерфейси, такі як EDI (електронний обмін даними) або OCI (інтерфейс відкритого каталогу). Ця інтеграція означає, що клієнт входить до системи ERP, розміщує замовлення, і воно автоматично переноситься на платформу електронних закупівель – без подвійного введення вручну або розривів носіїв. І навпаки, підтвердження надходження товарів та дані рахунків-фактур автоматично синхронізуються назад із системою ERP, де вони зіставляються з оригінальними замовленнями (так зване тристороннє зіставлення: замовлення, накладна та рахунок-фактура).

Така інтеграційна перспектива має революційний наслідок: вона дозволяє повністю автоматизувати рутинні процеси. Робот (у розумінні робототехнічної автоматизації процесів, RPA) може зчитувати рахунок-фактуру (за допомогою оптичного розпізнавання символів, OCR), порівнювати його із замовленням на купівлю та товарним квитанцією, автоматично здійснювати оплату, якщо є збіг, та автоматично ініціювати ескалацію у разі розбіжностей. Це зменшує ручні зусилля на обробку рахунків-фактур до 40 відсотків у непрямих закупівлях та знижує витрати на пропускну здатність на одне замовлення до 76 відсотків.

Найновіша хвиля — це хвиля розвідки, яка інтегрує штучний інтелект у всі рівні закупівель — не як заміну людським особам, які приймають рішення, а як допоміжного партнера, що розширює людські можливості.

Штучний інтелект як трансформатор: десять критичних областей застосування

1. Прогнозування попиту та оптимізація запасів

Традиційні прогнози попиту базуються на історичних середніх значеннях, сезонних тенденціях або експертних оцінках. Системи на основі штучного інтелекту поєднують історичні дані про продажі із зовнішніми факторами, такими як ринкові тенденції, погодні умови, свята, економічні показники та навіть сигнали соціальних мереж. Моделі машинного навчання (особливо глибоке навчання та градієнтне підвищення) розпізнають складні закономірності, які аналітики-люди пропустили б. Результат: прогнози попиту стають до 30 відсотків точнішими.

Це має прямий вплив на структуру витрат. Точніші прогнози призводять до оптимальних обсягів замовлень – не занадто великих (що призводить до витрат на зберігання та зв'язування капіталу), не занадто малих (що призводить до ситуацій дефіциту товарів та перебоїв у виробництві). Середня компанія може зменшити свої запаси на 15–25 відсотків завдяки оптимізованим прогнозам попиту, одночасно збільшуючи доступність та можливості доставки.

2. Аналітика витрат та прихований потенціал заощадження

Аналітика витрат означає, що система штучного інтелекту класифікує, аналізує та візуалізує всі витрати компанії. Типова компанія витрачає мільйони на сировину, обладнання, ІТ, подорожі, офісне приладдя та послуги. Ці витрати розподілені між сотнями або тисячами постачальників, фрагментовані між різними валютами, відділами та системами планування ресурсів підприємства (ERP).

Покупці-люди не можуть подумки опрацювати цю складність. Однак система штучного інтелекту зчитує структуровані та неструктуровані дані з усіх цих джерел, стандартизує та класифікує їх за групами продуктів, а потім виявляє приховані закономірності. Наприклад, вона виявляє, що ІТ-відділ вже сплатив 500 000 євро за ліцензії на програмне меню, тоді як відділ маркетингу закуповує те саме програмне забезпечення окремо, сплативши 300 000 євро за ідентичні ліцензії – просто тому, що жоден з відділів не знав, що інший вже домовився про кращі умови.

Системи штучного інтелекту також можуть виявляти дублікатів постачальників: компанія може співпрацювати з 50 різними транспортними компаніями, навіть якщо на ринку домінують 10 корпорацій. Будь-яка фрагментація знижує купівельну спроможність. Spend Analytics може консолідувати базу постачальників до 80 відсотків, що, завдяки оптовим знижкам та покращеним умовам контрактів, у свою чергу призводить до економії 18–25 відсотків у раніше фрагментованих групах продуктів.

3. Інтелектуальний вибір постачальників за допомогою профілювання на основі штучного інтелекту

Традиційний вибір постачальника – це трудомісткий і часто суб’єктивний процес. Запит пропозицій пишеться, надсилається 10–20 постачальникам, а пропозиції порівнюються вручну – на основі ціни, а можливо, також на основі доступної інформації про надійність та якість поставок. Весь процес зазвичай займає 3–6 тижнів.

Системи вибору постачальників на основі штучного інтелекту автоматизують та паралелізують цю роботу. Вони збирають дані з сотень публічних та приватних джерел: баз даних компаній, річних звітів, кредитних рейтингів, сертифікатів, галузевих довідників, архівів новин і навіть профілів у соціальних мережах. Потім вони створюють 360-градусний профіль кожного потенційного постачальника, що охоплює не лише фінансову стабільність, але й виробничі потужності, системи контролю якості, інноваційні можливості, ESG-ефективність (екологічні, соціальні та управлінські показники), історію надійності поставок, ризики неплатежів та геополітичні ризики.

Система штучного інтелекту може виконувати цей аналіз для 100–1000 потенційних постачальників паралельно, за 2–4 дні замість 3–6 тижнів. Результат: значно ширше охоплення ринку, більш об’єктивна оцінка (оскільки логіка прийняття рішень прозора та не залежить від особистих упереджень чи мережевих ефектів) та вища ймовірність того, що дійсно буде обрано найкраще поєднання ціни, якості, надійності та ризику.

4. Переговори на основі даних та Копілот переговорів

Переговори щодо закупівлі традиційно характеризуються асиметричною інформацією: постачальник знає свою структуру витрат та ринкову позицію краще, ніж покупець. Наприклад, постачальник може стверджувати, що його витрати на сировину зросли на 12 відсотків, і тому підвищення ціни необхідне – але чи це справді так? Покупець може мати сумніви, але без конкретних даних це важко спростувати.

Системи штучного інтелекту фундаментально змінюють цю динаміку. Модель «повинна вартість» на базі штучного інтелекту розбиває структуру собівартості продукту чи послуги на її компоненти: сировину, заробітну плату у виробництві, накладні витрати, логістику та норму прибутку. Система отримує доступ до даних у реальному часі: цін на товарних біржах, індексів заробітної плати для різних країн, індексів вантажних перевезень та галузевих орієнтирів. Результатом є об’єктивна оцінка того, скільки має коштувати продукт.

Якщо постачальник потім вимагає підвищення ціни на 12 відсотків, покупець може заперечити, наводячи дані: ціни на сировину зросли на 8 відсотків згідно з індексом фондового ринку, інфляція заробітної плати у вашій країні становить 3 відсотки, що разом становить приблизно 6–7 відсотків, а не 12 відсотків. Чому ця додаткова націнка? Цей аргумент є точним і заснованим на фактах, а не на окремих випадках.

Ще більш інноваційними є Negotiation Copilots – системи штучного інтелекту, які функціонують як інтерактивний коуч з переговорів. Покупець може розіграти сценарій із системою, перш ніж розпочати фактичні переговори. Якщо я вимагаю зниження ціни на 8 відсотків, як, ймовірно, відреагує постачальник? Система моделює діалог на основі історичних даних переговорів, застосовує психологію переговорів (наприклад, теорію закріплення або Гарвардську техніку переговорів) і дає покупцю конкретні поради: Постачальник, ймовірно, запропонує обмеження обсягу. Ось контраргумент, який ви можете використовувати…

Така підготовка на основі даних змінює баланс сил у переговорах. Дослідження показують, що добре підготовлені переговори призводять до кращих умов – в середньому на 15–20 відсотків кращими цінами за аналогічну якість.

5. Управління ризиками постачальників за допомогою прогнозної аналітики

Класичною проблемою в ланцюгах поставок є неочікуваний збій поставок: постачальник стикається з фінансовими труднощами та раптово припиняє поставки. Або він стає жертвою стихійного лиха, кібератаки чи геополітичної події. Компанія, яка зіткнулася з несподіваним збоєм постачальника, зазнає величезних витрат через простої виробництва.

Системи оцінки ризиків постачальників на основі штучного інтелекту постійно моніторять сотні джерел даних: фінансові показники (тенденції балансу, платоспроможність, кредитні рейтинги), операційні показники (надійність поставок, затримки поставок, скарги на якість, коефіцієнти використання потужностей) та зовнішні події (стихійні лиха, війни, санкції, кібератаки, зміни в нормативних актах, волатильність обмінного курсу). Система виявляє слабкі сигнали, наприклад, що постачальник все частіше затримує платежі протягом останніх двох кварталів або що затримки поставок стали частішими.

Добре навчена модель штучного інтелекту може передбачити ризики дефолту постачальників за 6–12 місяців наперед — значно раніше, ніж це могла б зробити людина. Це дає компанії час для визначення альтернативних постачальників, підготовки контрактів та розробки стратегії переходу. Проактивні дії замість реактивної кризи — ось що є трансформаційною перевагою.

Управління ризиками ланцюга поставок на транспортному рівні також революціонізується штучним інтелектом. Системи аналізують супутникові знімки для виявлення заторів або заблокованих портів. Вони читають новини, щоб виявити стихійні лиха або геополітичні кризи. Вони поєднують ці дані в режимі реального часу з конкретними маршрутами доставки компанії та видають попередження, коли певний маршрут постраждав. Таке раннє виявлення дозволяє активувати альтернативні маршрути до того, як виникнуть критичні затримки.

6. Автоматизація адміністративних процедур за допомогою RPA та когнітивної автоматизації

Значна частина робочого часу у відділах закупівель витрачається на ручні, регулярно повторювані завдання: сканування рахунків-фактур та їх введення в системи, порівняння замовлень з накладними, проведення переговорів щодо цін на деталі класу «класу C» (малоцінних операційних ресурсів), реєстрація постачальників у базах даних та розміщення замовлень у різних центрах витрат.

Роботизована автоматизація процесів (RPA) може автоматизувати ці завдання. RPA-бот може:

Отримуйте вхідний рахунок-фактуру у форматі PDF або електронною поштою.
Витягніть текст за допомогою OCR (оптичного розпізнавання символів у поєднанні зі штучним інтелектом): номер рахунку-фактури, дата рахунку-фактури, постачальник, сума рахунку-фактури, дати оплати, товари, кількість.
Порівняйте ці дані з системою ERP: Чи є замовлення, загальна сума якого відповідає цьому рахунку-фактурі? Чи відповідає йому надходження товару?
Якщо збіг підтверджено, автоматично видавати дозволення на платіж.
У разі відхилення автоматично надсилати ескалацію рецензенту або зв'язуватися з постачальником.

Така автоматизація обробки рахунків-фактур може скоротити час обробки на 70–80 відсотків і знизити рівень помилок. Компанія, яка обробляє 10 000 рахунків-фактур на місяць, може заощадити 2–3 повних робочих місця (еквіваленти повної зайнятості) завдяки автоматизації – це значне підвищення витрат та ефективності.

Іншим прикладом є автоматизоване узгодження цін на стандартні товари. Для деталей категорії C (офісне приладдя, базове обладнання, де окремі покупки коштують менше 100 євро) ручне узгодження не є економічно вигідним. Однак загальна вартість цих невеликих покупок є значною. Система штучного інтелекту може автоматично надсилати запити щодо цін кільком постачальникам для всіх замовлень у цій категорії, автоматично оцінювати пропозиції та автоматично розміщувати замовлення у найконкурентнішого постачальника — і все це без втручання людини. Результатом є децентралізація рутинних рішень, що дозволяє людській організації зосередитися на складних завданнях з високою цінністю.

7. Відповідність вимогам та контрольний журнал за допомогою автоматизованої документації

Великі компанії, особливо в державному секторі та галузях з високим рівнем регулювання (фармацевтика, авіація, фінанси), повинні бути в змозі продемонструвати, що їхні процеси закупівель є прозорими та відповідають вимогам. Аудит може вимагати: Показати мені всі кроки, які призвели до вибору цього постачальника. Показати мені, що всі тендерні пропозиції були задокументовані та оцінені за однаковими критеріями.

Системи штучного інтелекту можуть автоматично документувати кожен крок процесу закупівель – які постачальники досліджувалися, які критерії використовувалися для їх оцінки, які пропозиції були отримані та як вони порівнювалися, які рішення були прийняті та чому. Ця комплексна документація не лише відповідає вимогам, але й є стратегічно цінною: вона створює прозорість, запобігає хабарництву та кумівству (обидва з яких призводять до неоптимального вибору постачальників) та створює аудиторський слід на випадок виникнення будь-яких питань пізніше.

8. Прогнозне ціноутворення та ринкова аналітика

Ціни на сировину, транспортні витрати та заробітна плата постійно коливаються. Компанія, яка купує за високими цінами сьогодні, бо не знала, що ринок впаде через три тижні, понесла реальні витрати. І навпаки, компанія також не хоче замовляти занадто мало, якщо передбачається зростання цін.

Системи штучного інтелекту можуть передбачати цінові коливання, поєднуючи історичні цінові ряди з макроекономічними змінними (процентні ставки, обмінні курси, індекси сировинних товарів, ціни на енергоносії), динамікою галузі (завантаження потужностей, вузькі місця в ланцюжку поставок) та настроями в новинах. Результатом є ймовірнісні прогнози: існує 75-відсоткова ймовірність того, що ціна на сталь впаде на 3–6 відсотків протягом наступних двох місяців; почекайте з розміщенням більших замовлень, поки не досягне дна. Або: очікується, що літій стане на 15 відсотків дорожчим; замовляйте зараз.

Ці прогнози цін безпосередньо впливають на терміни та обсяги замовлень, що дозволяє значно заощадити – 5–10 відсотків у волатильних категоріях не є рідкістю.

9. Інтеграція принципів сталого розвитку та ESG в оцінку постачальників

Нормативні вимоги (Директива ЄС про перевірку ланцюгів поставок, закони Німеччини про ланцюги поставок тощо) зобов'язують компанії перевіряти свої ланцюги поставок на наявність соціальних та екологічних ризиків. Постачальник у країні зі слабким законодавством про охорону праці або високим ризиком корупції може становити репутаційний ризик для компанії-покупця.

Системи штучного інтелекту можуть автоматично оцінювати ESG-ризики шляхом:

Проаналізуйте загальнодоступні дані про країни-постачальники (трудові права, екологічні стандарти, індекси корупції тощо)
Проаналізуйте настрої в новинах щодо постачальників (чи є повідомлення про трудові конфлікти, забруднення навколишнього середовища?)
Оцінювати сертифікації та аудити постачальників.
Перегляньте пункти договору, які відповідають вимогам ESG.

Така система може автоматично класифікувати постачальників як високоризикових, середньоризикових або низькоризикових та автоматично пропонувати покупцеві альтернативи з кращими ESG-профілями. Це дає змогу одночасно досягати відповідності вимогам та оптимізувати бізнес – не як конфлікт цілей, а як інтегровану мету.

10. Генеративний штучний інтелект для документації, аналізу контрактів та управління знаннями

Великі мовні моделі (такі як GPT-4 або Claude) відкривають нові можливості для закупівель. Наприклад, вони можуть:

Автоматично аналізувати контракти та виявляти відхилення від стандартних положень.
Автоматично перекладайте пропозиції у стандартизований формат для кращої порівнянності.
Автоматично витягувати та стандартизувати рахунки-фактури різними мовами та форматами.
Інструкції щодо закупівель повинні бути написані природною мовою (замість загадкових правил), яку легше зрозуміти всім користувачам.
Вони створили помічника на основі штучного інтелекту, який може радити співробітникам: як подати запит на постачальника? або які постачальники є для цієї групи товарів?

Ці застосування менш вражаючі, ніж прогнозна аналітика, але вони зменшують тертя та помилки в повсякденних процесах на 10–20 відсотків.

📈🔵 Отримання замовлень та розвиток організації: від класичних продажів до стратегічної бізнес-функції💡

Отримання замовлень та організаційний розвиток - Зображення: Xpert.Digital

Xpert.Digital підтримує компанії в цій складній трансформації, незалежно від того, чи йдеться про побудову сучасної функції збору замовлень з нуля, чи про оптимізацію існуючих процесів. Маючи всебічний досвід у маркетингу, продажах, аналізі даних, цифровій трансформації та організаційному розвитку, ми керуємо вашою компанією на шляху до стратегічного перепозиціонування. Наш підхід є цілісним: ми не лише оптимізуємо процеси, але й розвиваємо персонал та організаційну культуру, необхідні для досягнення сталого, вимірюваного успіху.

Детальніше про це тут:

Сучасне придбання замовлень більше не є ізольованою функцією продажів

Найбільшою перешкодою для штучного інтелекту в закупівлях є не технологія

Загальний економічний облік: звідки беруться заощадження?

Описані вище застосування штучного інтелекту призводять до вимірної економії коштів на кількох рівнях:

Прямі витрати на закупівлю

Завдяки покращенню переговорів, оптимізації кількості, термінів та конкуренції постачальників, витрати на товари можна зменшити на 5–15 відсотків, залежно від галузі та ступеня зрілості впровадження штучного інтелекту. У компанії з бюджетом закупівель у 500 мільйонів євро це означає економію у розмірі 25–75 мільйонів євро на рік.

судові витрати

Автоматизація перевірки рахунків-фактур, обробки замовлень та управління постачальниками знижує адміністративні витрати на 30–47 відсотків. Компанія з відділом закупівель, що складається з 50 осіб, може заощадити 15–24 людино-роки – при середніх загальних витратах (включаючи накладні витрати) приблизно 100 000 євро на людину це дорівнює 1,5–2,4 мільйонам євро.

Витрати на зберігання

Точніші прогнози попиту знижують рівень запасів на 15–25 відсотків. При середній вартості запасів 50 мільйонів євро та витратах на зберігання приблизно 25 відсотків на рік (відсотки, страхування, знос, місце) це дозволяє заощадити 1,9–3,1 мільйона євро.

Уникнення перебоїв у ланцюжку поставок

Раннє виявлення ризиків для постачальників та проблем з ланцюгом поставок запобігає перебоям у виробництві та екстреним закупівлям за преміальними цінами. Цінність такої профілактики важко виміряти, але для критично важливих компонентів один день простою виробництва може коштувати мільйони.

Покращення динаміки грошових потоків#

Швидша обробка рахунків-фактур, точніші дати оплати та визначення знижок за дострокову оплату зменшують витрати на ліквідність. В середньому компанія може сплатити на 2–5 днів раніше, коли обробка рахунків-фактур автоматизована – це впливає на оборотний капітал.

Таким чином, консервативний загальний розрахунок для середньої компанії (бюджет закупівель 500 мільйонів євро, закупівельна організація з 50 осіб) може виглядати так:

Пряма економія коштів: 25–50 мільйонів євро
Економія коштів на судових процесах: 1,5–2,4 млн євро
Зниження витрат на зберігання: 1,9–3,1 млн євро
Покращення оборотного капіталу: 2–5 мільйонів євро

Загалом: 30–60 мільйонів євро щорічно, з яких приблизно 15–25 мільйонів євро можна віднести до змін у поведінці (кращі переговори, оптимальний вибір постачальників), а 15–35 мільйонів євро – до автоматизації та підвищення ефективності.

Витрати на впровадження загальнокорпоративної системи закупівель на основі штучного інтелекту зазвичай коливаються від 2 до 5 мільйонів євро (закупівля програмного забезпечення, інтеграція з існуючими системами, підготовка даних, управління змінами, навчання). Таким чином, окупність інвестицій досягається протягом 1–3 місяців – надзвичайно висока рентабельність інвестицій для проекту цифровізації.

Проблема мислення: від традиційної оптимізації до інтелекту, керованого даними

Незважаючи на ці вражаючі цифри, впровадження штучного інтелекту в закупівлі та постачання залишається обмеженим у багатьох німецьких компаніях. Нещодавнє дослідження Німецької асоціації управління ланцюгами поставок, закупівель та логістики (BME) показує, що хоча 7 з 10 менеджерів із закупівель планують інвестувати в штучний інтелект, багато хто досі не знає, як діяти далі.

Проблеми мають не стільки технологічний характер, скільки організаційний та культурний:

Складність інтеграції

Системи штучного інтелекту повинні взаємодіяти з десятками існуючих систем – ERP, бухгалтерським обліком, CRM, управлінням запасами, HR тощо. Така інтеграція технічно здійсненна, але трудомістка та схильна до помилок. Багато закупівельних організацій не бажають фундаментально змінювати існуючі системи.

Проблеми з якістю даних

Штучний інтелект настільки хороший, наскільки хороші дані, на яких його навчають. Багато компаній мають фрагментовані набори даних, відсутню інформацію та невідповідні категоризації. Перш ніж ШІ можна буде впровадити, часто доводиться витрачати кілька місяців на покращення якості даних. Це незручно та неефективно — повна протилежність тому, що хоче почути керівництво.

Навички та кваліфікації

Система закупівель на базі штучного інтелекту вимагає не лише фахівців із закупівель, але й спеціалістів з обробки даних, інженерів даних, менеджерів змін та оптимізаторів процесів. Багато середніх компаній не можуть самостійно розвивати або наймати цих фахівців. Вони повинні залучати зовнішніх партнерів (консультантів, постачальників програмного забезпечення), що збільшує витрати та створює залежність.

Скептицизм щодо змін

Люди у відділах закупівель часто витрачають десятиліття на навчання виконанню своєї роботи. Штучний інтелект, який автоматично приймає рішення, сприймається як загроза, а не як інструмент для їхньої підтримки. Управління змінами є складним і вимагає справжнього перерозподілу ролей і навичок.

Занадто високі очікування щодо автоматизації

Багато осіб, які приймають рішення, очікують, що штучний інтелект автоматизує весь процес закупівель і зробить людей зайвими. Це нереально. ШІ працює найкраще, коли він функціонує як доповнений інтелект – допомагаючи людям, які приймають рішення, але не замінюючи їх. Гарний покупець майбутнього буде не традиційним переговірником, а аналітиком даних і стратегом, який інтерпретує машинні висновки та перетворює їх на бізнес-стратегії.

Архітектура майбутнього: від гібридних закупівель до автономного інтелекту

Компанії, які впроваджують штучний інтелект у закупівлі сьогодні, зазвичай проходять такі етапи:

Фаза 1 (місяці 1–6): Швидкі перемоги та пілотні проекти

Автоматизація перевірки рахунків-фактур, аналітика витрат для певної групи товарів, оцінка постачальників для вибору нових. Ці пілотні проекти мають низький рівень ризику, високий рівень успіху та сприяють формуванню внутрішньої довіри та розвитку.

Фаза 2 (місяці 6–18): Глибша інтеграція

Впроваджується прогнозування попиту, проводиться навчання з підтримки переговорів та налагоджується управління ризиками постачальників. Основна команда навчається працювати з системами штучного інтелекту та адаптує процеси.

Фаза 3 (місяці 18–36): Повна оркестровка

Усі сфери закупівель оснащені підтримкою штучного інтелекту. Закупники працюють у доповненому середовищі, де мають доступ до даних, прогнозів, рекомендацій та автоматизованих опцій. Але остаточні рішення приймають вони.

Фаза 4 (з 36 місяця): Автономний інтелект у межах можливостей

Для стандартизованих категорій з низьким рівнем ризику рішення повністю автоматизовані. Для складних, стратегічних категорій інтелект покращується, але рішення все одно приймають люди. Система постійно навчається та стає точнішою.

Добре впроваджені системи штучного інтелекту призводять не до масових звільнень, а радше до переорієнтації організації закупівель. Відділ закупівель з 50 осіб може скоротитися до 40, але ці 40 людей є експертами – фахівцями з обробки даних, стратегами, переговорниками – а не адміністраторами. Цінність організації на людину значно зростає, і вони можуть брати на себе більш стратегічні, критично важливі для бізнесу завдання.

Стратегічна потреба в диференціації

Фундаментальна помилка, якої припускаються багато компаній, полягає в концептуальному змішуванні закупівель та закупівель. Доки ці дві функції розглядаються як однакові, неможливо належним чином організувати чи оптимізувати їх. Закупівлі – це стратегія, закупівлі – це операції. Вони вимагають різних навичок, різних показників, різних систем – і різних ролей для ШІ.

Закупівлі – це місце, де зустрічаються ці два світи. Це структурований процес, у якому стратегічні цілі (оптимальні партнерські відносини з постачальниками) втілюються в життя (вибір, переговори, укладення контракту). Саме тут штучний інтелект може принести найбільшу цінність: він прискорює аналіз, підвищує об'єктивність рішень і дозволяє досягати стратегічних цілей набагато послідовніше.

Компанії, які розуміють цю різницю та відповідно використовують ШІ, скоротять свої витрати на закупівлі на 10–20 відсотків, підвищать стійкість ланцюга поставок, покращать якість закупівель та перетворять свої закупівельні організації на генератори стратегічної цінності. Компанії, які розглядають ШІ як універсальний інструмент, не враховуючи цих концептуальних відмінностей, будуть розчаровані, а ШІ стане дорогою, недостатньо використовуваною системою, яку буде демонтовано через кілька років.

Майбутнє закупівель належить не тим, хто найшвидше впроваджує штучний інтелект, а тим, хто найчіткіше розуміє, де штучний інтелект має найбільшу цінність, а де люди залишаються незамінними.

🔄📈 Підтримка торгової платформи B2B – Стратегічне планування та підтримка експорту та світової економіки з Xpert.Digital 💡

Торговельні платформи B2B - Стратегічне планування та підтримка з Xpert.Digital - Зображення: Xpert.Digital

Торговельні платформи типу «бізнес для бізнесу» (B2B) стали критично важливим компонентом динаміки світової торгівлі, а отже, рушійною силою експорту та глобального економічного розвитку. Ці платформи пропонують значні переваги компаніям будь-якого розміру, особливо малим та середнім підприємствам, які часто вважаються основою німецької економіки. У світі, де цифрові технології набувають дедалі більшого значення, здатність до адаптації та інтеграції має вирішальне значення для успіху в глобальній конкуренції.