AI en Machine Learning in inkoop omarmen: Kansen, uitdagingen en best practices

Uw lange carrière in inkoop heeft grotendeils bestaan uit het worden opgejaagd door topmanagement over de noodzaak om leverancierskosten constant te knippen. Komt digitale technologie om uw werk makkelijker te maken — of het weg te nemen.

Dat is tenminste de vrees van inkoopprofessionals in de leeftijd van kunstmatige intelligentie en machine learning. Overweeg alle factoren die in leveranciersselectie en -onderhoud gaan, maakt het niet zin om de taak over te dragen aan een systeem dat meer data kan verwerken dan honderd mensen?

En het volume van data groeit door. Inkoopmanagers vandaag moeten trekken op meerdere bronnen van intelligentie, van leveranciers zelf alsook onafhankelijke financiële data, nieuwsberichten, derde-partij diensten en sociale media. Zegt Sammeli Sammalkorpi, mede-oprichter van inkoopanalytics softwareleverancier Sievo: 'Inkooporganisaties hebben nog niet geleerd hoe in te tappen op deze verschillende soorten data.'

AI en machine learning zouden vooral goed geschikt lijken voor de uitdaging. Maar vreezen dat ze de taak volledig zullen overnemen, lijken ongegrond. Wanneer het gaat om effectieve inkoop en leveranciersbeheer, is de voorzienbare toekomst een van collaboratie tussen mens en machine.

'Ik geloof echt dat de rol van AI niet is om mensen te vervangen,' zegt Sammalkorpi. 'Machine learning en AI kunnen bevindingen voorstellen, maar u moet nog steeds aanpassen aan wat relevant is, en wat niet.'

Machines zijn hoogst effectief voor smalle applicaties, met goed-gedefinieerde problemen. Wat meer is, ze zijn altijd 'aan' en impliceren een minimale operationele kost, vergeleken met het salaris en benefits van een menselijke werknemer.

Komt de tijd om actie te ondernemen, dan moet de vlees-en-bloed manager instappen. Simpel gezegd, mensen zijn nog steeds beter in het nemen van het eindbesluit over sleutelleveranciers. Voor de tijd being, tenminste, 'is machine learning nog niet betrouwbaar genoeg om beslissingen te drijven,' zegt Sammalkorpi. (Er is nog een reden om mensen in de lus te houden, voegt hij toe: ze moeten verantwoordelijkheid behouden voor het maken van keuzes zodat ze er niet achterkomen de machine te beschuldigen voor verkeerde.)

In de vroege stadia van machine learning, kan de technologie waarschijnlijk bepaalde elementen van het leverancierscontract overnemen. Naarmate het verbetert, zullen kopers zichzelf vinden steunend op het systeem voor een toenemend aantal taken, zo niet het eindbesluit op leveranciersscreening en -selectie.

Omdat AI en machine learning zwaar afhangen van complexe algoritmes, kunnen bedrijven aannemen dat ze een duur team van data scientists moeten inhuren om het systeem te draaien en zin te geven aan de conclusies. In Sammalkorpi's mening is dat niet het geval voor de inkoopafdeling. Hij gelooft dat dat soort expertise beter verkregen wordt van een uitgebesteerde aanbieder.

'Zelfs als ze dachten dat het een goed business case was,' zegt hij, 'zien we niet veel organisaties die in staat zijn die talent in-house te behouden. U hebt nog steeds data scientists nodig, maar ik denk niet dat de inkooporganisatie de juiste plek voor hen is.'

Toekomstige resultaten voorspellen is waarschijnlijk even lastig voor een machine als voor een mens — met andere woorden, onmogelijk. Maar machine learning is goed in het snel herzien van forecasts en actieplannen in real-time, om daadwerkelijke aankooppatronen te reflecteren, gelooft Sammalkorpi.

Al dit veronderstelt, natuurlijk, dat inkoop de nieuwe technologie soepel in zijn operaties kan incorporeren. Maar nieuw onderzoek van Forrester Consulting, in opdracht van inkoopplatformleverancier Ivalua, suggereert dat ver van het geval is. Een 'digital maturity index' employeerend om bedrijven's vooruitgang in het adopteren van inkooptechnologie te beoordelen, vond Forrester dat de meeste 'significant overschatten' hun niveau van volwassenheid in dat opzicht.

Vijfenzestig procent van de geïnterviewde bedrijven beschouwde zichzelf als 'gevorderd,' maar alleen 16 procent had het vereiste niveau van digitale volwassenheid in hun inkooporganisaties om die beoordeling te rechtvaardigen.

Eén probleem is dat veel bedrijven slechte initiële keuzes maken bij het selecteren van inkooptechnologie. In de Forrester-studie, hadden 82 procent geswitcht of overwogen te switchen tech-leveranciers, citerende als redenen slechte niveaus van leverancieronboarding en gebruikersadoptie.

Bovendien was de adoptieperiode excessief lang. Alleen 17 procent van de organisaties was in staat om nieuwe leveranciers in minder dan een maand te onboarden, en 59 procent nam tussen de één en drie maanden per leverancier.

'Inkoopleiders hebben de kans om een echte competitieve voordelen voor hun organisaties te leveren,' zei David Khuat-Duy, corporate chief executive officer van Ivalua, in een verklaring. 'Digitale transformatie is cruciaal voor succes, maar vereist een realistische beoordeling van huidige volwassenheid, een duidelijke visie voor elk stadium van de reis en de juiste technologie.'

Al wat suggereert dat technologie in de vorm van AI en machine learning een lange weg is van mensen uit de inkoopfunctie te jettisoneren, zelfs als het beloft om operaties te verbeteren wanneer correct beoordeeld en geïmplementeerd.