State of AI in Procurement 2025 – Trends, Adoption, and Outlook

Začnite s jednotným protokol na stránke . náborové toky; zvýšiť viditeľnosť; zmenšiť nudný tasks v merateľnom rozsahu v priebehu 90 dní.

Naprieč odvetviami, european správa pre trhy 14–22 zníženie svojvoľných výdavkov; viditeľnosť naprieč sieťami dodávateľov rastie; toky automatizovať pravidelné kontroly; oni, znižujúce cyklov približne o 20 % vo výrobnom a maloobchodnom sektore; increase viditeľnosť v sieťach.

Skryté korelácie sa objavujú, keď sa spoja dáta z výkonnosti dodávateľov, ESG metrík, formulár podrobnosti, regulačné kontroly sú v súlade; orkla analytika zobrazujú pripojené zdroje údajov; tempo prechodu od plánovania k realizácii sa zvyšuje; decision-making kvalita sa zlepšuje; toto by nevyžadovalo manuálne zosúlaďovanie.

Praktické kroky: vybudovať modular architektúra s opakovane použiteľnými AI blokmi; hoci rýchle výhry sú dôležité, riadenie zostáva nevyhnutné; rozšíriť pokrytie na európsku reguláciu tlačivá; merať návratnosť investícií štvrťročne; škálovať od pilotnej prevádzky po produkčnú posilnením správy údajov, modernizáciou dátových tokov, zvýšením ochrany súkromia; riešiť úzke miesta; increase viditeľnosť naprieč tímami.

Postupom času viditeľnosť increase v celom dodávateľskom reťazci; sociálne ovládače, european trhy tlačia na prijatie; ekosystém sa stáva pripojený u dodávateľov, zákazníkov, interných jednotiek; skryté náklady sa znižujú; zlepšujú sa kontroly rizík; prehľady od spoločnosti Orkla usmerňujú priority.

Praktická AI v obstarávaní 2025: Trendy a prijatie

Spustite pilotný projekt GenAI, ktorý podporuje učenie, na automatizáciu bežných úloh v nákupnom oddelení; naskenované výnimky sú smerované ľuďom na rýchly zásah, aby sa zabezpečili požadované výsledky.

Prví piloti v 20 – 40 rozsiahlych tímoch ukazujú, že automatizácia transformuje rutinné transakcie pre tovar, sourcingové aktivity; logistické úlohy prinášajú najvýraznejšie zlepšenie, pričom prichádzajúce toky vykazujú významné zisky.

Prístupné rozhrania urýchľujú využívanie netechnickými kupujúcimi; zdieľaný dátový model zachováva hodnoty ako spravodlivosť, sledovateľnosť; štandardizované katalógy, metadáta na úrovni jednotiek redukujú výnimky. Sprievodcovia im zjednodušujú konfiguráciu.

Extrakcia skenovaných dát z dodávateľských dokumentov, zmlúv, faktúr pomocou GenAI zlepšuje zber dát; to prináša prehľad, znižuje prepracovanie.

Vytvorte stratégiu založenú na učení, ktorá sa zameriava na riziko dodávateľov, výkonnosť logistiky a diverzitu dodávateľov; keď sa objavia problémy, ľudské tímy rýchlo zasiahnu a užitočné signály sa premenia na včasné opatrenia.

Články nazývali tento prístup škálovateľným; je prístupný pre všetky tímy; na dosiahnutie požadovaných výsledkov, rozpočtov, vzťahov s dodávateľmi.

Najlepšie prípady použitia generatívnej umelej inteligencie v oblasti získavania zdrojov, uzatvárania zmlúv a riadenia vzťahov s dodávateľmi

Implementujte playbook riadený GenAI do 90 dní na automatizáciu hlavných rutín v oblasti sourcingu, uzatvárania zmlúv, SRM; dosiahnite merateľné zisky a kontinuitu v dodávateľských sieťach.

• Sourcing: Skríning dodávateľov riadený GenAI, predkvalifikácia, automatizuje úvodné skenovanie trhu; skracuje čas cyklu, poskytuje štatistiky, správy na podporu rozhodovania; účely zahŕňajú prehľad o rizikách v geopolitických kontextoch, obmedzeniach rozsahu, materiálových ukazovateľoch; samoučiace sa modely postupom času zlepšujú klasifikáciu dokumentov; určení vlastníci dostávajú prehľady pripravené na kliknutie; umožňuje tímom vytvárať príručky; aprílové metriky vlny ukazujú zlepšenie v pokrytí dodávateľov, časoch odozvy; celková spoľahlivosť.
• Uzatváranie zmlúv: extrakcia klauzúl z dokumentov pomocou GenAI; porovnanie podmienok medzi dodávateľmi; simulačné rokovania; automatické vytváranie štandardných podmienok; priradení recenzenti konajú okamžite po kliknutí; kontinuita šablón v zmluvách; štatistiky sledujú rýchlosť uzatvárania; rozsah zahŕňa obmedzovanie rizík, cenové mechanizmy, definície úrovne služieb; aprílové benchmarky ukazujú rýchlejšie uzatváranie zmlúv, nižší počet revízií.
• Riadenie vzťahov s dodávateľmi: GenAI umožňuje nepretržité monitorovanie výkonnosti naprieč faktúrami, dodávkami, metrikami kvality; automatizuje upozornenia; klasifikuje signály do kategórií rizika; vytvára následné úlohy; umožňuje prideleným manažérom kontrolu prostredníctvom preklikávacích panelov; dôležité faktory zahŕňajú včasnosť dodávok, podiel chýb, náklady na kvalitu, udržateľnosť; otázky vznesené lídrami formujú správu; niektoré režimy správy vyžadujú sledovateľnosť; what-if scenáre podporujú samo-učiace sa vylepšenia; čo sledovať usmerňuje pracovný tok; aprílové správy zdôrazňujú trendy naprieč rovnakými dodávateľmi, čím sa zlepšuje kontinuita; vlna prijatia akceleruje.

Pripravenosť dát: Čo potrebujú tímy obstarávania, aby bol AI úspešný

Odporúčanie: implementujte jednotný rámec správy údajov; automatizujte kontroly kvality; definujte jasné vlastníctvo údajov; integrujte do každodenných pracovných postupov; umožnite registráciu súborov údajov; sledujte pôvod; potvrďte preukázateľnosť. Uveďte príklady pravidiel kvality na usmernenie aplikovaných kontrol; pôvod údajov sa stáva identifikovateľným; automatizácia metadát prináša automatizovanú dôveru; úvahy o pôvode sa stávajú pomerne priamočiare; keď sa vyskytnú problémy, je potrebné preveriť si pôvod. Objavujú sa skryté nedostatky; nudné úlohy súvisiace s údajmi sa stávajú automatizovanými tokmi; generovanie dôveryhodných údajov zvyšuje dôveru; sú pripravení na globálne riešenia; vyžadujú zmiernenie rizika; pripravenosť údajov odomyká všetko; zaregistrujte sa na priebežné meranie. Na zmiernenie rizika implementujte kontroly. Tento rámec skracuje dobu cyklu, čo umožňuje rýchle experimentovanie.

Vykonajte praktickú inventúru podľa domény: údaje o dodávateľoch; údaje o zmluvách; údaje o výdavkoch; metriky výkonnosti; odkazujte sa na existujúce taxonómie; zosúlaďte s globálnymi štandardmi, ktoré fungujú vo všetkých regiónoch. Definujte kvalitu; stanovte ciele úplnosti; stanovte 5-7 pravidiel kvality údajov; monitorujte pokrok prostredníctvom jedného registra; zabezpečte plne pozorovateľnú provenienciu údajov; nastavte automatické upozornenia na porušenia; ak údaje nespĺňajú prahové hodnoty, spustite nápravné pracovné postupy; môže vyžadovať eskaláciu na vlastníkov.

Zaviesť riadiace úlohy; definovať SLA; prideliť správcov údajov; určiť vlastníkov; vymenovať dátových inžinierov; začleniť tieto úlohy do pracovných postupov; zahrnúť štvrťročné revízie; overiť pomocou metrík; definovať opakovateľný proces príjmu údajov medzi tímami.

Riadenie, riziko a súlad pre proces Procure-to-Pay s podporou AI

Zaviesť centrálny politický rámec pre P2P operácie riadené umelou inteligenciou; preniesť zodpovednosť za kvalitu údajov a výkon modelu na priamych nadriadených; zaviesť formálne schvaľovacie brány pred automaticky nasadenými rozhodnutiami; zahrnúť monitorovanie prostredníctvom strojov vykonávajúcich bežné kontroly, čo by sa podobalo automatizovaným upozorneniam na anomálie.

Detaily správy údajov: kontroly kvality údajov; pôvod údajov; kontroly ochrany osobných údajov; zásady uchovávania; mechanizmy riadenia prístupu; aktuálne pravidlá vyžadujú šifrovanie v neaktívnom stave; šifrovanie počas prenosu; pravidelné posúdenia vplyvu na ochranu osobných údajov.

Správa modelov presadzuje správu verzií; hodnotiace brány; ciele výkonnosti; opatrenia na zabezpečenie reprodukovateľnosti; skórovanie rizík; Dorota to vedie s jasnou víziou; zodpovednosti zahŕňajú správcov údajov, ML inžinierov, priamych nadriadených vykonávajúcich dohľad.

Kanály riadenia rizík: operačné riziko z automatizácie; posun dát; riziko dodávateľa; riziko predajcu; regulačná expozícia; postupy riešenia incidentov; cesty eskalácie.

Kontroly dodržiavania predpisov: auditné záznamy; zosúladenie politík; posúdenie rizík tretích strán; práva na ochranu osobných údajov; procesy riešenia sporov; šablóny regulačných správ; externé posúdenia.

Merateľné ciele výsledkov: skrátenie doby cyklu; zníženie miery chybovosti; zlepšenie nákladov na faktúru; súčasné implementácie poskytujú spoľahlivé metriky; uvádza sa, že typický nárast sa pohybuje v rozmedzí 15 – 30 percent v cykloch spracovania, keď sú zavedené kontroly.

Implementačné usmernenie: začnite s pilotným projektom v rámci obmedzeného okruhu dodávateľov; po validácii rozširujte v rámci sietí; zaveďte štvrťročné revízie; postupne zvyšujte pokrytie; zosúlaďte s aktuálnymi regulačnými očakávaniami; zachovajte sledovateľnosť.

Inteligentné monitorovanie: upozornenia na zmenu počasia pre meniace sa požiadavky; automatizované vyhodnocovanie rizík; cykly hodnotenia; ponaučenia z predchádzajúcich iniciatív vedených dorma dorota slúžia ako podklad pre budúce kroky; zabezpečiť školenia pre personál vykonávajúci činnosti.

Meranie návratnosti investícií a hodnoty: Kľúčové ukazovatele výkonnosti pre iniciatívy v oblasti obstarávania AI

Spustiť 90-dňový KPI šprint zameraný na tri metriky: úspora nákladov; doba cyklu; zvýšenie kvality dát. Umožniť sledovanie návratnosti investícií vytvorením integrovanej dátovej štruktúry, ktorá konsoliduje vstupy z existujúcich ERP, platieb, hlavného dodávateľa, modelov poháňaných umelou inteligenciou. Zverejňovať prehľady prostredníctvom jednotnej reportingovej vrstvy; stav pokroku sa stáva viditeľným s každým kliknutím.

Pred začatím akýchkoľvek pilotných projektov je nutné definovať metriky; otázky od vedúcich pracovníkov sa točia okolo hmatateľnej návratnosti investícií; navrhované ciele: 6 – 12 % úspora nákladov na vyjednané výdavky; skrátenie doby cyklu od objednávky po platbu o 40 – 60 %; presnosť automatickej klasifikácie nad 95 %. Konsolidovaný pohľad vzniká prepojením existujúcich zdrojov údajov; používať klasifikátory s podporou AI; signály bez dozoru na detekciu anomálií.

Architektúra merania sa spolieha na rozšírenie aktuálneho reportovacieho balíka; povrchová analytika cez preklikávací dashboard. Využite taxonómie zo zdrojov Google na obohatenie klasifikácií dodávateľov; udržujte dynamickú vedomostnú bázu; zlepšenia kvality sledované prostredníctvom metrík na povrchovej úrovni.

Príklady ilustrujú dopad: 1) integrácia rozšírenia poháňaného AI skrátila čas začlenenia dodávateľov o 45 % do 90 dní; 2) automatické párovanie znížilo manuálnu kontrolu o 60 % v platobných cykloch; 3) bodovanie rizika skôr označilo vysoko rizikových dodávateľov, čím sa znížilo vystavenie narušeniu o 30 %.

Správa musí konsolidovať metriky do jedného panela; implementovať pravidlový engine; umožniť rozširujúce moduly; udržiavať kvalitu dát; dokumentovať výsledky v prípadoch; získané skúsenosti.

V globálnom kontexte: globálne firmy modernizovali operácie prostredníctvom cezhraničnej harmonizácie údajov dodávateľov; toky riadené AI zlepšujú cykly, súlad, rozhodnutia.

Ďalšie kroky: realizovať tri pilotné projekty; konsolidovať získané poznatky; rozšíriť na ďalšie kategórie; využiť existujúce taxonómie; rozšírenie na reporting; naplánovať štvrťročné revízie definícií KPI.

Od pilotného projektu k rozsiahlemu nasadeniu: Krok za krokom – príručka implementácie generatívnej umelej inteligencie

Začnite s jedným, úzko zameraným prípadom použitia, ktorý prinesie merateľné finančné zlepšenie v priebehu 90 dní. Stačí zabezpečiť prístup k uloženým dátam z troch hlavných zdrojov a definovať cieľovú metriku, ako napríklad 15% zníženie času cyklu alebo 12% úspory. Poskytnite 2–3 inštancie modelu na testovanie a rýchly návrat.

Zaveďte riadiacu smernicu, ktorá priradí vlastníkov údajov a medzifunkčnú organizáciu na dohľad nad kvalitou údajov, rizikom a správaním modelu. Tento prístup si vyžaduje zosúladenie zainteresovaných strán a jasné postupy eskalácie. Vyžadujte živú dokumentáciu vstupov, výstupov a akcií vykonaných systémom.

Použite trojvrstvovú architektúru: základné inteligentné modely, doménové adaptéry a rozšírenia existujúcich služieb. Pre citlivé úlohy využívajte relatívne izolované prostredia a pre generické úlohy verejné inštancie. Udržujte prompt, knižnice promptov a uložené konfigurácie vo verziách na podporu opakovateľných výsledkov.

Konsolidujte dáta z ERP, CRM a repozitárov obsahu; vyčistite polia, štandardizujte jednotky a vytvorte dátový pôvod. Zostavte knižnicu výziev, ktorá zahŕňa výzvy založené na rolách a uložené šablóny. Zahrňte dátovú mapu, ktorá zobrazuje, ako každá skutočnosť prechádza konverzáciami s dodávateľmi a internými používateľmi.

Zostavte tím s odbornými znalosťami v oblasti prevádzky, financií a rizík, ktorý bude viesť vlastník v rámci organizácie. Stanovte smernicu pre ochranu súkromia, manipuláciu s údajmi a externú komunikáciu. Zaveďte týždennú spätnú väzbu na premenu rozhovorov na konkrétne kroky. Zabráňte svojvoľnému nasadzovaniu vynútením ochranných opatrení a postupov eskalácie.

Harmonogram implementácie: pilot v týždňoch 1 – 4, rozšírenie do ďalších dvoch oblastí v týždňoch 5 – 8, rozšírenie na regionálne tímy v týždňoch 9 – 12. Merajte tri metriky: skrátenie doby cyklu, presnosť odpovedí dodávateľov a úspory realizované na transakciu. Cieľom je 1,5 – 2,0-násobná návratnosť investície v priebehu šiestich až deviatich mesiacov.

Zviditeľnite náklady sledovaním relácií, rastu úložiska promptov a API hovorov naprieč inštanciami. Používajte model platieb za použitie s štvrťročným stropom, aby ste predišli prekročeniu výdavkov; viažte finančný dopad na konkrétne výsledky a nastavte štvrťročnú revíziu na úpravu cieľov a plánov rozšírenia.

Bezpečnostné kontroly: šifrovanie údajov počas prenosu a v pokoji, prístup na základe rolí a audítorské záznamy. Definujte okná uchovávania a pravidlá vymazávania; zabezpečte súlad s pravidlami. Vytvorte register rizík a priraďte vlastníkov na rýchle odstránenie problémov v prípade potreby reaktívnym spôsobom.

Po stabilizácii výsledkov vytvorte centralizovaný vzor pre zdieľanie poznatkov a zabezpečte, aby každá šablóna obsahovala polia rizika, nákladov a výsledkov na štandardizáciu spôsobu získavania hodnoty. Používajte centrálne úložisko služieb a ponúk pre diskusie s dodávateľmi; ak sa ponaučenie uplatňuje, vytvorte opakovane použiteľné rozšírenie pre podobné pracovné postupy. Udržujte jedinečnú hodnotu prispôsobovaním pokynov pre každú funkciu v rámci spoločného rámca riadenia.

Udržujte výhľad orientovaný do budúcnosti, ktorý zdôrazňuje jedinečné schopnosti a škálovateľný dopad. Zaznamenávajte priebežnú spätnú väzbu, zostaňte v súlade so strategickými cieľmi organizácie a pokračujte vo vývoji súboru služieb zahrnutých do GenAI stacku. Zahrňte vedúcich z každej domény, aby ste zabezpečili súlad so strategickými príležitosťami a zdokonalili ponuky, ktoré urýchľujú realizáciu hodnoty.