生成式人工智能助推数字采购迈向新时代

数字化和智能化作为推动产业链、供应链优化升级的关键驱动力，在生成式人工智能（以下简称“生成式AI”）这一颠覆性技术的加持下，对供应链革新的重要性愈发凸显。

德勤中国副首席执行官、德勤中国首席战略官兼德勤中国咨询业务主管合伙人戴耀华表示：“以生成式AI为代表的颠覆性技术正席卷全球，并以前所未有的速度踏足千行百业，同样也引领着一场采购领域的深刻变革。它在模型解读、减少流程错误、寻找优化效率、控制成本等方面，将改变传统的采购业务流程，重塑采购岗位的角色与职责，培育数字化采购力量。但硬币有正反面，我们在看到挑战的同时，也要拥抱技术给我们带来的潜在机遇，让生成式AI帮助企业降本增效，让员工在生成式AI的辅助下，有更多精力推动关键领域的价值创造，从而推动企业采购运营的全面优化与升级。”

德勤供应链专家近日在美国《华尔街日报》发表系列撰文，本文是第二篇。此前第一篇文章《生成式人工智能如何改变采购管理与运营》提到了生成式AI对采购和供应链的战略性影响，本篇则结合一些典型使用场景来分析生成式AI对各类数字采购工具的影响、挑战及未来发展方向。

生成式AI助推数字采购迈向新时代

生成式AI的突破性进展正引领数字采购工具迈向全新的时代。SAP Ariba、Coupa、Ivalua、GEP 等领先的数字采购解决方案已率先将生成式AI的强大功能嵌入其系统中，这一趋势预示着采购流程将经历一场彻底的革新，开启前所未有的效率提升和战略决策的新篇章。

生成式AI影响数字采购工具演进方向

生成式AI的问世不仅激励公司采购部门进行自我重塑，也促使数字采购解决方案提供商们积极增强其工具与解决方案，以下是改进方向上的一些重点考量：

• 消除手动/冗余任务，使用户更能专注于战略领域。
• 基于聊天的界面简化用户体验。
• 提供端到端的数据分析和建议。

下图展示了数字采购行业一些领先解决方案提供商对生成式AI的应用方式：

来源：公开信息

此外，数字采购软件行业里那些“利基企业”（Niche players），也在利用AI在其领域的专业知识和产品持续增强其产品功能，例如在自主采购、谈判¹等功能植入AI的能力。

生成式AI对具体采购场景的潜在价值分析

生成式AI对采购周期的影响深远且多面，下面我们将通过三个具体的应用场景来详细探讨这些影响的规模和范围。其中，“未来展望”是关于生成式AI工具如何解决特定应用场景的思想实验，而“现有工具”介绍了当前市场上已有的具备类似功能的解决方案。

应用场景1：合同审查

• 当前情况：合同审查流程繁琐且耗时。这一过程需要集法律、风险、业务和财务等多个领域的专业人员进行人工操作。审阅人员需要逐句检查合同文本，同时参考过去的合同、公司政策以及法律法规，以便准确标记出偏差，从而解决问题。因此，合同审查过程可能需耗费数天到数周。
• 未来展望：基于生成式AI的合同审查工具的核心功能是提取合同内容并审查结构和各个条款。该工具可以智能地将当前合同条款与过去的合同、公司政策和法律法规进行比对，从而迅速识别潜在问题，并提供针对性的解决方案。由于该工具内置了丰富的专业知识，审阅人员无需具备同等深厚的知识储备，也能高效完成合同审查工作，从而大大降低了对审阅人员的专业要求。
  
• 潜在影响：减少合同审查的周转时间，以及减少对多个流程领域专家的需求。
• 现有工具：合同审查工具正迎来蓬勃发展的黄金时期，涌现出Blackboiler、Henchman和Kira等一系列工具，这些工具在合同审查过程中提供了多样化的功能，包括从专业的法律审查到全面的合同审查。

应用场景2：产品品类战略生成

• 当前情况：市场上现有的工具在功能上存在局限性，主要侧重于数据可视化和分析。然而，品类管理是一项专业化的工作，需要品类经理手动审查来自多个来源的相关数据，从“寻源到付款”（source-to-pay，简称“S2P”）系统创建各种报告，并使用这些信息制定品类战略。这一流程不仅要求品类经理具备深厚的专业知识，还限制了单个品类经理能有效处理和分析的品类数量，从而影响了整体的工作效率。
• 未来展望：基于生成式AI的工具能够实时从多个网站提取情报，极大地简化了品类管理的流程。结合对S2P软件的实时交易数据的访问，该工具将能够准确识别出需要干预的领域，并结合市场情报，为品类经理提供针对性的解决策略和建议。
  
• 潜在影响：减少对每个品类专家的需求，通过自动化显著提升效率，相较于目前主要依赖于人工处理的繁琐流程，这一变革将为企业节省大量的时间和人力资源。
• 现有工具：当前品类管理领域的工具存在一定的局限性，但GEP、Jaggaer和SAP等软件公司已经开始积极开发基于AI的模块。这些模块旨在向品类经理提供更加智能的建议。德勤的AIOPS.D也正在开发相关功能，从而帮助品类经理识别节省成本和改进的机会，并给出相应的行动建议²。

应用场景3：智能导购

• 当前情况：当前的S2P软件产品为用户提供了类似电子商务的购物体验，用户通过搜索特定关键词，找到一个包含首选供应商的目录项目表单。这些工具只能根据特定交易参数而显示简要的政策警告。然而，终端用户仍然需要熟悉软件并主动做出正确选择。因此，公司必须建立控制措施以确保遵循政策。
• 未来展望：基于生成式AI的智能导购工具将采用聊天式用户界面，最大限度地减少用户熟悉软件界面的门槛。用户能够通过聊天，清晰地表达他们的购买偏好。根据大型语言模型（LLM）数据模型，该工具可以引导用户完成购买决策的全过程。用户不仅能在多元化的商品和供应商中自由挑选，还能收到系统对于潜在政策违规行为的及时提醒。一旦用户收集了所有必要信息，系统将自动代表用户提交购买请求，为用户提供一站式、智能化的体验。
  
• 潜在影响：减少用户培训的需求，增加通过合规渠道和首选供应商的支出，以及由软件工具创建的高质量购买请求而提高的效率。
• 现有工具：现如今S2P 产品软件如Coupa、GEP Smart、Ivalua、SAP Ariba 和 Zycus等，正将AI集成到智能导购过程中的各个环节，这些创新功能包括商品推荐、基于对话式AI的智能导购助手等。德勤的 AIOPS.D 也在这个领域为用户提供智能服务。

采购解决方案提供商如何重塑自我

尽管上述讨论的案例颇具吸引力，但若仅停留在理论层面而未付诸实践，它们就仍然只是一种思想实验。为充分释放生成式AI的潜在价值，企业层面的转型势在必行。采购软件及解决方案提供商在启动这一转型时，应当制定明确的方法论，并考虑以下几点：

1. 了解可能性。

• 探索可能性：跳出传统思维和现有局限，大胆探索生成式AI的转型潜力。

2. 定义愿景。

• 制定你的愿景：制定全面的战略，该战略需通过定义清晰的案例、技术决策、规划以及利益相关者的参与，从而形成全面提升采购组织的战略。
• 选取优先的应用场景：创建一个详细的潜在应用场景清单，然后根据风险、影响、可行性和成本对应用场景进行优先排序，以帮助最大化生成式AI的益处。

3. 激活愿景。

• 锁定技术：专注于构建一个坚实的基础，它可以随着时间的推移适应数据驱动的AI改进，并处理计算需求。这种架构应有助于从多个来源进行数据高效收集、清理和组织，并无缝集成到现有解决方案和工作流程中。
• 准备数据：通过确定相关的数据来源，从各个渠道收集、清理和预处理数据，并对数据添加情境化信息，系统地准备数据，使其具有可操作性，同时还要考虑数据安全性和合规性。组织在使用AI工具处理数据时，应谨慎行事，以保持控制力。
• 试点案例：在选择高影响的应用场景中启动生成式AI的实施。基于经验，逐渐扩展到更复杂的AI应用场景，从简单任务逐渐过渡到复杂任务，从而挖掘生成式AI更大的价值。
• 建立基础：继续建立基础设施，以有效整合技术堆栈、数据准备和变革管理。

展望未来

将生成式AI集成到数字采购解决方案是该类软件发展历史上的一个转折点，很可能会重塑采购格局。许多数字采购参与者正在接受这一变革性技术，从而以最小化非增值任务来提高其用户的生产力。通过遵循结构化方法进行基于生成式AI的转型，企业可以充分发掘并利用生成式AI的潜力。

来源：公开信息

 

关于德勤中国咨询业务供应链与网络运营团队

传统的线型供应链正逐步变革，转变为物联网技术支持的数字化动态供应网络（DSNs）集合。供应链长期承载压力，不仅需满足生产力、创新、快速发展方面的要求，还需不断提高适应性。随着新兴运营模式、市场和竞争对手的出现，企业面临的挑战日益严峻。数字化经济下，发展数字化供应网络至关重要。德勤中国咨询业务供应链和网络运营团队将助您大胆畅想，致力实现，并高效运营供应网络，与时俱进，把握机遇，应对未来挑战——搭建平台，提供关键洞见，并贯穿整个价值链推动业务流程优化及供应链活动智能化转型。

 

尾注：

1 Walter Loeb, “Understanding Walmart’s automated supplier negotiations,” Forbes, November 14, 2022.

2 Deloitte, “Introducing AIOPS.D™: AI-fueled microsolutions,” March 1, 2022.

 

文章作者：

Vinay Rajani 执行董事 Deloitte Consulting LLP vrajani@deloitte.com	Mike Deng 高级经理 Deloitte Consulting LLP mikdeng@deloitte.com

 

感谢Baber Farooq (SAP), Pascal Bensoussan (Ivalua), 和Donna Wilczek (Coupa) 分享他们的见解
感谢 Kamal Taneja, Aakash Saxena, Jonaki Biswas, Anantharam B., 和Ayushman Kaul做出的贡献
感谢Qianyi Zhang, Stephanie Maksymenko, Marcus Lei共同翻译

 

业务垂询，敬请联络：

周小良
合伙人
德勤中国咨询业务
电邮：brzhou@deloitte.com.cn

胡攀
总监
德勤中国咨询业务
电邮：phu@deloitte.com.cn