​自动采购如何像无人驾驶汽车

人机协作的平衡正在发生变化;人工智能(AI)是这一转变的推动力。人工智能已经在改变根深蒂固的思维方式和运营方式，服务采购领域也不例外。这种高度传统的模拟功能开始包含AI的优势。

任何成功的AI计划的基础都是数据和可以通过分析得出的模式。以对AI最有用的方式累积数据需要数据收集平台中的结构，该结构将易于进行关联和声音推断。如果我们检查社交媒体平台的发展以及跟踪(和可跟踪)数据的指数增长，我们会发现现在可以对非结构化数据进行分类，从而基于用户的行为，偏好甚至关系创建非常准确的预测。

迄今为止，深度学习领域内的最新发展迄今使受益最大的面向数据的行业开始于：搜索引擎，营销和社交媒体平台，这些领域的赢家有机地聚集了海量专有数据集。下一波将经历这种转变的行业将包括那些传统上数据受限的行业。任何给定的行业和组织都需要进行重要的计划和准备，并定义策略。

我们最终将在以数据为中心的采购应用程序中看到这种相同的发展，但它必须从建立大型数据沟开始，这些大数据沟利用了长期未开发的信息。我们将其与通常描述的自动驾驶的“水平”相匹配，该水平涉及车辆和驾驶员的进步：

级别1：无自动化

自动化采购的早期采用者有一个独特的机会来抓住最前沿的优势，以对他们有用的结构化形式收集数据和反馈，并为他们的行业树立标杆。

第2级：部分自动化

在此阶段，车辆可以在许多情况下转向，加速甚至制动。但是，驾驶员必须完全警惕，如果车辆无法继续行驶，则可以接管。

对于采购而言，已经积累了数据的基于AI的平台可以使用机器学习根据您过去的行为提出建议。依靠您之前所做的模式匹配和识别，它会根据可用信息做出最佳猜测。在此阶段，其建议的准确性会降低;人类会接受其中一些而拒绝其他人。

这正是数据量真正开始发挥作用的地方。大多数公司没有花费时间来逐年跟踪其服务项目中的数据。目前，采购涉及“少量数据”但具有很高的价值。一笔交易可能价值数百万美元，而不是一个小时记录的潜在驾驶价值。因此，正确获取服务采购数据并确保其可行非常重要。

最早开始收集有关服务支出数据的公司已经获得了增加的价值，只有随着时间的推移积累和索引数据，这种价值才会发生。公司越早将采购转移到数字平台，他们的数据越快越深入，帮助通过机器学习生成的模型变得越来越精确。

第3级：高度自动化

在此阶段，由于积累的数据，车辆几乎可以在所有条件下承担所有驾驶任务，而无需人工干预。但是，如果车辆无法继续行驶，应该有一位乘客可以注意并采取控制措施。

合并数据干扰可以使人们对机器学习系统可以开始理解的信号有更细微的了解。对于采购，一个用户的响应与所收集的许多响应结合在一起，因此该机器可以发现传统的孤立数据与整个组织的经验之间的关联。

在此阶段，机器还可以暴露于参与购买周期的人们之间的交互，并开始从潜意识信号中学习。这些可以包括供应商响应时间，客户反馈和建议值之类的东西，所有这些都有助于决定购买决策。但是，人类仍然会继续参与以消除明显错误的选择。

第4级：全自动

在这一点上，我们正在全力以赴。我们目睹了自动驾驶汽车在各种情况下的性能，并建立了足够的经验证据，证明它们在任何情况下都可以正常行驶。这种性能涵盖范围很广，根本不需要人工干预。

服务采购也是如此。在完整的端到端AI中，可以主动提供有关用户想要做什么的消息灵通的假设。现在，采购的角色可以从战术转向战略，可以作为业务利益相关者的合作伙伴。利益相关者将围绕如何影响业务制定目标，而不是如何找到合适的目标，从而大大简化了整个采购流程，同时让最适合任何独特需求的供应商参与进来。

未来似乎遥不可及，但遥不可及。现在是时候开始进行服务采购的AI转换了。在您通过AI战略思考时，这将有助于寻求可自动捕获采购信号和数据点的基于AI的解决方案。标准化至关重要。这样您就可以以相同的方式查看相关数据。最终，这将使AI的预测能力能够找到相关性，从而从根本上改变组织整个采购过程的效率和价值。