Несколько лет назад администрация штата Юта столкнулась с серьезной проблемой: строительные проекты поглощали бюджетные средства, будто бездонная бочка, при этом тратились резервные фонды, и не только. И очевидных тому причин, казалось, не было.
Автор: Саймон Смит, Forbes
Перевод: Кристина Мелюк, B2B-Center
Правительство штата прибегло к услугам эксперта Ричарда Байфилда, назначив его новым директором департамента строительства. Он изучил проблему и пришел к выводу, что корнем ее является субъективность и предвзятость при выборе подрядчика. Байфилд предположил, что искусственный интеллект может быть более беспристрастным «закупщиком». Итак, был запущен пробный проект.
Результаты его оказались ошеломляющими: благодаря использованию искусственного интеллекта он был признан одним из самых успешных строительных проектов в истории штата. Проект завершился в установленные сроки, не вышел за рамки бюджета и при его реализации не возникло необходимости внесения каких-либо изменений.
Самое удивительное в этой истории, опубликованной в Journal of Construction Engineering and Management, не то, что искусственный интеллект помог разрешить бизнес-проблему: сегодня мы воспринимаем это как должное. Самое удивительное ― то, что эта история имела место в 2002 году, а также то, что вы найдете совсем не много аналогичных или более свежих примеров использования искусственного интеллекта в закупках.
Возникает вопрос ― почему? Машинное обучение как нельзя лучше подходит для применения в закупках. В ходе закупочной деятельности генерируется огромное количество данных, которые могут быть очень полезными и информативными. А это – прямая дорога к высокой окупаемости инвестиций.
Однако на сегодняшний день директора по закупкам отдают приоритет аналитике базовых параметров, а не искусственному интеллекту. Задачи, связанные с качеством, интеграцией и доступностью данных затмевают собой более продвинутое машинное обучение. Аналитика может помочь выявить только очевидные и простые способы экономии, а вот более «высоко висящие плоды», например, фактор предвзятости, в таком случае останутся без внимания.
Однако, надежда есть, ведь ИИ позволяет не только выудить неочевидные аналитические заключения из имеющихся надежных и полноценных данных. Он также может помочь изначально получать более глубокие, информативные данные.
«Практически не наблюдается»
Каждый год Deloitte проводит исследование, посвященное изучению деятельности директоров по закупкам по всему миру (Global Chief Procurement Officer). В прошлом году выводы относительно использования искусственного интеллекта в закупках были однозначными: “Применения прогнозной и когнитивной аналитики практически не наблюдается,” – отмечалось в докладе.
И дело не в том, что руководители по закупкам – луддиты. Дело в том, что они делают акцент на аналитику базовых стандартных параметров. 65% опрошенных в ходе исследования Deloitte заявили, что аналитика является технологический областью, которая будет иметь наибольшее влияние в ближайшие пару лет. Лишь 20% отметили то же о «зарождающейся технологии» искусственного интеллекта.
Эти результаты практически повторяют результаты аналогичного исследования, проведенного SAP Ariba и Университетом прикладных наук Вюрцбург-Швайнфурт. В результате данного исследования выяснилось, что главным приоритетом для руководителей в сфере закупок являются большие данные и аналитика (72%), тогда как ИИ и когнитивным вычислениям было отведено всего 22%.
Неужели директора по закупкам считают, что роль искусственного интеллекта сильно преувеличена? Отнюдь: по данным Deloitte 88% опрошенных верят, что автоматизация и роботизация окажут влияние на закупки в ближайшие пять лет.
Однако, прежде, чем бегать, нужно научиться ходить. Сложно ставить на первое место искусственный интеллект, когда самые простые отчеты содержат ненадежные данные.
Устранение барьеров, связанных с данными
На самом деле, в ходе исследования Deloitte выяснилось, что недостаточно высокое качество данных – наиболее серьезное препятствие для использования цифровых технологий в закупках, такого мнения придерживаются 49% опрошенных. Проблема интеграции данных также весьма актуальна по мнению 42% участников исследования. И, наконец, доступность данных (или ее недостаток) вызывает затруднения у 19% респондентов.
Если ваши данные недостаточно надежны, если они фрагментарны и неполны, решение этой проблемы будет вашей первостепенной задачей. Аналитика – это второй по значимости приоритет. Где-то в конце списка приоритетов – ввод аналитических данных в компьютеры с целью получения новых аналитических сведений.
Но то, что часто упускают из внимания – так это то, что искусственный интеллект способен помочь с реализацией приоритета номер один. Он не только использует данные, но также может помочь улучить их качество.
Например, компании, такие как Coupa и Orpheus могут повысить качество данных и усовершенствовать их интеграцию. Они используют искусственный интеллект для очистки, комбинирования и классификации данных о расходах. Благодаря этому данные становятся более надежными и значимыми, они исключительно релевантны и несут в себе уникальную аналитическую информацию.
Также появились стартапы, которые ставят перед собой амбициозную цель обеспечить доступность данных. Они могут заполнить пробелы в наборах внутренних данных и тем самым обогатить их. Например, компания Scoutbee использует искусственный интеллект для анализа 3,2 миллионов компаний. Затем система рекомендует лучшего продавца по конкретному сценарию использования через обычный запрос, аналогичный запросу в Google. Применительно к сфере медико-биологических наук нечто подобное предлагает компания BenchSci – машинное обучение анализирует миллионы биологических продуктов, чтобы помочь покупателю в выборе.
Благодаря более качественным данным, полученным при помощи искусственного интеллекта, директора по закупкам могут использовать новые готовые возможности машинного обучения на базе существующего в компании программного обеспечения. Например, компания Oracle анонсировала возможность применения ИИ в закупках в конце 2017 года. Эта функциональность включает автоматические рекомендации на основе тенденций прошлых периодов. SAP Ariba объявили о запуске бота-закупщика в марте 2017 года. Бот изучает предпочтения, а также закупочные политики и процедуры, и на базе этого координируется закупочная деятельность.
Как именно можно применить искусственный интеллект в закупках вашей компании?
Для того, чтобы понять это (как это сделал Ричард Байфилд в штате Юта в начале 2000-х), придется поэкспериментировать. Дерзайте! Мир ждет новых успешных примеров!