Чья работа заключается в инновациях? Привнести новое мышление, новые идеи, новые методы и новые технологии в команду и, следовательно, в более крупную организацию? Кто владеет этим для нашей команды?»

Это был вопрос, заданный мне во время сеанса видения, который я вел на этой неделе. Меня немного удивил этот вопрос, потому что я предполагал, что большинство людей в нашей организации видят часть своей роли в том, чтобы оставаться на связи с отраслью. К трендам. К возможностям за пределами наших четырех организационных стен. Привнести инновационные концепции в наше повседневное мышление.

Вернемся к этому через минуту…

Прежде чем вернуться в обрабатывающую промышленность , когда я работал в сфере глобального управленческого консалтинга, я читал, слышал и мне говорили, что искусственный интеллект (ИИ) — это «будущее». Это будет следующая итерация данных и аналитики. И часто смешивался с машинным обучением в данном предложении или отраслевой речи. В то время ценность ИИ не была полностью осознана или даже понята большинством компаний. Хотя обещание «ИИ как следующий этап аналитики» звучало хорошо, реальность была совсем другой.

Остановимся на определениях: 

Искусственный интеллект (ИИ): любые алгоритмы, демонстрирующие какое-либо поведение, считающееся «умным».
Машинное обучение (МО): алгоритмы, которые обнаруживают закономерности и используют их для прогнозирования или принятия решений.
Обработка естественного языка (НЛП): алгоритмы, которые могут интерпретировать, преобразовывать и генерировать человеческий язык.
Роботизированная автоматизация процессов (RPA): алгоритмы, имитирующие действия человека для сокращения повторяющихся простых задач, и RPA, как правило, не считается формой ИИ.

Все формы искусственного интеллекта включают алгоритмы — наборы правил, определяющие, как решать конкретную проблему. Алгоритмы могут быть рассчитаны любым человеком с сильными компетенциями в области сопоставления, но они также составляют основу большинства компьютерных программ. Работа алгоритмов в программном обеспечении не видна человеческому глазу, но они могут быть запрограммированы и перепрограммированы экспертами для решения проблем, которые считаются важными в программных средах.

По мере того, как технологические возможности продолжают развиваться, ценность ИИ может, наконец, реализоваться . Не существует технологии под названием ИИ. ИИ — это группа технологий, которые позволяют машинам и системам ощущать, понимать, действовать и учиться. Примеры включают в себя виртуальных агентов, когнитивную робототехнику, анализ идентичности, рекомендательные системы, анализ текста, видео и речи.

Есть несколько причин, по которым ИИ может расти в геометрической прогрессии — сейчас больше, чем когда-либо за последние несколько лет. Во-первых, вычислительная мощность. Самый быстрый компьютер в мире в 3 раза мощнее и в 4 раза дешевле, чем второй самый быстрый компьютер, построенный 3 года назад. Высокопроизводительная обработка облачных вычислений теперь доступна для всех (~ 0,50 доллара США в час) (ссылка: Accenture).

Во-вторых, люди и программы технического обучения. Квалифицированные ресурсы для разработки решений ИИ сейчас доступны как никогда — не только опытные ресурсы из разных отраслей, но и выпускники колледжей, специализирующиеся в этой области.

В-третьих, период «больших данных» породил планы и решения, которые теперь позволяют использовать ИИ. Есть много компаний, разрабатывающих продукты, которые можно быстро установить и обеспечить краткосрочную ценность в области ИИ.

В-четвертых,недавние инвестиции в Интернет вещей, цифровые решения и решения для работы с большими данными привели к созданию новых наборов информации, которые могут сделать ИИ более успешным. ИИ полагается на информацию для разработки точных и успешных прогнозов. 

По мере того как ИИ справляется с менее сложными рутинными задачами, сотрудники могут сосредоточиться на более ценных, полезных и самореализующихся задачах.
Есть много больших преимуществ ИИ. Во-первых, с точки зрения вовлеченности сотрудников, поскольку ИИ решает более простые, рутинные задачи, сотрудники могут сосредоточиться на более ценных, полезных и самореализующихся задачах. Это не только способствует выполнению работы, но и способствует долгосрочному росту и удержанию сотрудников, поскольку компании расширяют сферу существующих рабочих мест, добавляя более сложные и полезные виды деятельности, делают навыки более универсальными, уменьшая барьер для входа, поскольку ИИ сводит к минимуму деятельность, связанную с машинами, процессами или отраслью, и подбирайте сотрудников к более полезным и адаптированным ролям. Лидеры в этой области демонстрируют аналитическое мышление нового уровня, выходящее за рамки простого «аутсорсинга идей по снижению затрат».

Во-вторых, для создания и управления ИИ внутри организации необходимо разработать новые рабочие места, роли и навыки. Необходимые наборы навыков, специфичных для ИИ, включают пользовательский опыт, анализ данных, информатику и статистику. Кроме того, необходимы новые роли для надзора, управления, защиты и внедрения этики в решения ИИ.

В-третьих, вычислительная мощность более доступна для поддержки ИИ. Основываясь на росте и недавних успехах, будет более быстрое обучение, более высокая скорость реагирования в реальном времени и возможность запуска/обработки более сложных решений машинного обучения, которые могут выполнять все более сложные действия.

А как насчет стратегического сорсинга и закупок ?
Каковы непосредственные и реальные возможности, которые можно быстро реализовать с помощью ИИ? ИИ автоматизирует или улучшает многие трудоемкие задачи или дает экспертам по закупкам дополнительную информацию, основанную на чрезвычайно сложных и больших наборах данных.

С помощью алгоритмов ИИ можно анализировать большие объемы данных и предлагать наиболее актуальные решения для традиционных задач. Несколько других возможностей SS&P включают следующее.

Добыча данных, анализ и кластеризация
Интеллектуальный анализ данных позволяет обнаруживать непредсказуемые закономерности, скрытые в данных, генерируемых в ходе рутинных операций пользователей, для повышения уровня их эффективности. Кроме того, классификация данных предоставляет источник информации для определения идеальных цен и делает бенчмаркинг и сравнение реальностью.

ИИ может предоставить компаниям точные бизнес-данные и повысить прозрачность затрат с высоким уровнем автоматизации.

Наконец, методы кластеризации данных позволяют объединять и интеллектуально сравнивать данные по всем категориям бенчмаркинга для всего бизнеса или делать это отдельно по ценам и поставщикам.

Проверка и согласование
Алгоритмы проверки и согласования могут автоматически определять критические ошибки данных и ключевых показателей эффективности (KPI), тем самым предоставляя точную информацию, необходимую для определения эффективности процессов закупок, расчета достоверных результатов сравнительного анализа и ведения истории изменения цен, что значительно улучшает анализ эффективности, измерение эффективности процессов и может привести к значительной экономии.

Основные данные и каталоги товаров
Некоторые организации имеют уникальные продукты, которые должны быть доступны в любой момент. Это может поставить специалистов по закупкам в затруднительное положение, поскольку им постоянно приходится заключать различные контракты с несколькими поставщиками на одни и те же товары, чтобы обеспечить доступность этих продуктов. Обычно это оставляет конечному пользователю возможность сравнить несколько вариантов одного и того же продукта, когда все, о чем он заботится, — это получить нужный продукт и быстро.

Высокоинтеллектуальный алгоритм может автоматически выбрать или предложить лучший вариант для пользователя, основываясь на таких вещах, как доступность, местоположение и стоимость доставки. Подобное машинное обучение повышает эффективность и упрощает заказ товаров.

Контрактная аналитика
У большинства организаций нет базы данных, содержащей все данные о контрактах, и им нужен простой способ извлечения такой информации. Используя ИИ, компания может быстрее просматривать контракты и накапливать большие объемы данных о них, чтобы значительно снизить вероятность возникновения споров и увеличить количество успешных сделок.

Преимущества контрактной аналитики в том, что она помогает компаниям выполнять условия контрактов и быстрее выявлять случаи их несоблюдения.

Классификация расходов
Использование алгоритмов машинного обучения для классификации расходов на закупки по категориям и подкатегориям. Например, просмотр миллионов счетов для автоматической классификации расходов по различным категориям картонной упаковки. Многие компании используют разные методы классификации расходов или вообще не используют установленный метод. ИИ — идеальное решение для создания книги рекордов в пространстве класса расходов.

Отклонение в цене покупки
Машинное обучение 101 — Обнаружение аномалий. Использование алгоритмов машинного обучения для автоматического обнаружения и отображения информации, относящейся к закупкам, является бесценным вариантом использования ИИ. Например, неожиданные изменения закупочных цен на товар или у конкретного поставщика.

Управление рисками поставщиков
Искусственный интеллект можно использовать для мониторинга и выявления позиций потенциального риска по всей цепочке поставок. ИИ может проверять множество различных источников и выдавать предупреждения о рисках цепочки поставок — важный фактор, который обогащает оценку рисков поставщиков и систему показателей.

Это всего лишь список первоочередных задач. Возможности гораздо шире в поиске и закупках — и это изменит правила игры для тех, кто является ранним и агрессивным последователем.

Вернемся к первоначальному вопросу: чья работа заключается в том, чтобы внедрять инновации — внедрять такие концепции, как ИИ, в наши команды, организации и предприятия? Это все наше. Это не работа «инновационной» команды. Это не просто работа поинт-лидера. Это не работа наших консультантов или технологических партнеров.

Мы, работники умственного труда, обязаны быть в курсе того, что нового, что развивается и что может быть использовано для получения конкурентного преимущества, чтобы бросить вызов нашему нынешнему мышлению в стремлении к лучшему и в стремлении продвигать команду и организацию дальше и быстрее. ИИ — одна из тех концепций, которые сейчас и в будущем изменят правила игры; возможности использования в поиске и закупках значительны, учитывая характер данных, управляемый данными.

Джастин Хонаман — вице-президент по стратегическому поиску и закупкам (данные, аналитика, трансформация бизнеса) в Georgia-Pacific .