Naujienos

Popieriaus pirkimas tapo svarbiu balansavimo veiksmu B2B komandoms, valdančioms spausdinimo kokybę, gamybos terminus, tvarumo tikslus ir sąnaudų spaudimą. Statinių katalogų ir rankinių tiekėjų el. laiškų nebepakanka, kai atsargos greitai keičiasi, o specifikacijos turi būti tikslios.Dirbtinis intelektas keičia pirkimų darbo eigą, paversdamas istorines išlaidas, techninių dokumentų reikalavimus, tiekėjų duomenis ir rinkos signalus pritaikytomis tiekimo rekomendacijomis.Šiame straipsnyje nagrinėjama, kaip išmaniosios pirkimų sistemos padeda pirkėjams greičiau palyginti rūšis, svorius, ryškumo lygius, atitikties koeficientus ir pakaitinius variantus, tuo pačiu metu priimant galutinius sprendimus vadovaujantis žmogiškuoju vertinimu.

Dirbtinio intelekto suasmenintas popieriaus pirkimas

Tradiciškai B2B popieriaus pirkimas apėmė didžiulių katalogų naršymą ir viltį, kad pageidaujamas tiekėjas turės pakankamai atsargų, kad galėtų tęsti veiklą. Šiandien dirbtinis intelektas keičia popieriaus tiekimo grandinę, kurdamas labai individualizuotą pirkimo patirtį. Analizuodami pirkimo įpročius ir rinkos tendencijas, nuspėjamieji modeliai automatizuoja sudėtingus atitikimo procesus, padėdami įmonėms efektyviau ir su mažiau logistinių rūpesčių užsitikrinti reikalingas medžiagas.

Ką reiškia dirbtinio intelekto pritaikytas pirkimas

Ši technologija perkelia pirkimus iš griežto, visiems tinkamo katalogo į dinamišką, pritaikytą pirkimo aplinką. Skirtingai nuo standartinės taisyklėmis pagrįstos automatizacijos, kuri remiasi paprastais pakartotinio užsakymo aktyvatoriais, kai atsargos pasiekia tam tikrą ribą, dirbtinis intelektas naudoja istorinių išlaidų šablonų atpažinimą, kad sužinotų apie pirkimų komandos pageidavimus, kiekio reikalavimus ir tvarumo tikslus. Tada jis parenka konkretų produktų asortimentą, kuris atitinka šiuos tikslius parametrus. Priklausomai nuo tiekimo grandinės sudėtingumo, šių pažangių sistemų įdiegimas gali žymiai sutrumpinti įprastus tiekimo ciklus. Kai kuriais atvejais ankstyvieji diegėjai praneša apie ciklų sutrumpėjimą iki 40 %, todėl pirkėjai gali sutelkti dėmesį į strategiją ir santykius su tiekėjais, o ne į begalinę atsargų paiešką.

Tradicinis pirkimas, palyginti su dirbtiniu intelektu pagrįstu tiekimu

Tradicinis popieriaus pirkimo būdas apima rankines pasiūlymų užklausas, ilgus el. laiškų susirašinėjimus ir atsargų stebėjimą statinėse skaičiuoklėse. Jei pageidaujamame fabrike pritrūksta konkretaus nepadengto popieriaus lapo, pirkėjai turi skubiai ieškoti alternatyvos. Dirbtiniu intelektu pagrįstas tiekimas veikia proaktyviai. Jis realiuoju laiku stebi pasaulines tūkstančių popieriaus SKU atsargas. Jei pagrindinis pasirinkimas baigiasi, sistema automatiškai pasiūlo kitą geriausią alternatyvą, remdamasi ankstesniais patvirtinimais ir griežtais techniniais kriterijais. Užuot spėliojęs, dirbtinis intelektas parenka pakaitalus naudodamas tikslias specifikacijas, tokias kaip bazinis svoris, storis, ryškumas, forma ir tekėjimo sąlygos, užtikrindamas, kad pirkėjai suprastų pakeitimo logiką. Nors žmogaus priežiūra išlieka būtina priimant galutinius pirkimo sprendimus, ši numatymo galimybė padeda užtikrinti, kad spausdinimo mašinos veiktų.

Popieriaus specifikacijos ir tiekimo veiksniai

Tinkamo popieriaus pasirinkimas yra subtilus balansavimo veiksmas. Pirkėjai turi suderinti tikslius fizinius spausdinimo darbo reikalavimus su nenuspėjama pasaulinių tiekimo grandinių realybe. Dirbtinis intelektas čia veikia kaip tiltas, akimirksniu suderinantis griežtas technines specifikacijas su realaus pasaulio logistikos duomenimis.

Lyginant klasę, svorį, ryškumą ir atitiktį

Popieriaus specifikacijos apima daug daugiau nei vien spalvos pasirinkimą. Pirkimų komandos turi pasverti rūšį, svorį, ryškumą ir atitiktį aplinkosaugai, o rankiniu būdu suderinti šiuos reikalavimus su daugybe tiekėjų yra varginantis procesas. Pavyzdžiui, rinkodaros brošiūrai gali reikėti 80 svarų blizgaus viršelio su 98 ryškumo lygiu, o vidinėms formoms tereikia standartinio 20 svarų rišimo popieriaus su 92 ryškumu. Dirbtinio intelekto sistemos greitai atfiltruoja neatitinkančius tiekėjus, užtikrindamos, kad kiekviena ryšulys atitiktų reikiamus Miškų valdymo tarybos (FSC) sertifikatus arba perdirbto popieriaus kiekio minimumą.

Atkreipkite dėmesį, kad aukščiau išvardyti kainų priedai yra apytiksliai ir gali labai skirtis priklausomai nuo regiono, užsakymo apimties ir konkrečių dangos reikalavimų. Dirbtinio intelekto pirkimų įrankiai realiuoju laiku analizuoja šiuos svyruojančius kintamuosius, suderindami pirkėjus su ekonomiškiausiu lygiu, kuris vis dar atitinka jų technines specifikacijas.

Gamybos terminų, gamyklos pajėgumų ir krovinių gabenimo balansavimas

Net jei tiekėjas turi tobulą popierių, nesvarbu, jei jis negali atvykti laiku. Dirbtinio intelekto pirkimų platformos nuolat vertina gamyklos gamybos grafikus pagal krovinių gabenimo galimybes. Užuot buvę netikėti dėl staigaus trūkumo, algoritmai seka gamyklos pajėgumus ir prognozuoja, kada gamybos linijos bus apkrautos. Jie taip pat atsižvelgia į transportavimo kintamuosius, pripažindami, kad krovinių gabenimo išlaidos gali labai svyruoti. Pavyzdžiui, priklausomai nuo sezono, maršruto ir vežėjo prieinamumo, sunkvežimio krovinio kainos gali labai skirtis, kartais svyruoti nuo 500 iki 1200 USD. Subalansuodamas šiuos elementus, dirbtinis intelektas gali padėti įmonėms optimizuoti pristatymo grafikus, o tai kai kuriais atvejais sutrumpina vidutinį pristatymo laiką nuo kelių savaičių iki vos kelių dienų.

Dirbtiniam intelektui pritaikytų pirkimų diegimas

Perėjimas prie dirbtiniu intelektu pritaikyto pirkimų modelio reikalauja didelių parengiamųjų darbų. Mašininio mokymosi modeliai yra tokie geri, kokia gera informacija juos tiekia. Organizacijos susiduria su realiomis įgyvendinimo kliūtimis, įskaitant sudėtingą senųjų ERP sistemų integraciją, didelius duomenų valymo darbus ir dideles tiekėjų įtraukimo išlaidas. Be to, pokyčių valdymas yra labai svarbus siekiant užtikrinti, kad pirkimų komandos iš tikrųjų pritaikytų naujus darbo eigą, o ne grįžtų prie įprastų skaičiuoklių.

Išlaidų duomenų ir tiekėjų įvesties rengimas

Pirmasis šių įrankių diegimo žingsnis yra vidinių duomenų tvarkymas. Dirbtinis intelektas klesti remdamasis istorine informacija, todėl pirkimų komandos turi rinkti ir išvalyti ankstesnių pirkimų įrašus. Nors reikalavimai gali labai skirtis, dirbtinio intelekto platformai dažnai reikia maždaug 12–24 mėnesių švarių istorinių išlaidų duomenų, kad būtų galima sukurti tikslius prognozavimo modelius. Šis procesas apima SKU numerių standartizavimą tarp skirtingų tiekėjų, tiekėjų rezultatų suvestinių konsolidavimą ir aiškių parametrų, susijusių su priimtinomis kainų ribomis ir pristatymo laikotarpiais, apibrėžimą. Labai svarbu įveikti šias pradines integracijos kliūtis ir užtikrinti duomenų tikslumą; sistemai supratus ankstesnę elgseną, ji gali tiksliau numatyti būsimus poreikius.

Taupymo, kokybės ir rizikos vertinimas

Sistemai veikiant, komandos turi stebėti jos našumą, kad užtikrintų, jog ji teikia vertę. Sėkmės vertinimas reiškia sąnaudų taupymo, medžiagų kokybės ir rizikos mažinimo derinio vertinimą. Priklausomai nuo ankstesnio organizacijos efektyvumo, kai kurie ankstyvieji dirbtinio intelekto popieriaus pirkimo taikytojai pranešė apie galimą bendrų popieriaus išlaidų sumažėjimą nuo 9 % iki 15 % per pirmuosius metus, daugiausia dėl optimizuotų krovinių gabenimo maršrutų ir geresnio didmeninių kainų atitikimo. Be to, sumažėja tiekimo grandinės rizika. Kadangi dirbtinis intelektas nuolat stebi tiekėjų būklę ir regioninius sutrikimus, jis gali pasiūlyti nukreipti užsakymus atsarginėms gamykloms, kol lokalizuota problema netampa visos įmonės trūkumu.

Svarbiausios išvados

• Naudokite dirbtiniu intelektu pagrįstus pirkimų įrankius, kad peržengtumėte statinių katalogų ribas ir susietumėte popierinius gaminius su realia pirkimų istorija, darbų specifikacijomis ir tiekėjų prieinamumu.
• Įprasto tiekimo automatizavimas kai kuriais atvejais gali sutrumpinti pirkimų ciklo laiką iki 40 %, todėl pirkėjai gali daugiau dėmesio skirti strategijai ir tiekėjų valdymui.
• Dirbtinis intelektas gali palyginti techninius duomenis, tokius kaip bazinis svoris, storis, ryškumas, formavimas ir tekėjimo savybės, kad rekomenduotų patikimus popieriaus pakaitalus, kai nėra pageidaujamų medžiagų.
• Pirkimų komandos turėtų naudoti dirbtinį intelektą, kad anksti filtruotų neatitinkančius reikalavimus variantus, įskaitant produktus, kurie neatitinka FSC sertifikavimo ar perdirbto turinio reikalavimų.
• Žmogaus pritarimas išlieka labai svarbus, ypač priimant galutinius pirkimo sprendimus, derantis su tiekėjais ir vertinant, ar dirbtinio intelekto rekomenduojami pakaitalai atitinka gamybos poreikius.

Dažnai užduodami klausimai

Kaip dirbtinis intelektas suasmenina popieriaus pirkimus B2B pirkėjams?

Dirbtinis intelektas analizuoja istorinius pirkimus, darbo reikalavimus, tiekėjų našumą, atsargų lygius ir tvarumo prioritetus, kad rekomenduotų popieriaus gaminius, atitinkančius kiekvieno pirkėjo techninius ir komercinius poreikius.

Ar dirbtinis intelektas gali sutrumpinti popieriaus pirkėjų paieškos laiką?

Taip. Automatizuodamas produktų atitikimą, tiekėjų filtravimą ir pakaitalų rekomendacijas, dirbtinis intelektas gali sutrumpinti įprastus tiekimo ciklus, o kai kurie ankstyvieji naudotojai praneša apie iki 40 % sumažėjimą.

Kokias popieriaus specifikacijas gali palyginti dirbtinis intelektas?

Dirbtinis intelektas gali palyginti rūšį, bazinį svorį, storį, ryškumą, formavimąsi, tekėjimą, perdirbtą turinį ir sertifikatus, tokius kaip FSC, kad nustatytų tinkamus produktus arba pakaitalus.

Ar dirbtinis intelektas pakeičia žmonių valdomas pirkimų komandas?

Ne. Dirbtinis intelektas padeda pirkimų komandoms greičiau rasti geresnius variantus, tačiau pirkėjai vis tiek vykdo priežiūrą, tvirtina pakeitimus, derasi dėl sąlygų ir valdo tiekėjų santykius.

Kaip dirbtinis intelektas padeda, kai nėra pageidaujamo popieriaus?

Dirbtinis intelektas gali stebėti atsargas ir siūlyti patvirtintas alternatyvas, kurios atitinka reikiamas specifikacijas, padėdamas pirkėjams išvengti vėlavimų ir užtikrinti spausdinimo gamybą.