ما أدوات الذكاء الاصطناعي المتاحة لإدارة المشتريات؟

ما استخدامات الذكاء الاصطناعي في المشتريات؟

تتعامل فرق المشتريات كل شهر مع آلاف المستندات الواردة من المورّدين، منها عروض المورّدين، وجداول الأسعار، ومواصفات الأعمال المطلوبة، وكشوف الفوترة، وهي تصل بصيغ غير موحّدة. وتعالج أدوات الذكاء الاصطناعي هذه الملفات الواردة بتحويل الفقرات والجداول غير المنظّمة إلى سجلّات منظّمة في قاعدة البيانات، فتستخرج الخصائص التجارية الأساسية، وتحلّل البنود، وتربط أوصاف المشتريات مباشرةً برموز التكلفة الداخلية.

ونشترط في كل عملية استخراج يُجريها الذكاء الاصطناعي في المشتريات أن تُطابَق مباشرةً مع جداول البيانات الرئيسية لديكم، وأن يُحال أي حقل لم يُتحقَّق منه إلى مراجعة بشرية. وبفرض مخطّط بيانات صارم، لا يختلق مسار المعالجة أبداً أرقام منتجات أو شروط تسعير. فإذا قدّم مورّد عرض سعر يتضمّن أصنافاً غير مدرجة في الكتالوج لديكم، يوقف النظام المعالجة الآلية، ويحيل المستند إلى أحد مختصّي المشتريات للاستيضاح.

وتتحقّق أنظمتنا لإعداد عروض الأسعار بالذكاء الاصطناعي من مطابقة كل رمز مع البيانات الرئيسية، وتحيل البنود التي لم تُحسم إلى مراجعة بشرية. وتتيح هذه القدرة للفرق التجارية استلام مناقصات العملاء أو عطاءات مقاولي الباطن بسرعة، مع حماية الهوامش التشغيلية من أخطاء النسخ اليدوي. كما تربط مسارات تقدير تكاليف البناء التي نطوّرها كل بند محسوب بالمستند المصدر الذي جاء منه، وتحيل القيم الخارجة عن حدود التفاوت المسموح بها إلى مراجعين بشريين.

وإلى جانب استلام المستندات، تساعد الأنظمة التنبّؤية مديري المشتريات في التخطيط المسبق. وتصف IBM الذكاء الاصطناعي التنبّؤي بأنه يستخدم التحليل الإحصائي وتعلّم الآلة لتحديد الأنماط، واستباق السلوكيات، والتنبّؤ بالأحداث المقبلة. وتذكر IBM أن الذكاء الاصطناعي التنبّؤي قادر على التنبّؤ بأي شيء، من تسرّب العملاء إلى اضطرابات سلاسل الإمداد والأعطال الميكانيكية. وبربط النماذج التنبّؤية بمسارات الشراء، تستبق الشركات تأخّر المورّدين، وتُعدّ استراتيجيات توريد بديلة قبل أن تتوقّف عمليات المصنع.

ما النتائج المنشورة التي تبيّن كيف تستخدم فرق المشتريات في المؤسّسات الكبرى الذكاء الاصطناعي؟

تُظهر تجارب التنفيذ المنشورة لدى المؤسّسات الكبرى أن الذكاء الاصطناعي يحقّق قيمة فورية حين يُطبَّق على أعمال الاستلام والإدخال المكتبية كثيفة الحجم. فبدل تفويض صلاحيات الشراء الاستراتيجية إلى نماذج مؤتمتة، تستخدم المؤسّسات الرائدة تعلّم الآلة في التحليل الأوّلي للمستندات، والمطابقة المتقاطعة، وإدخال السجلّات، وتُبقي الجهد البشري للقرارات التي تحتاج إلى تقدير، ولاعتماد الترحيل النهائي.

فقد استخدمت Uber نماذج لغوية كبيرة مقرونة بتقنيات التعرّف على المستندات لتبسيط عمليات الحسابات الدائنة. وتصل فواتير المورّدين إلى Uber بأكثر من 25 لغة. وتذكر Uber أن استخراج بيانات الفواتير بالذكاء الاصطناعي التوليدي لديها يحقّق دقّة إجمالية تبلغ 90%، وأن الوفر في التكلفة يتراوح بين 25% و30% مقارنةً بالمعالجة اليدوية للفواتير.

ويحيل نظام الفواتير لدى Uber كل عملية استخراج إلى موظف يراجعها قبل ترحيلها إلى نظام ERP. ويمنع هذا التصميم، الذي يُبقي الإنسان طرفاً في الحلقة، الترحيلات الخاطئة، ويُعفي موظفي الحسابات الدائنة من النسخ اليدوي للبنود والأرقام الضريبية وتفاصيل الدفع من الإيصالات الورقية وملفات PDF.

ويواجه مزوّدو خدمات الشحن والخدمات اللوجستية اختناقات مماثلة في حجم العمل ضمن مسارات عروض الأسعار في المشتريات. وتذكر C.H. Robinson أن طلب نقل الشحنة الوارد بالبريد الإلكتروني كان يمكن أن ينتظر ما يصل إلى 4 ساعات قبل أن يتولّاه موظف، وأن الذكاء الاصطناعي التوليدي اختصر معالجته إلى 90 ثانية.

وتقدّم مراجعة العقود على نطاق واسع مرجعاً واضحاً آخر لعمليات الشراء في الشركات. فقد قدّرت JPMorgan Chase جهد المراجعة اليدوية الذي حلّ محلّه نظام العقود لديها بما يصل إلى 360,000 ساعة سنوياً. ويراجع هذا النظام 12,000 اتفاقية ائتمان تجاري سنوياً، ويستخرج 150 سمة من كل اتفاقية. وبأتمتة قراءة المستندات، تتحقّق الفرق القانونية وفرق المشتريات من التزامات المورّدين دون تقليب الصفحات يدوياً.

أيّ نماذج الذكاء الاصطناعي أفضل للمشتريات؟

لا تكشف المقاييس المعيارية العامّة أيّ النماذج سيتعامل بموثوقية مع عقود المورّدين أو جداول الأسعار أو أوامر الشراء في مؤسّستكم. فالنماذج الأساسية الجاهزة كثيراً ما تتعثّر أمام الاختصارات الخاصّة بالقطاع، وأرقام الأصناف الخاصّة بالشركة، ومخطّطات البيانات المخصّصة للمشتريات. لذا يتطلّب اختيار أفضل نموذج قياس أدائه على سجلّات تشغيلية حقيقية، لا على ادّعاءات المورّدين أو اختبارات مختبرية مصطنعة.

ونقيّم النماذج المرشّحة مباشرةً على سجلّات سابقة من عملياتكم. ويقيس هذا النهج القائم على البيانات الفعلية دقّة الاستخراج، والالتزام بمخطّط البيانات، وكفاءة الحوسبة، على ملفات مناقصات حقيقية وجداول أسعار المورّدين وإيصالات التسليم. كما نقيس مدى دقّة كل نموذج مرشّح في استخراج الحقول الرئيسية في رأس المستند، ومطابقة كميات الأصناف، وتمييز رموز العملات في مختلف صيغ المستندات الممسوحة ضوئياً.

ويجب أن يعمل كل نموذج مرشّح ضمن حدود حتمية محدّدة سلفاً. فلا يُسمح للنموذج بتخمين رموز الكتالوج الناقصة، ولا بحساب إجماليات الأسعار من تلقاء نفسه، بل يُخرج مفاتيح منظّمة ترتبط مباشرةً بقاعدة بيانات نظام ERP لديكم. وإن أردتم استكشاف تطوير وكلاء الذكاء الاصطناعي المخصّصين لسير عمل المشتريات في مؤسّستكم، فبإمكان فريقنا مساعدتكم على قياس أداء النماذج المرشّحة على سجلّات المشتريات الفعلية لديكم.

ويتناول التقييم العملي أيضاً طريقة تعامل النماذج المرشّحة مع البيانات الناقصة أو المشوّهة في إشعارات التسليم الممسوحة ضوئياً. فكثيراً ما تتلقّى فرق المشتريات نسخاً كربونية رديئة، أو صوراً ملتقطة بالهاتف المحمول، أو فواتير عليها تصحيحات بخطّ يد مديري المواقع. والنظام عالي الأداء يدرك متى يتراجع وضوح النص دون الحدود المقبولة، فيحيل المستند فوراً إلى موظف للاستيضاح بدل المجازفة بسجلّات محاسبية غير صحيحة.

هل يحلّ الذكاء الاصطناعي محلّ فرق المشتريات؟

لا يحلّ الذكاء الاصطناعي محلّ فرق المشتريات. فاختيار مصادر التوريد، والتفاوض على شروط العقود، وحلّ الخلافات مع المورّدين، وإدارة العلاقات الاستراتيجية معهم، كلها تتطلّب حسّاً تجارياً وثقة متبادلة بين الأشخاص ومساءلة لا تستطيع البرمجيات توفيرها. فالذكاء الاصطناعي يعمل مساعداً تشغيلياً يتولّى الأعباء المكتبية، بينما يحتفظ مسؤولو الشراء لديكم بالتوجيه التجاري.

ويمكن أن تُعالَج المشتريات الروتينية آلياً ما دامت ملتزمة تماماً بقوائم الأسعار وعقود الكتالوج المعتمدة مسبقاً، أما أي استثناء فيستدعي إشرافاً بشرياً. فيراجع مختصّو المشتريات الانحرافات، ويعتمدون تعديلات أسعار المورّدين، ويأذنون بالاستثناءات. وحين تظهر فروق في الأسعار أو عدم تطابق في مواعيد التسليم، يتدخّل مختصّو المشتريات للتفاوض مباشرةً مع المورّدين.

وحين تتولّى الأتمتة ما كان يُنجز يدوياً من فرز المستندات وإدخال البيانات والمطابقة الثلاثية للفواتير، يتفرّغ مسؤولو الشراء لتطوير المورّدين والمفاوضات التجارية. ولنظرة أوسع على البنية، اطّلعوا على أدلّتنا حول أتمتة الذكاء الاصطناعي، لتروا كيف تُبقي مسارات التشغيل القرارات المالية الرئيسية بيد الموظفين.

وحين يقلّ الوقت الذي يقضيه موظفو المشتريات في نسخ البنود يدوياً إلى برمجيات المحاسبة، يتّسع وقتهم لتقييم موثوقية المورّدين والبحث عن مواد بديلة. فالأنظمة المؤتمتة تُغني عن مهام إدخال البيانات المتكرّرة، وتمنح الفرق التجارية متّسعاً لإدارة مخاطر سلسلة الإمداد، والتفاوض على شروط الكميات التي تحسّن التدفّق النقدي للشركة مباشرةً.

كيف نمنع الذكاء الاصطناعي من اختلاق بيانات مشتريات غير صحيحة؟

من أبرز مخاوف مديري المشتريات أن تولّد أداة ذكاء اصطناعي أسماء مورّدين وهمية، أو تفاصيل حسابات مصرفية مختلَقة، أو أسعاراً ناتجة عن الهلوسة. فالمخرجات التوليدية التي لا تخضع للتحقّق قد تُفسد قواعد بيانات موارد المؤسّسة، وتؤدّي إلى صرف مبالغ عن طريق الخطأ. لذا تفرض برمجيات المشتريات الموثوقة قيوداً في بنيتها تحافظ على سلامة البيانات.

وترفض أنظمة أتمتة الذكاء الاصطناعي التي نطوّرها في innopalm أي مورّد أو رمز صنف أو عميل غير موجود في البيانات الرئيسية للعميل، بدل أن تختلق واحداً. فإذا تضمّنت فاتورة أو عطاء رمز مورّد أو مرجع قطعة غير موجود في قاعدة بياناتكم، يوقف مسار المعالجة الاستلام الآلي فوراً، ويضع علامة على المستند لمراجعته من الموظفين المختصّين.

وتشير كل قيمة تكتبها أنظمة أتمتة الذكاء الاصطناعي لدينا إلى المستند والصفحة والموضع الذي أُخذت منه. فحين يفحص فريقكم بنداً مستخرجاً أو إجمالي دفعة، يكفي النقر على حقل البيانات لتظليل الموضع الدقيق، على مستوى البكسل، في ملف PDF المرفوع أو الصورة الممسوحة ضوئياً. وحين ترد المعلومة نفسها في عدّة مستندات وتختلف بينها، تحتجز أنظمة أتمتة الذكاء الاصطناعي من innopalm السجلّ إلى أن يراجعه موظف. فإذا لم يطابق إجمالي بند في فاتورة المورّد أمر الشراء وإيصال التسليم، يُحال السجلّ إلى تسوية الخلاف.

كيف نؤمّن أنظمة المشتريات وندير الجداول الزمنية للتنفيذ؟

تعالج أنظمة المشتريات بيانات مؤسّسية حسّاسة، منها هياكل أسعار المورّدين، والأسرار التجارية، وشروط الدفع، والمعلومات المصرفية للمورّدين. وتتطلّب حماية هذه المعلومات معايير شاملة للبنية التحتية، من التصميم الأوّلي إلى الدعم المستمرّ في بيئة الإنتاج.

ونتعامل مع البيانات الشخصية استناداً إلى قانون حماية البيانات الشخصية الإماراتي (PDPL) منذ مرحلة تصميم البنية. وحين لا يجوز أن تغادر البيانات الدولة أو شبكة العميل، نستضيف النظام داخل الإمارات أو على خوادم العميل نفسه. وبذلك تبقى الدفاتر المالية وسجلّات هويات المورّدين تحت سيطرتكم الكاملة.

وعند التسليم تتسلّمون الشيفرة المصدرية والوثائق الفنية والاختبارات وكل بيانات الدخول. وإن كان فريقكم يعيد إدخال الفواتير أو يراجع أوامر الشراء يدوياً كل يوم، فاحجزوا مكالمة تمهيدية مجانية، وسنراجع معكم سير العمل لديكم خطوةً خطوة.

واحتفاظكم بالملكية الكاملة لأصولكم البرمجية يُبقي عمليات الشراء لديكم مستقلّة عن قيود منصّات الأطراف الثالثة. إذ يحتفظ فريقكم بالشيفرة المصدرية وأدوات أتمتة النشر ومجموعات الاختبار، فيستطيع مهندسوكم الداخليون أو شركاؤكم التقنيون مستقبلاً تكييف النظام مع نموّ متطلباتكم التجارية بمرور الوقت.

يندرج هذا المقال ضمن عملنا في تطوير وكلاء الذكاء الاصطناعي، ويعكس منهجية التخطيط التي تقوم عليها طريقة عملنا.

أبرز النقاط

• تركّز أدوات الذكاء الاصطناعي في المشتريات على استخراج البيانات، ومعالجة عروض الأسعار، ومطابقة المستندات، لا على الاستغناء عن الموظفين.
• تُظهر نتائج المؤسّسات الكبرى انخفاضاً كبيراً في أوقات معالجة المستندات، إلى جانب وفورات مثبتة في التكلفة.
• تطابق مسارات المعالجة الموثوقة كل القيم المستخرجة مع بيانات الكتالوج الرئيسية، وتضع علامة على البنود التي لم يُتحقَّق منها لمراجعتها بشرياً.
• ترتبط كل قيمة محفوظة مباشرةً بصفحتها المصدر وموضعها الدقيق فيها، للقضاء على الإدخالات الناتجة عن الهلوسة.
• تُطلَق الأنظمة في بيئة الإنتاج وفق جداول زمنية منظّمة، مع احتفاظ العميل بالملكية الكاملة للشيفرة المصدرية والوثائق الفنية.

المصادر

1. كيف تعالج Uber فواتير المورّدين بالذكاء الاصطناعي التوليدي (uber.com)
2. الذكاء الاصطناعي التنبّؤي: تعريفه واستخداماته (ibm.com)
3. كيف تستخدم C.H. Robinson وكلاء الذكاء الاصطناعي في طلبات الشحن وعروض الأسعار الواردة بالبريد الإلكتروني (chrobinson.com)
4. نظام JPMorgan Chase لتحليل عقود القروض التجارية (التقرير السنوي لعام 2016) (reports.jpmorganchase.com)