Автор Бертран Мальтаверн
После первого доказательства своего интеллекта, победив людей в различных играх (шахматы в 1996 году, Jeopardy в 2011 году, го в 2016 году и снова в 2017 году, и покер совсем недавно), искусственный интеллект (ИИ) теперь «слеп к цвету воротника». , будь то белый или синий. Он проникает на рабочие места работников умственного труда, и ставки становятся все более высокими.
Люди и технологии, а не люди против технологий
Сверхразум, описанный в научно-фантастических фильмах и литературе, еще предстоит реализовать; По оценкам специалистов, сингулярность - или машины, становящиеся более мощными, чем человечество, - все еще далека от нас. Тем не менее, многие рассматривают успех ИИ как показатель того, что компьютеры на самом деле уже превосходят людей во всех аспектах и как таковые призваны заменить их.
В области закупок это когнитивное сотрудничество известно как когнитивные закупки, и оно способно на гораздо большее, чем автоматизация ручных и повторяющихся задач, которая существует уже много лет.
Последствия когнитивных закупок
В последние годы потребительские запросы резко выросли в плане оперативности, удобства и персонализации, и это лишь некоторые из них. Цепочки поставок должны соответствовать этим новым ожиданиям, работая на глобальном рынке. Это означает, что специалистам по закупкам приходится управлять более сложными сценариями в контексте с меньшей терпимостью к ошибкам и медлительности. В решении этой проблемы AI - их лучший союзник, а Cognitive Procurement - ответ.
Когнитивные закупки - это новый тип сотрудничества между людьми и машинами, который предназначен для:
- освободить отдел закупок от еще более рутинных задач
- помочь им понять более сложную и нестабильную бизнес-среду
- дать возможность закупочным организациям делать то, что раньше было невозможно
Приложения когнитивных закупок
Улучшение процессов принятия решений - наиболее заметное применение когнитивных закупок. Специалисты по цепочке поставок могут быть ошеломлены постоянно растущим объемом данных и информации, которыми они должны управлять, и поэтому должны принимать во внимание свои собственные действия и решения. Однако с постоянным увеличением их вычислительной мощности машины могут помочь. Они могут разбираться в гораздо большем объеме данных, чем мы, и делают это быстрее. И поскольку они обрабатывают больше данных и используют сложные алгоритмы, они могут генерировать новые знания, выявляя тенденции, корреляции и тенденции, которые мы не можем уловить.
Это особенно верно в отношении машинного обучения (ML), ветви искусственного интеллекта. Машины не запрограммированы на выполнение задачи; они запрограммированы учиться. Аналитики данных обучают компьютер, используя образцы данных и исправляя ошибки ИИ. В качестве альтернативы, машины учатся на исторических данных, чтобы построить модель, которую она применяет к любым новым данным, с которыми она представлена.
Опыт в таких областях, как здравоохранение, таких как анализ рентгеновских изображений, показал, что машины могут создавать новые знания, определяя корреляции, которые до сих пор были неизвестны. Несмотря на это, очень важно, чтобы люди продолжали участвовать, потому что в конечном итоге результаты этих машин являются рекомендациями для действий или решений, а не фактами, не подлежащими обсуждению.
Помимо помощи в процессе анализа и механизма рекомендаций, технология закупок может стать помощником в стиле Siri или Cortana. В результате то, что возможно с телефонами, теперь возможно и в бизнес-контексте. Машины могут понимать письменный и устный язык, а обработка естественного языка (NLP) - это область, в которой за последние годы произошел огромный прогресс. НЛП открывает двери новым методам управления и способам взаимодействия людей с технологией закупок. На ум приходит приложение, в котором упомянутый выше помощник переносится в контекст закупок. Такой помощник по закупкам мог:
- помочь отделам снабжения оставаться в курсе своих повседневных операций
- направлять внутренних клиентов, желающих совершить покупку
Например, представим ситуацию, когда стихийная катастрофа поражает регион. Помощник по закупкам сразу узнает о мероприятии, поскольку оно связано с внешними источниками информации (существует множество поставщиков технологий управления рисками цепочки поставок, которые позволяют это сделать) или с общедоступными источниками информации (например, новостными агентствами или социальными сетями). Затем он:
- перечислить всех затронутых поставщиков и то, что организация покупает у них
- определить существующие альтернативные источники
- подготовить отчет с приоритетными рекомендациями к действию
Как только отчет будет подготовлен, помощник по закупкам заранее начнет разговор с ответственным покупателем. Разговор, который выглядел бы так:
Есть много других вариантов использования. Косвенный, самый интуитивный - это покупка с помощью инструкций. Внутренние клиенты обсуждают с ИИ через чат вместо использования классического каталога или произвольного текста, которые лежат в основе большинства решений для электронных закупок.
Это лишь несколько потенциальных преимуществ, которые ИИ представляет в цифровой трансформации закупок, при этом основные преимущества для бизнеса заключаются в следующем:
- делать рабочие места более человечными, чем они были, распределяя среди персонала задачи, которые машины не могут выполнять
- топливная эффективность за счет новых показателей эффективности (т.е. высвободившееся время посвящено более важным задачам)
- давать лучшие результаты (т.е. предоставлять новые знания, обнаруживать и идентифицировать новые тенденции и корреляции, принимать контекстные решения и т. д.)
Однако, даже если преимущества ощутимы и многочисленны, использование ИИ также поднимает некоторые важные вопросы.
Проблемы и риски
Быстрый переход машинного интеллекта к способности самостоятельно принимать решения вызывает опасения по поводу контроля, подотчетности и доверия. Кто будет нести ответственность, если машина примет неверное решение?
Кроме того, интеллектуальные машины анализируют ситуацию и приходят к результату или рекомендации на основе определенного типа логики (например, закодированной или изученной). Люди видят только результат, а не то, как ИИ пришел к нему, как черный ящик. Из-за этого слепое доверие ИИ может быть источником риска, который усугубляется тем фактом, что машины тоже несовершенны. Чтобы снизить эти риски:
- машины должны не только представлять результаты, но и кратко объяснять, как они их достигли (аналогично обсуждению в приведенном выше примере чата, как машина формировала свои рекомендации)
- люди должны демонстрировать критическое мышление и сказать последнее слово
Еще одна проблема - это необходимые инвестиции в разработку ИИ, и не программирование машин для обучения представляет собой самые большие вложения. Фактически, сбор и получение достаточного количества данных для обучения машины часто обходятся очень дорого. Чем больше данных будет, тем лучше будет этап обучения. Кроме того, качественный аспект так же важен, как и количественный, потому что обучение на плохих данных приведет к плохим результатам.
Искусственный интеллект и машинное обучение: будущее закупок
За искусственным интеллектом и машинным обучением, безусловно, будущее, и они представляют собой существенное улучшение возможностей организации. Поэтому важно, чтобы руководители по закупкам и отделы закупок ознакомились с Cognitive Procurement и оценили их потенциал. Затем они должны принять информированное решение о том, когда использовать ИИ, понимая его последствия и требования.
Чтобы распечатать документ Когнитивные закупки - каковы последствия? в формате pdf, нажмите здесь.
Первоначально опубликовано на www.ibisworld.com 27 марта 2017 г.
