प्रोक्योरमेंट में AI: प्रमुख लाभ, उपयोग के 사례 और भविष्य की प्रवृत्तियाँ

प्रोक्योरमेंट वह प्रक्रिया है जिसमें किसी व्यवसाय के संचालन के लिए आवश्यक सभी वस्तुओं और सेवाओं का सोर्सिंग, खरीद, प्राप्ति, और निरीक्षण शामिल होता है। कंपनी हो या सरकार, हर आर्थिक इकाई अपने मिशन को पूरा करने के लिए किसी न किसी हद तक अन्य इकाइयों पर निर्भर रहती है।

पिछले कुछ वर्षों में प्रोक्योरमेंट में बड़े बदलाव आए हैं। पहला, कंपनियों को उन नए विनियामक दायित्वों को अपनाने की आवश्यकता है जिन्हें सरकारें सामाजिक और स्थिरता लक्ष्यों को आगे बढ़ाने के लिए स्वीकृत कर रही हैं। दूसरा, जलवायु संकट और देशों के बीच आर्थिक तनाव पारंपरिक आपूर्ति शृंखलाओं को बाधित कर रहे हैं, जिससे प्रोक्योरमेंट प्रक्रियाएँ अधिक जटिल और अक्सर अधिक महंगी हो रही हैं। अंततः, हालिया तकनीकी प्रगति व्यवसाय को तेजी से बदल रही है और नई संभावनाओं के द्वार खोल रही है।

प्रोक्योरमेंट में AI संभवतः इस क्षेत्र को प्रभावित करने वाली सबसे विघटनकारी तकनीक है। अपनी अनोखी और शक्तिशाली क्षमताओं की बदौलत, AI में प्रोक्योरमेंट प्रक्रियाओं और वार्ताओं को स्वचालित और सुव्यवस्थित करने, लागत घटाने और निर्णय-निर्धारण में सुधार करने की क्षमता है।

इस लेख में, हम प्रोक्योरमेंट में AI की भूमिका पर बात करेंगे। हम विश्लेषण करेंगे कि यह नवोन्मेषी तकनीक इस विधा को कैसे बदल रही है, इसके प्रमुख लाभ और चुनौतियाँ क्या हैं, उदाहरणात्मक उपयोग के मामले, साथ ही भविष्य की प्रवृत्तियाँ।

आप यह भी जान सकते हैं कि AI का संगठनों पर क्या प्रभाव पड़ रहा है, हमारे वेबिनार The Learning Leader's Guide to AI Literacy के माध्यम से।

प्रोक्योरमेंट में AI को समझना

कृत्रिम बुद्धिमत्ता कंप्यूटर विज्ञान का एक उपक्षेत्र है जो बुद्धिमान एजेंट बनाने पर केंद्रित है, जो आमतौर पर मानव-स्तर की बुद्धिमत्ता की मांग करने वाले कार्यों को कर सकें। इन कार्यों में समस्या-समाधान, वाक् पहचान, और निर्णय-निर्धारण आदि शामिल हैं।

प्रोक्योरमेंट के संदर्भ में, AI को एक रणनीतिक तकनीक माना जाता है जो अनुबंध वार्ता और सोर्सिंग जैसी प्रक्रियाओं को स्वचालित और बेहतर बना सकती है। इसी प्रकार, AI उल्लेखनीय दक्षता लाभ दिला सकता है, प्रोक्योरमेंट लागतों को कम कर सकता है और व्यावसायिक निर्णय-निर्धारण में सुधार कर सकता है। अंततः, प्रोक्योरमेंट-संबंधित जोखिमों को कम करने और मजबूत आपूर्ति शृंखलाएँ बनाने में भी AI तकनीकें महत्त्वपूर्ण हैं।

नीचे प्रोक्योरमेंट के लिए कुछ सबसे प्रासंगिक AI तकनीकों की सूची दी गई है:

मशीन लर्निंग

AI के सबसे प्रासंगिक विषयों में से एक है मशीन लर्निंग, जो यह अध्ययन करता है कि कंप्यूटर डेटा से कैसे सीख सकते हैं और बिना स्पष्ट प्रोग्रामिंग के निर्णय ले सकते हैं। इसे ऐसे समझें जैसे कंप्यूटरों को अनुभव से सीखना सिखाना—ठीक वैसे ही जैसे मनुष्य करते हैं। मूल रूप से, मशीन लर्निंग वह तरीका है जिससे AI को उसके नाम का "इंटेलिजेंस" हिस्सा मिलता है। आप हमारे Understanding Machine Learning कोर्स में इस विषय के बारे में और जान सकते हैं।

डीप लर्निंग

AI का एक अन्य महत्त्वपूर्ण क्षेत्र है डीप लर्निंग। डीप लर्निंग मशीन लर्निंग का एक प्रकार है जो न्यूरल नेटवर्क्स नामक तकनीक पर केंद्रित है, जो हमारे मस्तिष्क के काम करने के तरीके का अनुकरण करती है। न्यूरल नेटवर्क्स कंप्यूटरों को अनुभव से सीखने और दुनिया को अवधारणाओं के पदानुक्रम में समझने में सक्षम बनाते हैं। न्यूरल नेटवर्क्स की बदौलत, शोधकर्ता इमेज और वीडियो प्रोसेसिंग सहित कुछ सबसे जटिल समस्याओं को सुलझाने में सफल हुए हैं। इसी तरह, ट्रांसफॉर्मर नामक न्यूरल नेटवर्क का एक प्रकार जेनरेटिव AI के विकास और उभार को समझने की कुंजी है।

नेचुरल लैंग्वेज प्रोसेसिंग (NLP)

AI का वह क्षेत्र जो प्राकृतिक भाषा के माध्यम से कंप्यूटर और मनुष्यों के बीच परस्पर संवाद पर केंद्रित है। NLP का अंतिम उद्देश्य यह है कि कंप्यूटर मानव भाषाओं को इस तरह समझें, व्याख्यायित करें और उत्पन्न करें जो सार्थक और उपयोगी हो। अधिक जानने के लिए हमारा Introduction to Natural Language Processing in Python कोर्स देखें।

रोबोटिक्स

रोबोटिक्स के विकास में AI प्रमुख है। AI तकनीकों को तथाकथित RPA (रोबोटिक प्रोसेस ऑटोमेशन) में एकीकृत किया जा सकता है ताकि उनकी क्षमताएँ बढ़ाई जा सकें और उन्हें अधिक जटिल कार्य करने में सक्षम बनाया जा सके। रोबोटिक्स में AI रोबोटों को अनुभव से सीखने, नई परिस्थितियों के अनुसार ढलने और सेंसरों से प्राप्त डेटा के आधार पर निर्णय लेने की क्षमता देता है।

प्रोक्योरमेंट में जेनरेटिव AI

जब हम प्रोक्योरमेंट के लिए AI की बात करते हैं, तो जेनरेटिव AI का उल्लेख अनिवार्य है। ChatGPT या Google Gemini जैसे जेनरेटिव AI सिस्टम व्यावसायिक प्रक्रियाओं में उत्पादकता और दक्षता को काफ़ी बढ़ा सकते हैं (हमारे DataFramed पॉडकास्ट में Bernard Marr के साथ यह बातचीत देखें कि जेनरेटिव AI व्यवसाय और समाज को कैसे बदल रहा है)। प्रोक्योरमेंट के संदर्भ में, AI का उपयोग कई तरीकों से किया जा सकता है, जिनमें शामिल हैं:

अनुबंध प्रारूपण और समीक्षा का स्वचालन। टेक्स्ट जनरेट करने की क्षमता के चलते, जेनरेटिव AI का उपयोग प्रोक्योरमेंट अनुबंधों के ड्राफ्ट तेजी से तैयार करने और कानूनी दस्तावेजों की जाँच कर शुद्धता सुनिश्चित करने तथा संभावित जोखिम और अनुपालन-न-होने के मुद्दों की पहचान करने में किया जा सकता है।
प्रोक्योरमेंट रिपोर्ट और इनसाइट्स तैयार करना। ये उपकरण विशाल मात्रा में डेटा का सहजतापूर्वक विश्लेषण कर सकते हैं और बड़े दस्तावेजों का सार निकाल सकते हैं, ताकि रिपोर्ट, ब्रीफिंग या प्रस्तुतियों के रूप में सूचनाप्रद सामग्री उत्पन्न की जा सके।
परिदृश्य सिमुलेशन के माध्यम से सप्लायर वार्ताओं को बेहतर बनाना। जेनरेटिव AI मानव-समान निर्णय-निर्धारण का अनुकरण कर सकता है, वार्ता रणनीतियाँ तैयार कर सकता है और ऐसे उत्तर जनरेट कर सकता है जो अनुभवी वार्ताकार की रणनीति से काफ़ी मेल खाते हों। उदाहरण के लिए, जेन AI मॉक वार्ताओं में अलग-अलग भूमिकाएँ निभाकर दलीलों और प्रत्युत्तरों की जाँच के माध्यम से रणनीति बना सकता है।

प्रोक्योरमेंट में AI के उपयोग के मामले

आगे के अनुभागों में, हम प्रोक्योरमेंट में AI के कुछ सबसे आशाजनक उपयोग मामलों को कवर करेंगे।

प्रोक्योरमेंट वार्ताएँ

सोर्सिंग के मामले में, पारंपरिक प्रोक्योरमेंट वार्ताएँ अक्सर दोहरावदार, समय लेने वाले कार्यों, भारी-भरकम डेटा विश्लेषण, और सप्लायर्स व प्रोक्योरमेंट टीमों के बीच अंतहीन संवाद का मतलब होती हैं—ताकि सही सौदा मिल सके।

AI, विशेषकर जेनरेटिव AI, तेजी से बदल रहा है कि प्रोक्योरमेंट विशेषज्ञ इन वार्ताओं को कैसे संभालते हैं। ChatGPT जैसे टूल प्रस्तावों के मूल्यांकन को स्वचालित करने, बड़े पैमाने पर डेटा से प्रमुख इनसाइट्स निकालने और वार्ताओं की तैयारी में प्रासंगिक व नवीनतम जानकारी जुटाने में काम आ सकते हैं।

यदि अच्छी तरह से डिज़ाइन किए जाएँ, तो AI-संचालित असिस्टेंट ऐतिहासिक डेटा और पूर्वनिर्धारित मानकों के आधार पर सप्लायर्स के साथ स्वायत्त वार्ताएँ भी कर सकते हैं। व्यवहार में, जेनरेटिव AI असिस्टेंट विभिन्न समय क्षेत्रों, व्यस्त कार्यक्रमों और भारी डेटा से होने वाले घर्षण को दूर कर आंतरिक और बाहरी संबंधों को मज़बूत कर सकते हैं। इसके बजाय, यह बातचीत को ऐसे टॉकिंग पॉइंट्स से सहारा देता है जो काउंटरपार्टी की प्राथमिकताओं को बेहतर ढंग से प्रतिबिंबित करते हैं।

मिलकर, ये अनुप्रयोग अधिक सूचित, दक्ष और गतिशील प्रोक्योरमेंट वार्ताओं को सक्षम बनाते हैं, जिससे वार्ता के दौरान आवश्यक मैनुअल प्रयास में उल्लेखनीय कमी आती है।

खर्च विश्लेषण और अनुकूलन

खर्च विश्लेषण वह प्रक्रिया है जिसमें खर्च डेटा का विश्लेषण कर पैटर्न खोजे जाते हैं, बाधाएँ और लागत-बचत के अवसर पहचाने जाते हैं, प्रदर्शन सुधारा जाता है, और प्रोक्योरमेंट रणनीतियों का अनुकूलन किया जाता है। AI और मशीन लर्निंग डेटा को विभिन्न स्रोतों से एकत्रित और शुद्ध करने से लेकर उसे वर्गीकृत और विश्लेषित कर मूल्यवान इनसाइट्स निकालने तक, खर्च विश्लेषण के हर चरण को स्वचालित और तेज़ बनाने में मदद कर सकते हैं।

सप्लायर जोखिम आकलन और प्रबंधन

प्रोक्योरमेंट में AI के सबसे स्पष्ट उपयोग मामलों में से एक सप्लायर्स के जोखिम प्रोफाइल का आकलन है। मशीन लर्निंग और डीप लर्निंग मॉडल्स का उपयोग सप्लायर्स की विस्तृत श्रेणियाँ बनाने और सुरक्षा व गोपनीयता नियंत्रण, वित्तीय स्थिति, ESG प्रथाएँ, कॉर्पोरेट नीतियाँ, घटना प्रतिक्रिया कार्यक्रम, तृतीय-पक्ष संबंधों और अन्य कारकों जैसे डेटा के आधार पर संभावित परिणामों का पूर्वानुमान करने के लिए किया जाता है, जो सप्लायर की निरंतरता और लचीलापन प्रभावित कर सकते हैं।

मांग पूर्वानुमान और इन्वेंट्री प्रबंधन

AI का एक अन्य मूल्यवान अनुप्रयोग इन्वेंट्री प्रबंधन है। मशीन लर्निंग मॉडल ऐतिहासिक बिक्री डेटा, ग्राहक रुझान और अन्य कारकों का विश्लेषण कर भविष्य की मांग का पूर्वानुमान लगाते हैं और ओवरस्टॉक के जोखिम को कम करते हैं। इसी क्रम में, AI पिछले रिकॉर्ड, बाज़ार रुझान, और यहाँ तक कि रियल-टाइम जानकारी के आधार पर ग्राहक मांग का अनुमान लगा सकता है

प्रोक्योरमेंट धोखाधड़ी का पता लगाना

AI प्रोक्योरमेंट प्रक्रियाओं में धोखाधड़ी का पता लगाने और रोकथाम को भी बेहतर बना रहा है। सप्लायर्स के ऐतिहासिक डेटा का उपयोग कर, मशीन लर्निंग मॉडल लाखों लेनदेन का विश्लेषण कर सूक्ष्म पैटर्न पहचान सकते हैं जो किसी भी धोखाधड़ी की ओर इशारा करते हैं—वह भी मनुष्यों की तुलना में तेज़ और अधिक सटीक तरीके से। कंपनियाँ इन विश्लेषणों का उपयोग वास्तविक समय में धोखाधड़ी वाले लेनदेन पकड़ने के लिए कर सकती हैं, जिससे धोखाधड़ी से होने वाले नुकसान कम होते हैं।

सोर्सिंग और प्रोक्योरमेंट में AI के केस स्टडी

दुनिया भर की कंपनियाँ अपनी प्रोक्योरमेंट गतिविधियों में सुधार के लिए AI समाधानों को अपनाना शुरू कर रही हैं। नीचे विभिन्न क्षेत्रों की कंपनियों के दो उपयोग मामलों के उदाहरण दिए गए हैं:

Zara

Zara स्पेन स्थित एक अंतरराष्ट्रीय फैशन रिटेलर है। कंपनी ने अपने व्यावसायिक संचालन के विभिन्न पहलुओं में AI को एकीकृत किया है। इसमें न केवल उपभोक्ता व्यवहार शामिल है, बल्कि प्रोक्योरमेंट भी। विशेष रूप से, इसने एक समग्र दृष्टिकोण अपनाया है, जिसमें आपूर्ति शृंखला के हर चरण में AI का उपयोग शामिल है।

शायद इस दृष्टिकोण का सबसे नवोन्मेषी उदाहरण उसके सभी परिधानों के सुरक्षा टैग में माइक्रोचिप्स का उपयोग है। ये माइक्रोचिप्स उत्पादन से लेकर बिक्री तक सभी उत्पादों का वास्तविक समय में ट्रैकिंग सक्षम करते हैं, जिससे Zara को अपनी इन्वेंट्री की स्थिति का व्यापक और सटीक अंदाज़ा मिलता है।

परिणामस्वरूप, Zara अपने स्टॉक स्तरों को सटीक रूप से नियंत्रित कर सकता है, ओवरस्टॉकिंग और स्टॉकआउट्स को घटा सकता है और साथ ही परिचालन दक्षता बढ़ा सकता है। उदाहरण के लिए, Zara किसी विशिष्ट स्टोर में कम हो रही वस्तु को तुरंत ढूंढ सकता है और उसे वेयरहाउस या किसी अन्य स्टोर से शीघ्रता से रीस्टॉक कर सकता है।

Coca-Cola

Coca-Cola ने हाल ही में अपनी आपूर्ति शृंखलाओं का अनुकूलन करने के लिए Microsoft के क्लाउड और AI क्षमताओं का लाभ उठाने हेतु साझेदारी की है।

Microsoft के Azure OpenAI Service का उपयोग करते हुए, Coca-Cola विभिन्न सप्लाई चेन प्रक्रियाओं के अनुकूलन पर ध्यान केंद्रित कर रहा है। विशेष रूप से, इस साझेदारी के साथ, कंपनी का लक्ष्य मांग का पूर्वानुमान लगाना, इन्वेंट्री प्रबंधन में सुधार लाना और वितरण लॉजिस्टिक्स को सुव्यवस्थित करना है। ये सभी उन्नयन Coca-Cola को परिचालन लागत कम करने और समग्र सप्लाई चेन दक्षता बढ़ाने में सक्षम बनाएँगे।

चुनौतियाँ और विचारणीय बातें

हालाँकि प्रोक्योरमेंट में AI के लाभ स्पष्ट हैं, सफल AI समाधान लागू करना हमेशा आसान नहीं होता, खासकर ऐसे क्षेत्रों में जैसे बीमा, जहाँ संवेदनशील डेटा की मात्रा अधिक होती है। आइए सबसे महत्त्वपूर्ण चुनौतियों का विश्लेषण करें।

नैतिक और विनियामक चुनौतियाँ

AI की अनोखी क्षमताओं के बावजूद, प्रोक्योरमेंट में इसके संभावित जोखिमों और विनियामक चिंताओं पर विचार करना आवश्यक है। जेनरेटिव AI के मामले में, इसकी उत्कृष्ट संभावनाओं के बावजूद, यह तकनीक नए जोखिम भी लाती है, जैसे गलत सूचना और संभावित प्रोक्योरमेंट धोखाधड़ी।

इसके अलावा, तेजी से विकसित हो रहे कानूनी परिदृश्य के अनुरूप रहना डेटा संरक्षण और AI के निष्पक्ष और सुरक्षित उपयोग को सुनिश्चित करने के लिए प्रोक्योरमेंट विशेषज्ञों के लिए अनिवार्य है। अनुपालन के भविष्य का एक उत्कृष्ट उदाहरण हाल ही में स्वीकृत EU AI Act है—एक व्यापक विनियमन जो कंपनियों, जिनमें बीमाकर्ता भी शामिल हैं, से सख्त नियामक उपायों को आगे बढ़ाने की अपेक्षा करता है।

हमारा EU AI Act Fundamentals Skill Track देखें, ताकि आप इस नवोन्मेषी और महत्वाकांक्षी नियम के बारे में जानें और अनुपालन में बने रहने के तरीके समझें।

इंटीग्रेशन और स्केलेबिलिटी

AI समाधानों को मौजूदा सिस्टम्स के साथ कैसे एकीकृत किया जाए और उन्हें स्केलेबल कैसे बनाया जाए—यह जटिल हो सकता है और इसके लिए आधुनिक इन्फ्रास्ट्रक्चर की आवश्यकता होती है, जो कई कंपनियों में नहीं है। इसके बजाय, अधिकांश कंपनियाँ आमतौर पर पुराने प्रोक्योरमेंट व्यवहारों और सॉफ़्टवेयर पर निर्भर रहती हैं, जो अत्याधुनिक AI टूल्स के साथ आसानी से इंटरफेस नहीं कर पाते।

मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस तकनीकों को इन स्थापित प्रक्रियाओं में मिलाने के लिए व्यवधानों से बचने हेतु सावधानीपूर्वक योजना और कस्टमाइज़ेशन की ज़रूरत होती है। बीमा कंपनियों को अपने मौजूदा इन्फ्रास्ट्रक्चर का आकलन करना चाहिए, संभावित इंटीग्रेशन चुनौतियों की पहचान करनी चाहिए और आवश्यक अपग्रेड में निवेश करना चाहिए ताकि दोनों सिस्टम मौजूदा तकनीकों के साथ सामंजस्य से काम करें।

यदि आप जानना चाहते हैं कि अपनी टेक्नोलॉजी स्टैक में AI टूल्स को कैसे लागू किया जाए, तो हम आपको हमारे अलग गाइड AI Integration को पढ़ने की अत्यधिक सलाह देते हैं।

टीमों और व्यक्तियों का अपस्किलिंग

एक सफल AI रणनीति बनाने के लिए पर्याप्त प्रयास और संसाधनों की आवश्यकता होती है, लेकिन बड़ी पूँजी वाली कंपनियाँ भी AI समाधानों को लागू करने में विफल रहती हैं। क्यों? क्योंकि उनके पास पर्याप्त कुशल कर्मचारी—यानी AI साक्षरता वाले लोग—नहीं होते।

McKinsey के एक सर्वेक्षण के अनुसार, सर्वश्रेष्ठ कंपनियाँ प्रोक्योरमेंट कर्मचारियों के 22% को एनालिटिक्स टीमों में रखती हैं। यह संकेत देता है कि कंपनियों को डेटा-जानकार प्रोफाइल्स की संख्या बढ़ाने के लिए निवेश करना होगा—या तो बाहरी भर्ती के माध्यम से या मौजूदा टीमों के रीस्किलिंग के जरिए।

हालाँकि, उचित कौशल सेट वाले टैलेंट की भर्ती और उन्हें बनाए रखना चुनौतीपूर्ण हो सकता है, खासकर टेक प्रोफेशनल्स के प्रतिस्पर्धी बाज़ार को देखते हुए। मौजूदा स्टाफ के लिए अपस्किलिंग और रीस्किलिंग में निवेश करना भी कौशल अंतर को पाटने में मदद कर सकता है और सुनिश्चित कर सकता है कि संगठन AI क्षमताओं का पूरा लाभ उठा सके।

सौभाग्य से, DataCamp प्रोक्योरमेंट टीमों की मदद के लिए मौजूद है। हमारे DataCamp for Business समाधान के साथ, हम आपकी कंपनी को डेटा और AI साक्षर बना सकते हैं। किसी भी आकार की टीमों के लिए उपयुक्त स्केलेबल समाधान, अनुकूलन योग्य लर्निंग पाथ्स और विस्तृत रिपोर्टिंग के साथ, DataCamp for Business आपके व्यवसाय को रूपांतरित करने और AI-रेडी बनने में मदद कर सकता है।

AI और प्रोक्योरमेंट में भविष्य की प्रवृत्तियाँ

आगे देखते हुए, प्रोक्योरमेंट में AI का महत्व तेजी से बढ़ने वाला है।

Gartner के जनवरी 2024 में प्रकाशित शोध के अनुसार, आधे से अधिक सप्लाई संगठन अगले वर्ष में Gen AI लागू करने की योजना बना रहे हैं। यह प्रवृत्ति आने वाले वर्षों में जारी रहने की संभावना है क्योंकि वर्तमान AI टूल्स अधिक शक्तिशाली बन रहे हैं और नई, प्रोक्योरमेंट-विशेष समाधान बाज़ार में आ रहे हैं।

प्रोक्योरमेंट नेताओं की AI में बढ़ती रुचि केवल परिचालन दक्षता तक सीमित नहीं है; यह स्थिरता और विनियामक दायित्वों से भी जुड़ी है। अधिक से अधिक सरकारें प्रोक्योरमेंट विनियमों के माध्यम से स्थिरता लक्ष्यों को आगे बढ़ाने की इच्छुक हैं, ऐसे में AI को व्यवसायों की मदद के लिए एक प्रमुख उपकरण माना जा रहा है—ताकि वे पर्यावरणीय, सामाजिक और गवर्नेंस (ESG) मानकों के आधार पर सप्लायर्स का आकलन कर सकें और प्रोक्योरमेंट तरीकों को स्थिरता लक्ष्यों के अनुरूप रख सकें।

फिर भी, उसी Gartner रिपोर्ट में पाया गया कि सर्वेक्षित प्रोक्योरमेंट नेताओं में से केवल 14% को अपनी टीमों की प्रोक्योरमेंट प्रक्रियाओं में AI को समाहित करने की क्षमता पर विश्वास है। इसका कारण हमें पहले से पता है। हमारे State of Data & AI Literacy 2024 Report में हमने पाया कि क्षेत्रों में AI साक्षरता का कौशल अंतर तीव्र है—62% सर्वेक्षित नेताओं का मानना है कि उनके संगठन में AI साक्षरता का कौशल अंतर मौजूद है।

इसीलिए AI साक्षरता प्रोक्योरमेंट में AI के एकीकरण को आगे बढ़ाने और तेज़ करने में निर्णायक भूमिका निभाने वाली है। DataCamp for Business अनुकूलन योग्य, स्केलेबल लर्निंग पाथ्स के साथ—जो हर आकार के संगठनों के लिए उपयुक्त हैं—इस AI कौशल अंतर को पाटने में आपके व्यवसाय की मदद कर सकता है। आज ही डेमो का अनुरोध करके शुरुआत करें।

निष्कर्ष

AI प्रोक्योरमेंट व्यवसाय में बदलाव के प्रमुख प्रेरकों में से एक है। प्रोक्योरमेंट में AI और मशीन लर्निंग का उपयोग कई समय लेने वाले कार्यों को स्वचालित कर सकता है, परिचालन लागत घटा सकता है, आपूर्ति शृंखलाओं को अधिक मजबूत बना सकता है और प्रोक्योरमेंट संबंधों को सुदृढ़ कर सकता है।

जैसे-जैसे ये सिस्टम अधिक स्मार्ट होते जाएँगे, AI के मूल सिद्धांतों पर मज़बूत पकड़ रखने वाली प्रोक्योरमेंट टीमें अपने प्रतिस्पर्धियों पर उल्लेखनीय बढ़त रखने की संभावना है। हम अपने आगामी वेबिनार Increasing Your Organization's Data and AI Maturity में आपको डेटा और AI संस्कृति की मज़बूत नींव के महत्व के बारे में और बताएँगे।

डेमो का अनुरोध करें ताकि आप जान सकें कि DataCamp आपकी पूरी टीम के अपस्किलिंग और डेटा-पॉज़िटिव संस्कृति बनाने की प्रक्रिया में आपका मार्गदर्शन कैसे कर सकता है। इस बीच, AI पर हमारी समर्पित सामग्रियाँ देखें:

लेखक

Javier Canales Luna

मैं एक स्वतंत्र डेटा विश्लेषक हूँ और दुनिया भर की कंपनियों व संगठनों के साथ डेटा साइंस परियोजनाओं पर सहयोग करता/करती हूँ। मैं 2+ वर्षों के अनुभव वाला/वाली डेटा साइंस प्रशिक्षक भी हूँ। मैं नियमित रूप से अंग्रेज़ी और स्पेनिश में डेटा साइंस से संबंधित लेख लिखता/लिखती हूँ, जिनमें से कुछ DataCamp, Towards Data Science और Analytics Vidhya जैसी स्थापित वेबसाइटों पर प्रकाशित हुए हैं। राजनीतिक विज्ञान और क़ानून की पृष्ठभूमि वाले/वाली डेटा वैज्ञानिक के रूप में, मेरा लक्ष्य लोक नीति, क़ानून और प्रौद्योगिकी के संगम पर काम करना है—विचारों की शक्ति का उपयोग करके ऐसे अभिनव समाधान और कथाएँ विकसित करना जो हमें तात्कालिक चुनौतियों, विशेषकर जलवायु संकट, से निपटने में मदद कर सकें। मैं स्वयं-अध्येता, सतत सीखने वाला/वाली और बहुविषयक दृष्टिकोण का प्रबल समर्थक/समर्थक हूँ। नई चीज़ें सीखने में कभी देर नहीं होती।

विषय

बिज़नेस के लिए AI कृत्रिम बुद्धिमत्ता व्यवसाय हेतु