AI dalam Pengadaan: Manfaat Utama, Use Case, dan Tren Masa Depan

Memahami AI dalam Pengadaan

Kecerdasan buatan adalah subbidang ilmu komputer yang berfokus pada pembuatan agen cerdas yang mampu melakukan tugas yang biasanya membutuhkan tingkat kecerdasan manusia. Tugas-tugas ini mencakup pemecahan masalah, pengenalan suara, dan pengambilan keputusan, antara lain.

Dalam konteks pengadaan, AI dipandang sebagai teknologi strategis yang dapat mengotomatiskan dan meningkatkan proses pengadaan, seperti negosiasi kontrak dan pencarian sumber. Demikian pula, AI dapat menghasilkan peningkatan efisiensi yang penting, menekan biaya pengadaan dan meningkatkan pengambilan keputusan bisnis. Terakhir, teknologi AI juga krusial untuk mengurangi risiko terkait pengadaan dan menciptakan rantai pasok yang tangguh.

Di bawah ini Anda dapat menemukan daftar beberapa teknologi AI yang paling relevan untuk pengadaan:

Machine learning

Salah satu topik paling relevan dalam AI adalah machine learning, subbidang yang berfokus pada bagaimana komputer dapat belajar dari data dan membuat keputusan tanpa diprogram secara eksplisit. Anggap saja seperti mengajarkan komputer untuk belajar dari pengalaman, mirip dengan cara manusia. Pada intinya, machine learning adalah metode yang membuat AI memperoleh bagian "kecerdasan" dari namanya. Anda dapat mempelajari lebih lanjut topik ini di kursus Understanding Machine Learning kami.

Deep learning

Domain penting lainnya dalam AI adalah deep learning. Deep learning adalah jenis machine learning yang berfokus pada jaringan saraf, yang meniru cara kerja otak kita. Jaringan saraf memungkinkan komputer belajar dari pengalaman dan memahami dunia dalam hierarki konsep. Berkat jaringan saraf, peneliti mampu menyelesaikan beberapa masalah paling kompleks, termasuk pemrosesan gambar dan video. Demikian pula, jenis jaringan saraf yang disebut transformer menjadi kunci untuk memahami perkembangan dan kebangkitan AI generatif.

Natural language processing (NLP)

Bidang AI yang berfokus pada interaksi antara komputer dan manusia melalui bahasa alami. Tujuan akhir NLP adalah memungkinkan komputer memahami, menafsirkan, dan menghasilkan bahasa manusia dengan cara yang bermakna dan bermanfaat. Lihat kursus Introduction to Natural Language Processing in Python kami untuk mengetahui lebih lanjut.

Robotika

AI adalah kunci pengembangan robotika. Teknologi AI dapat diintegrasikan ke dalam RPA (robotic process automation) untuk meningkatkan kapabilitasnya dan memungkinkannya melakukan tugas yang lebih kompleks. AI dalam robotika memungkinkan robot belajar dari pengalaman, beradaptasi dengan situasi baru, dan membuat keputusan berdasarkan data dari sensor.

AI Generatif dalam Pengadaan

Ketika kita membahas AI untuk pengadaan, kita harus membahas AI generatif. Sistem AI generatif, seperti ChatGPT atau Google Gemini, dapat secara signifikan meningkatkan produktivitas dan efisiensi dalam proses bisnis (simak percakapan ini dengan Bernard Marr di podcast DataFramed kami untuk mempelajari bagaimana AI generatif mengubah bisnis dan masyarakat). Dalam konteks pengadaan, AI dapat digunakan dalam berbagai konteks, termasuk:

• Mengotomatiskan penyusunan dan peninjauan kontrak. Berkat kemampuannya menghasilkan teks, AI generatif dapat digunakan untuk dengan cepat membuat draf kontrak pengadaan, serta memeriksa dokumen hukum untuk memastikan kebenaran dan mengidentifikasi potensi risiko serta masalah ketidakpatuhan. 
• Menghasilkan laporan dan wawasan pengadaan. Alat-alat ini dapat menganalisis sejumlah besar data dengan mulus dan merangkum dokumen besar untuk menghasilkan informasi yang berwawasan dalam bentuk laporan, pengarahan, atau presentasi.
• Meningkatkan negosiasi pemasok melalui simulasi skenario. AI generatif juga dapat mensimulasikan pengambilan keputusan mirip manusia, menyusun strategi negosiasi, dan menghasilkan respons yang sangat menyerupai taktik negosiator berpengalaman. Misalnya, AI generatif dapat memainkan peran berbeda dalam negosiasi simulasi untuk merencanakan strategi dengan menelaah argumen dan sanggahan.

Use Case AI dalam Pengadaan

Pada bagian berikut, kami akan membahas beberapa use case AI yang paling menjanjikan dalam pengadaan.

Negosiasi pengadaan

Dalam hal pencarian sumber, negosiasi pengadaan tradisional sering kali berarti tugas berulang yang memakan waktu, analisis berat data, dan interaksi tanpa akhir antara pemasok dan tim pengadaan untuk mendapatkan kesepakatan yang tepat.

AI, khususnya AI generatif, dengan cepat mengubah cara para ahli pengadaan menangani negosiasi ini. Alat seperti ChatGPT dapat digunakan untuk mengotomatiskan evaluasi proposal, mengekstrak wawasan utama dari volume data yang besar, dan menarik informasi relevan serta terkini sebagai persiapan negosiasi.

Jika dirancang dengan baik, asisten bertenaga AI bahkan dapat melakukan negosiasi otonom dengan pemasok berdasarkan data historis dan parameter yang telah ditentukan. Dalam praktiknya, asisten AI generatif dapat meningkatkan hubungan internal dan eksternal dengan menghilangkan friksi akibat perbedaan zona waktu, jadwal padat, dan data yang berlebihan. Sebaliknya, asisten ini membantu percakapan dengan poin pembahasan yang lebih mencerminkan prioritas pihak lawan. 

Bersama-sama, aplikasi ini memungkinkan negosiasi pengadaan yang lebih terinformasi, efisien, dan dinamis, secara signifikan mengurangi upaya manual selama negosiasi.

Analisis dan optimalisasi pengeluaran

Analisis pengeluaran adalah proses menganalisis data pengeluaran untuk menemukan pola, mengidentifikasi hambatan dan peluang penghematan biaya, meningkatkan kinerja, serta mengoptimalkan strategi pengadaan. AI dan machine learning dapat membantu mengotomatiskan dan mempercepat setiap langkah analisis pengeluaran, mulai dari mengumpulkan dan membersihkan data dari berbagai sumber hingga mengklasifikasikan dan menganalisis data untuk mengekstrak wawasan berharga.

Penilaian dan manajemen risiko pemasok

Salah satu use case AI paling ilustratif dalam pengadaan adalah penilaian profil risiko pemasok. Model machine learning dan deep learning digunakan untuk membuat kategori pemasok yang terperinci dan memprediksi hasil berdasarkan data, seperti kontrol keamanan dan privasi, keuangan, praktik ESG, kebijakan perusahaan, program respons insiden, hubungan pihak ketiga, dan faktor lain yang dapat memengaruhi kesinambungan dan ketahanan pemasok.

Peramalan permintaan dan manajemen inventaris

Aplikasi AI bernilai lainnya adalah manajemen inventaris. Model machine learning menganalisis data penjualan historis, tren pelanggan, dan faktor lain untuk memprediksi permintaan masa depan dan meminimalkan risiko kelebihan stok. Dalam jalur yang sama, AI dapat memprediksi permintaan pelanggan berdasarkan catatan sebelumnya, tren pasar, bahkan informasi waktu nyata.

Deteksi kecurangan dalam pengadaan

AI juga meningkatkan deteksi dan pencegahan kecurangan dalam proses pengadaan. Dengan memanfaatkan catatan historis data pemasok, model machine learning dapat menganalisis jutaan transaksi untuk mendeteksi pola halus yang menunjukkan adanya kecurangan dengan lebih cepat dan juga lebih akurat daripada manusia. Perusahaan dapat menggunakan analisis ini untuk menangkap transaksi curang secara waktu nyata, sehingga mengurangi kerugian akibat penipuan.

Studi Kasus AI dalam Sourcing dan Pengadaan

Perusahaan di seluruh dunia mulai menerapkan solusi AI untuk meningkatkan operasi pengadaan mereka. Di bawah ini, Anda dapat menemukan dua use case dari perusahaan di sektor berbeda:

Zara

Zara adalah peritel fesyen internasional yang berbasis di Spanyol. Perusahaan ini telah mengintegrasikan AI dalam berbagai aspek operasi bisnis-nya. Itu mencakup bukan hanya perilaku konsumen, tetapi juga pengadaan. Secara khusus, mereka mengadopsi pendekatan holistik, yang melibatkan penggunaan AI di setiap langkah rantai pasok.

Barangkali contoh paling inovatif dari pendekatan ini adalah penggunaan mikrochip pada label keamanan semua item pakaian. Mikrochip ini memungkinkan pelacakan waktu nyata atas semua produk, dari produksi hingga penjualan, yang memungkinkan Zara memiliki gambaran komprehensif dan tepat tentang kondisi inventarisnya. 

Hasilnya, Zara dapat mengendalikan tingkat stoknya dengan akurat, mengurangi kelebihan stok dan kekosongan stok, sekaligus meningkatkan efisiensi operasional. Misalnya, Zara dapat segera menemukan item yang mulai menipis di toko tertentu dan dengan cepat mengisi ulang dari gudang atau toko lain.

Coca-Cola

Baru-baru ini Coca-Cola bermitra dengan Microsoft untuk memanfaatkan kapabilitas cloud dan AI guna mengoptimalkan rantai pasoknya. 

Dengan memanfaatkan Azure OpenAI Service dari Microsoft, Coca-Cola berfokus pada pengoptimalan berbagai proses rantai pasok. Secara khusus, melalui kemitraan ini, perusahaan menargetkan peramalan permintaan, peningkatan manajemen inventaris, dan perampingan logistik distribusi. Semua peningkatan ini akan memungkinkan Coca-Cola mengurangi biaya operasional dan meningkatkan efisiensi rantai pasok secara keseluruhan.

Tantangan dan Pertimbangan

Meskipun manfaat AI dalam pengadaan jelas, menerapkan solusi AI yang sukses tidak selalu mudah, terutama di sektor seperti asuransi, yang banyak melibatkan data sensitif. Mari kita analisis tantangan terpentingnya.

Tantangan etika dan regulasi

Terlepas dari kapabilitas unik AI, penting untuk mempertimbangkan potensi risikonya dan kekhawatiran regulasi dalam pengadaan. Dalam kasus AI generatif, meskipun menjanjikan banyak hal, teknologi ini juga memperkenalkan risiko baru, seperti misinformasi dan potensi penipuan pengadaan. 

Selain itu, kepatuhan terhadap lanskap hukum yang berkembang pesat adalah keharusan bagi para ahli pengadaan untuk memastikan perlindungan data serta penggunaan AI yang adil dan aman. Contoh bagus tentang bagaimana masa depan kepatuhan akan terlihat adalah EU AI Act yang baru disahkan, sebuah regulasi komprehensif yang mewajibkan perusahaan, termasuk perusahaan asuransi, untuk menerapkan langkah-langkah regulasi yang ketat. 

Lihat EU AI Act Fundamentals Skill Track kami untuk mempelajari aturan inovatif dan ambisius ini dan cara tetap patuh.

Integrasi dan skalabilitas

Cara mengintegrasikan solusi AI dengan sistem yang ada dan membuatnya dapat diskalakan bisa kompleks dan memerlukan infrastruktur modern, yang tidak dimiliki banyak perusahaan. Sebaliknya, sebagian besar perusahaan biasanya bergantung pada praktik dan perangkat lunak pengadaan warisan yang mungkin tidak mudah terhubung dengan alat AI terdepan. 

Menggabungkan teknologi machine learning dan kecerdasan buatan ke dalam proses yang sudah mapan ini memerlukan perencanaan dan penyesuaian yang cermat untuk menghindari gangguan. Perusahaan asuransi perlu menilai infrastruktur saat ini, mengidentifikasi potensi tantangan integrasi, dan berinvestasi dalam peningkatan yang diperlukan untuk memastikan kedua sistem bekerja selaras dengan teknologi yang ada.

Jika Anda ingin mengetahui lebih lanjut tentang cara mengimplementasikan alat AI ke dalam tumpukan teknologi Anda, kami sangat merekomendasikan Anda membaca panduan terpisah kami tentang Integrasi AI.

Peningkatan keterampilan tim dan SDM

Membangun strategi AI yang sukses membutuhkan upaya dan sumber daya yang besar, namun bahkan perusahaan dengan kantong tebal pun gagal menerapkan solusi AI. Mengapa? Karena mereka kekurangan karyawan terampil dengan literasi AI yang memadai. 

Menurut survei yang dilakukan oleh McKinsey, perusahaan kelas atas menempatkan 22% karyawan pengadaan di tim analitik. Ini menunjukkan bahwa perusahaan perlu berinvestasi dan meningkatkan jumlah profil data yang tersedia untuk skala, baik melalui perekrutan eksternal profil melek data maupun pelatihan ulang tim yang ada.

Namun, merekrut dan mempertahankan talenta dengan set keterampilan yang tepat dapat menjadi tantangan, terutama mengingat pasar profesional teknologi yang kompetitif. Berinvestasi dalam peningkatan dan pengalihan keterampilan bagi staf yang ada juga dapat membantu menjembatani kesenjangan keterampilan dan memastikan organisasi dapat sepenuhnya memanfaatkan kapabilitas AI. 

Untungnya, DataCamp hadir untuk membantu tim pengadaan. Dengan solusi DataCamp for Business, kami dapat membantu perusahaan Anda menjadi melek data dan AI. Dengan solusi yang dapat diskalakan untuk tim dari berbagai ukuran, bersama jalur pembelajaran yang dapat disesuaikan dan pelaporan terperinci, DataCamp for Business dapat membantu Anda mentransformasikan bisnis dan menjadi siap AI. 

Tren Masa Depan dalam AI dan Pengadaan

Saat kita menatap masa depan, pentingnya AI dalam pengadaan akan tumbuh secara eksponensial. 

Menurut riset Gartner yang diterbitkan pada Januari 2024, lebih dari separuh organisasi rantai pasok berencana mengimplementasikan AI generatif dalam setahun ke depan. Tren ini kemungkinan akan berlanjut dalam beberapa tahun mendatang seiring alat AI saat ini menjadi lebih kuat dan solusi khusus pengadaan yang baru memasuki pasar.

Meningkatnya minat pemimpin pengadaan terhadap AI bukan hanya tentang efisiensi operasional; ini juga tentang keberlanjutan dan kewajiban regulasi. Dengan semakin banyak pemerintah yang ingin mendorong tujuan keberlanjutan melalui regulasi pengadaan, AI dipandang sebagai alat kunci untuk membantu bisnis mengevaluasi pemasok berdasarkan parameter lingkungan, sosial, dan tata kelola (ESG), memastikan metode pengadaan selaras dengan tujuan keberlanjutan.

Namun, laporan Gartner yang sama menemukan bahwa hanya 14% pemimpin pengadaan yang disurvei yakin terhadap kemampuan tim mereka untuk mengintegrasikan AI dalam proses pengadaan. Kita sudah mengetahui alasannya. Seperti yang kami temukan dalam Laporan State of Data & AI Literacy 2024, kesenjangan keterampilan literasi AI sangat tajam di berbagai sektor, dengan 62% pemimpin yang disurvei percaya bahwa organisasi mereka memiliki kesenjangan keterampilan literasi AI. 

Itulah mengapa literasi AI akan memainkan peran penting dalam memajukan dan mempercepat integrasi AI dalam pengadaan. DataCamp for Business dapat membantu bisnis Anda menjembatani kesenjangan keterampilan AI ini, dengan jalur pembelajaran yang dapat disesuaikan dan diskalakan, cocok untuk organisasi dari berbagai ukuran. Mulailah hari ini dengan meminta demo.

Kesimpulan

AI adalah salah satu pendorong perubahan utama dalam bisnis pengadaan. Penerapan AI dan machine learning dalam pengadaan berpotensi mengotomatiskan banyak tugas yang memakan waktu, menekan biaya operasional, membuat rantai pasok lebih tangguh, dan memperkuat hubungan pengadaan.

Seiring sistem ini menjadi lebih pintar, tim pengadaan yang memiliki pemahaman kuat tentang dasar-dasar AI kemungkinan akan memiliki keunggulan signifikan dibandingkan para pesaingnya. Kami akan memberi tahu Anda lebih banyak tentang pentingnya memiliki budaya data dan AI yang kuat dalam webinar kami mendatang Increasing Your Organization's Data and AI Maturity

Minta demo untuk mempelajari bagaimana DataCamp dapat memandu Anda melalui proses peningkatan keterampilan seluruh tim dan membangun budaya yang positif terhadap data. Sementara itu, lihat materi khusus kami tentang AI:

• AI Business Fundamentals skill track 
• Cara Belajar AI dari Nol pada 2025: Panduan Lengkap dari Pakar
• EU AI Act Fundamentals
• Apa itu Literasi AI? Panduan Komprehensif untuk Pemula
• Memperkenalkan Laporan State of Data & AI Literacy 2024 
• The Learning Leader's Guide to AI Literacy
• Platform terdepan untuk literasi AI di seluruh bisnis Anda