理解采购中的AI
人工智能是计算机科学的一个子领域，专注于创建能够执行通常需要人类智能水平的任务的智能体。这些任务包括解决问题、语音识别和决策等。
在采购情境中，AI被视为一种战略性技术，能够自动化并增强合同谈判与寻源等采购流程。同样，AI还能带来显著的效率提升，降低采购成本并改进业务决策。最后，AI技术对于降低与采购相关的风险、构建稳健的供应链也至关重要。
以下是与采购最相关的一些AI技术：
机器学习
AI中最重要的主题之一是机器学习，该子领域关注计算机如何从数据中学习并在未被显式编程的情况下做出决策。可以把它理解为让计算机像人类一样从经验中学习。本质上，机器学习是AI获得“智能”之名的方法。您可以在我们的Understanding Machine Learning课程中了解更多。
深度学习
AI中的另一个重要领域是深度学习。深度学习是一种以神经网络为核心的机器学习方法，模仿人脑的工作方式。神经网络让计算机能够从经验中学习，并以概念层级来理解世界。得益于神经网络，研究者已能解决诸多复杂问题，包括图像与视频处理。同样，被称为Transformer的神经网络类型，是理解生成式AI发展与崛起的关键。
自然语言处理（NLP）
AI的一个领域，聚焦计算机与人类以自然语言进行交互。NLP的最终目标是使计算机能够以有意义且有用的方式理解、解释并生成自然语言。查看我们的Introduction to Natural Language Processing in Python课程以了解更多。
机器人技术
AI是机器人技术发展的关键。AI技术可以集成进所谓的RPA（机器人流程自动化），以增强其能力并让其执行更复杂的任务。AI在机器人中的应用，使机器人能够从经验中学习、适应新情境，并基于传感器数据做出决策。
采购中的生成式AI
谈到采购中的AI，生成式AI必不可少。像 ChatGPT 或 Google Gemini 这样的生成式AI系统，能够显著提升业务流程的生产力与效率（收听我们与 Bernard Marr 的 DataFramed 播客对谈，了解生成式AI如何改变商业与社会）。在采购情境中，AI可用于多种场景，包括：
- 自动化合同起草与审阅。凭借文本生成能力，生成式AI可快速创建采购合同草案，并审查法律文档以确保准确无误，识别潜在风险与合规问题。
- 生成采购报告与洞察。这些工具可无缝分析海量数据、概括长文档，并以报告、简报或演示的形式产出有洞察力的信息。
- 通过情景模拟强化供应商谈判。生成式AI还能模拟类人决策，拟定谈判策略，并生成贴近资深谈判者战术的回应。例如，生成式AI可在模拟谈判中扮演不同角色，通过审视论点与反论点来制定策略。
AI在采购中的用例
接下来，我们将介绍一些最具前景的采购AI用例。
采购谈判
在寻源方面，传统采购谈判往往意味着重复、耗时的任务，数据密集的分析，以及为达成最佳交易而在供应商与采购团队间展开的无尽互动。
AI，尤其是生成式AI，正在快速改变采购专家处理谈判的方式。像 ChatGPT 这样的工具可用于自动化评估提案、从海量数据中提取关键信息，并在谈判准备阶段调取相关且最新的信息。
如果设计得当，AI驱动的助手甚至可以基于历史数据与预设参数，与供应商开展自主谈判。实践中，生成式AI助手能通过消除时区差异、日程繁忙与数据过载带来的摩擦，强化内外部关系；相反，它会以更贴合对手方优先事项的要点来辅助沟通。
综合来看，这些应用让采购谈判更具信息支撑、更高效、更具动态性，并显著减少谈判过程中的人工投入。
支出分析与优化
支出分析旨在对支出数据进行分析，以发现模式、识别瓶颈与节省成本机会、提升绩效并优化采购策略。AI与机器学习可帮助自动化并加速支出分析的每个环节：从汇集与清洗多源数据，到对数据进行分类并分析以提取有价值的洞察。
供应商风险评估与管理
AI在采购中最具代表性的用例之一，是评估供应商的风险画像。机器学习与深度学习模型用于对供应商进行细分归类，并基于诸如安全与隐私控制、财务状况、ESG实践、公司政策、事件响应方案、第三方关系以及其他可能影响供应商连续性与韧性的因素来预测结果。
需求预测与库存管理
AI的另一项重要应用是库存管理。机器学习模型会分析历史销售数据、客户趋势及其他因素，以预测未来需求并尽量降低库存积压风险。同理，AI还能基于既往记录、市场趋势甚至实时信息来预测客户需求。
采购欺诈检测
AI也在提升采购流程中的欺诈检测与防范能力。借助供应商历史数据记录，机器学习模型可分析数百万笔交易，快速且更准确地检测提示欺诈的细微模式。企业可利用这些分析对可疑交易进行实时拦截，从而减少欺诈损失。
寻源与采购中的AI案例研究
全球各地的企业正开始实施AI解决方案，以改进其采购运营。以下是来自不同行业的两个用例：
Zara
Zara 是一家总部位于西班牙的国际时尚零售商。该公司在其业务运营的多个方面集成了AI。这不仅涉及消费者行为，也涵盖采购。特别是，它采用了贯穿供应链各环节的整体性方法来使用AI。
这一方法中或许最具创新性的例子，是在所有服装的防盗标签中使用微芯片。这些微芯片可实现对所有产品从生产到销售的实时追踪，使 Zara 能全面而精准地掌握库存状况。
因此，Zara 可精确管控库存水平，减少库存过量与缺货，同时提升运营效率。例如，一旦某家门店某款商品库存告急，Zara 便可立即定位并从仓库或其他门店快速补货。
可口可乐
可口可乐近期与微软达成合作，以利用其云与AI能力优化供应链。
借助 Microsoft 的 Azure OpenAI 服务，可口可乐专注于优化多项供应链流程。特别是，通过此次合作，企业旨在进行需求预测、改进库存管理并简化配送物流。所有这些升级将帮助可口可乐降低运营成本并提升整体供应链效率。
挑战与考量
尽管AI在采购中的收益显而易见，但要成功落地AI解决方案并非易事，尤其在如保险等涉及大量敏感数据的行业。下面我们来分析最重要的挑战。
伦理与监管挑战
尽管AI具有独特能力，但在采购中仍需考虑其潜在风险与合规问题。以生成式AI为例，尽管前景广阔，这项技术也带来了新的风险，如虚假信息与潜在的采购骗局。
此外，面对快速演进的法律环境，采购专家必须确保数据保护，并以公平、安全的方式使用AI。一个展示未来合规图景的典型案例，是近期通过的欧盟AI法案，这是一套全面的规制，要求包括保险公司在内的企业加强严格的监管举措。
查看我们的EU AI Act Fundamentals Skill Track，了解这项创新而雄心勃勃的规则以及如何保持合规。
集成与可扩展性
如何与现有系统集成AI解决方案并实现规模化，往往较为复杂，并需要现代化基础设施，而许多公司并不具备。相反，多数企业仍依赖传统的采购实践与软件，后者可能难以与前沿AI工具对接。
将机器学习与人工智能技术融入这些既有流程需要周密规划与定制化，以避免中断。保险公司需要评估当前基础设施，识别潜在的集成挑战，并投入必要的升级，确保两套系统能与现有技术协同工作。
如果您想进一步了解如何将AI工具纳入您的技术栈，我们强烈建议阅读我们的独立指南：AI Integration。
团队与人才的技能提升
构建成功的AI战略需要大量投入与资源，但即便资金雄厚的企业也常在落地AI时遭遇失败。原因何在？因为他们缺乏具备足够AI素养的员工。
根据麦肯锡的一项调研，行业领先企业有22%的采购员工在分析团队任职。这意味着企业需要通过外部招聘数据型人才或对现有团队进行再培训，来增加数据人才供给以实现规模化。
然而，在竞争激烈的科技人才市场中，招募并留住具备相应技能的人才并不容易。对现有员工进行技能提升与再培训也有助于弥合技能差距，确保组织能够充分享受AI带来的能力提升。
所幸，DataCamp 可为采购团队提供帮助。借助我们的DataCamp for Business 解决方案，我们能帮助您的企业建立数据与AI素养。该方案可按需扩展，适用于任意规模的团队，并提供可定制的学习路径与详尽的报告，助您实现业务转型并做好AI准备。
AI与采购的未来趋势
展望未来，AI在采购中的重要性将呈指数级增长。
根据 Gartner 于 2024 年 1 月发布的研究，超过半数供应组织计划在一年内实施生成式AI。随着现有AI工具更加强大、面向采购的新品类解决方案不断进入市场，这一趋势在未来几年很可能持续。
采购领导者对AI日益浓厚的兴趣，不仅关乎运营效率，也与可持续性与监管义务相关。随着越来越多政府希望通过采购监管推进可持续目标，AI被视为评估供应商环境、社会与治理（ESG）指标、确保采购方法契合可持续目标的关键工具。
然而，同一份 Gartner 报告也指出，只有14%的受访采购领导者对其团队将AI纳入采购流程的能力有信心。我们已经知道原因所在。正如我们在《2024年数据与AI素养报告》中发现的，各行业的AI素养技能缺口十分突出，62%的受访领导者认为其组织存在AI素养缺口。
这正是为何AI素养将在推动与加速AI在采购中的整合方面发挥关键作用。DataCamp for Business 可通过可定制、可扩展的学习路径，助力各类规模的组织弥合AI技能差距。立即申请演示，开启实践。
结论
AI是推动采购业务变革的关键动力之一。AI与机器学习在采购中的应用，能够自动化许多耗时任务、降低运营成本、增强供应链韧性，并强化采购关系。
随着这些系统愈发智能，掌握坚实AI基础的采购团队将更具竞争优势。我们将在即将举办的网络研讨会Increasing Your Organization's Data and AI Maturity中进一步阐述构建稳健数据与AI文化的重要性。
申请演示，了解 DataCamp 如何帮助您为整个团队提升技能、打造数据正向文化。与此同时，欢迎查阅我们关于AI的专题资料：
我是一名自由职业的数据分析师，与全球各地的公司和组织合作开展数据科学项目。我也担任数据科学讲师，拥有2年以上授课经验。我经常用英语和西班牙语撰写与数据科学相关的文章，其中一些已发表在 DataCamp、Towards Data Science 和 Analytics Vidhya 等知名网站上。作为一名具有政治学与法律背景的数据科学家，我的目标是在公共政策、法律与技术的交汇处开展工作，借助思想的力量推动创新解决方案与叙事，帮助我们应对紧迫挑战，尤其是气候危机。我认为自己是自学成才、不断进步的人，坚定支持跨学科合作。学习新事物永远不嫌晚。
采购是为企业运营而进行的寻源、采购、接收与检验各类商品与服务的全过程。无论是企业还是政府，每一个经济主体都在不同程度上依赖其他主体来实现其使命。
近年来，采购领域经历了深刻变革。首先，为推动社会与可持续发展目标，政府不断推出新的监管要求，企业必须加以采纳。其次，气候危机与国际间的经济紧张局势扰乱了传统供应链，使采购流程更为复杂且往往成本更高。最后，近期的技术突破正迅速改变这一行业，打开新的可能性。
在所有影响该领域的技术中，采购中的AI或许是最具颠覆性的。凭借其独特而强大的能力，AI有潜力自动化与优化采购流程和谈判，降低成本，并在采购流程中提升决策质量。
本文将探讨AI在采购中的角色。我们将分析这项创新技术如何改变这一学科、其关键收益与挑战、典型用例以及未来趋势。
您还可以通过我们的网络研讨会 The Learning Leader's Guide to AI Literacy，进一步了解AI在组织中的影响。