Umělá inteligence v oblasti nákupu: Jak proměnit finanční informace ve strukturální výhodu

Autor: Darren Roberts Umělá inteligence již není pro finanční vedoucí pouze záležitostí budoucnosti. Již dnes mění způsob, jakým se v rámci celé společnosti chrání marže, odhalují rizika a realizují rozhodnutí. Ve ERA Group jsme v uplynulých letech pracovali na tom, jak začlenit analytiku v oblasti nákupu do finančního rozhodování. Zjistili jsme jednu jednoduchou věc: automatizace sama o sobě nepřináší konkurenční výhodu. Tu přináší až inteligence, ale pouze tehdy, je-li skutečně zavedena do praxe.

Mnohé organizace stále vnímají nákup jako čistě transakční činnost. Umělá inteligence se k tomu přidává pouze jako nadstavba, která má automatizovat vyhledávání dodavatelů, urychlit reakce na výběrová řízení nebo zrychlit tvorbu reportů. Tyto úspory jsou sice užitečné, ale málokdy řeší hlubší problém: únik marží způsobený roztříštěným přehledem, zpožděným reportováním a nesourodým rozhodováním.

K zásadnější změně dochází tehdy, když je umělá inteligence začleněna do základního provozního modelu nákupu.

Při naší práci napříč různými odvětvími pozorujeme stejný vzorec. Finanční vedoucí, kteří vytvářejí strukturální výhodu, se soustředí na tři věci:

Za prvé, přecházejí od zpětného vykazování k finančním informacím v reálném čase. Tradiční analýza výdajů ukazuje, co se již stalo. Inteligentní systémy založené na umělé inteligenci včas odhalují varovné signály a identifikují problémy s výkonností dodavatelů, cenové anomálie nebo faktory ovlivňující náklady ještě předtím, než dojde k poklesu marže.

Za druhé, před automatizací úkolů přepracovávají rozhodovací procesy. V rámci jednoho z nedávných projektů nás klient původně požádal, abychom vyjednali lepší cenu za klíčovou surovinu. Místo toho, abychom se rovnou pustili do vyjednávání, jsme nejprve prozkoumali konstrukci produktu a provozní procesy. Snížením spotřeby materiálu a zvýšením efektivity výroby jsme si tak před zahájením obchodních jednání vytvořili silnější vyjednávací pozici. Dopad na marži byl strukturální, nikoli pouze přírůstkový.

Zatřetí, kombinují poznatky získané díky umělé inteligenci se zkušenostmi a úsudkem. Samotná data nestačí k zajištění ziskové marže. Získané informace je třeba interpretovat, stanovit jejich priority a uplatnit v praxi. Technologie sice zvyšuje přehlednost, ale teprve důsledná realizace promění poznatky ve finanční výsledky.

Právě v tomto bodě nabývá správné řízení klíčového významu. S tím, jak se řešení umělé inteligence stávají levnějšími a dostupnějšími, roste riziko roztříštěnosti. Množství různých nástrojů, izolované řídicí panely a nesourodé iniciativy mohou vytvářet nové slepé skvrny, místo aby je odstraňovaly. Začlenění umělé inteligence do oblasti nákupu vyžaduje koordinaci mezi finančními, nákupními a technologickými odděleními, a to včetně jasné odpovědnosti za výsledky.

Ve ERA Group se nezaměřujeme pouze na rychlejší analýzu výdajů. Naším cílem je vytvářet informace, které posilují dohled, omezují úniky marží a odhalují skrytou hodnotu v rámci ekosystémů dodavatelů. To znamená propojovat data, odhalovat rizika v reálném čase a zajišťovat, aby byla rozhodnutí důsledně realizována.

Umělá inteligence nenahrazuje finanční úsudek. Naopak jej zdokonaluje.

V prostředí klesajících marží a rostoucí složitosti již pro finanční ředitele není otázkou, zda zavést umělou inteligenci do oblasti nákupu. Jde spíše o to, jak rychle ji finanční oddělení dokáže uvést do praxe s vhodnou strukturou, řízením a vedením, aby si udrželo náskok před konkurencí.