生成式人工智能如何提升采购流程- 大数跨境

首页

生成式人工智能如何提升采购流程

CSCMP

2023-12-22

导读：在王国文教授近期的分享主题《AI如何颠覆供应链管理》中，探讨了未来供应链的方向，并指出人工智能将如何重塑整个行业。本文紧接着这一讨论，深入探讨了生成式人工智能（如OpenAI的GPT-4和Google

关注我们，加入供应链管理人员专业平台

编者按

在王国文教授近期的分享主题《AI如何颠覆供应链管理》中，探讨了未来供应链的方向，并指出人工智能将如何重塑整个行业。本文紧接着这一讨论，深入探讨了生成式人工智能（如OpenAI的GPT-4和Google的PaLM 2）在采购领域的潜在变革作用。与传统AI不同的是，生成式AI通过学习大量数据生成原创输出，如文本和图像，这对于理解和起草合同、评估供应商以及制定定制采购策略至关重要。尽管生成式AI在提高效率、决策制定和自动化方面显示出巨大潜力，但它也面临着数据隐私、安全性和伦理决策的挑战。正如王教授所强调的，技术的快速发展必须伴随着对其潜在影响的深入理解和适当管理。文章强调，在部署生成式AI时，需要平衡技术洞察力和人类监督的重要性，并提出了一系列最佳实践，以确保有效且负责任地利用这项技术，最终实现供应链管理的革新和提升。

随着供应链环境日益复杂和数据驱动，人工智能在简化采购流程中的角色变得更加关键。一种新的生成式人工智能技术可能对这一领域产生更大的影响。生成式人工智能，如OpenAI的GPT-4和Google的PaLM 2等大型语言模型所代表，标志着人工智能领域的突破。与典型的专注于识别模式或基于现有数据做出预测的传统模型不同，生成式人工智能能从大量数据中学习，然后产生原创的输出，如文本、图像和音乐。

在采购领域，生成式人工智能的相关性体现在其理解和生成类似人类的文本能力上。这些模型经过大量数据集训练，能够理解文件、合同和通信。它们能够起草合同，解释法律语言，甚至协助复杂的谈判，根据采购场景的特定性调整回应。

这些模型的技术支撑是它们的深度学习架构。语言模型基于神经网络，其灵感来源于人脑中神经元的结构。新一代的模型被称为“大型”，因为它们拥有庞大数量的参数，相当于虚拟神经元——例如，GPT-3使用了1750亿个参数。

这些极其复杂的系统能够处理大量文本数据，并学习词语、短语和句子之间的模式和关系。它们能够理解细微的指令，并执行许多高级认知任务，与人类表现相匹或甚至超越。然而，这些模型仍有局限性，容易产生“幻觉”，即倾向于用高度令人信服但不正确的信息回应问题。

生成式人工智能在采购中的相关性是多方面的。它有潜力通过自动化常规任务来提高效率，并具有人类工作者无法比拟的可扩展性和速度。此外，它能够即时分析大量数据并生成洞察，这可能在供应商选择、风险管理和市场分析等领域带来更好的决策。然而，在关键的决策过程中采用模型时，充分的人类监督至关重要。

以下是生成式人工智能在采购领域的一些具体应用。

自动化文档生成和合同管理：生成式人工智能可以简化采购文件的创建，包括请求提案、采购订单和合规文档。在合同管理方面，生成式人工智能可以根据请求的标准和规范起草、审查和修改合同。例如，它可以识别和调整条款以符合法律要求、行业标准或公司政策。

供应商评估和选择：生成式人工智能可以分析结构化和非结构化格式的数据集，评估供应商。它可以考虑成本、质量、可靠性和过往表现等因素。结果是一个供应商档案，可以帮助采购团队做出明智的决策。此外，生成式人工智能可以协助制定谈判策略，通过分析以往的谈判结果和市场条件。它可以建议最佳的定价、条款和条件，量身定制每个供应商。

定制化采购：生成式人工智能可以根据公司特定目标、行业标准和市场条件定制策略。这可以由以前的策略文件和文件指导，或那些解释市场相关方面的文件指导。此外，生成式人工智能可以通过使定制化的沟通和合作策略成为可能，促进与供应商的更深层次合作。例如，它可以协助创建合作伙伴资料和新闻稿。

培训和知识共享：生成式人工智能可以基于组织的知识库创建定制的聊天机器人，并使员工能够提问、接收详细回答并按自己的节奏学习。

组织或行业联盟可以收集行业最佳实践、市场趋势、监管变化或其他对采购团队至关重要的信息，并创建提供基本信息的聊天机器人或文档。另一种可能性是生成文本采购场景，允许团队练习并准备不同的情况。

生成式人工智能与其训练数据一样好，有时会导致不可预测、不准确或不一致的结果，以及数据中任何偏见的延续。例如，如果训练数据显示对某些供应商的偏好，人工智能可能会生成推荐，不公平地偏向它们。生成的输出应始终经过验证和交叉检查以确保准确性。

采购中使用生成式人工智能的主要挑战之一是确保数据隐私和安全。采购涉及处理敏感数据，如供应商信息、定价详情和合同条款。当使用人工智能从这些数据生成洞察力时，可能存在数据泄露或误用的风险。

此外，由于生成式人工智能从现有数据中学习，可能会有无意中泄露敏感信息的情况。例如，如果它接受了机密供应商合同的培训，人工智能可能会生成包含原始合同中敏感细节的新合同。因此，实施强有力的数据隐私和安全措施，例如在训练人工智能之前匿名化数据集，是必不可少的。

采购中的决策过程通常复杂多样，涉及伦理、可持续性和社会责任等考虑因素。生成式人工智能可能无法完全理解这些细微之处，并可能做出在伦理上存疑或在社会上不负责任的决策。因此，涉及所有决策的人类参与至关重要，并确保人工智能建议符合公司的道德标准和社会责任目标。

以下是在采购中部署生成式人工智能的一些最佳实践。

对采购团队进行培训，学会如何有效使用人工智能工具，投资于培训和发展至关重要。团队不仅应该接受如何使用工具的培训，还应该学会如何解释和验证人工智能的输出。

此外，应鼓励团队积极参与生成式人工智能过程和程序的开发。他们的专业知识和见解对于调整与生成式人工智能的互动并提高其性能至关重要。

实施有效的网络安全措施，这包括安全的数据存储和传输、强大的访问控制和定期的安全审计。

生成式人工智能的工作流程应该设计成不会在其输出中泄露敏感信息。可以使用差分隐私等技术，在数据中添加噪声以防止识别个别数据点，从而增强数据隐私。

平衡人工智能洞察力和人类监督，虽然生成式人工智能可以自动化和增强采购的许多方面，但它不能取代人类的判断和专业知识。需要一种平衡的方法，将人工智能的洞察力和人类监督相结合。人工智能可以生成洞察力和建议，但最终决策应由采购团队做出，他们可以考虑人工智能可能无法完全理解的因素，如伦理、可持续性和战略优先事项。

生成式人工智能对于改变采购流程具有巨大的潜力。然而，要利用这一潜力，至关重要的是要解决相关的挑战和最佳实践。通过仔细的规划和执行，生成式人工智能确实可以成为采购中的改变者。

在全球化和竞争激烈的商业环境中，物流与供应链管理的重要性日益显著，它不仅对企业运营至关重要，也对个人职业发展具有重大影响。随着市场的全球化和客户需求的不断变化，构建高效、灵活且可靠的供应链系统成为企业降低成本、提升服务质量并保持市场竞争力的关键。第二届“现代物流与供应链管理”高级研修班由上海海事大学、上海临港经济发展（集团）有限公司主办，供应链管理专业协会（CSCMP）专业指导，结合高校的学术深度、企业的实战经验和行业协会的国际视野。不仅体现了高校、企业和行业协会的深度融合，也为参与者提供了一个全方位的学习平台，在行业专家的指导下实现知识和经验的全面提升，应对日益复杂的全球供应链挑战。

课程模块