Az elmúlt évben négy olyan cégnél dolgoztam, ahol a beszerzés került sorra utoljára. A marketing, a HR, az ügyfélszolgálat és a kontrolling már mind kapott valamit, a beszerzési csapat pedig még mindig várt. Az indok mindenhol ugyanaz volt. Ott túl nagy a tét. Ez a mondat félig igaz, és pont ezért kerül sokba.
Egy pontosítás, mielőtt belemegyünk. Ez a cikk nem arról szól, hogyan vásároljon egy cég AI-t, arról külön írtam korábban. Ez arról szól, mi történik magával a beszerzési osztállyal, amikor a napi munkája nagy részét egy gép kezdi el végezni. A kettő könnyen összekeverhető, a döntések viszont teljesen máshol vannak.
Miért marad utoljára a beszerzés
Három okot szoktam látni, és egyik sem szakmai.
Az első, hogy a beszerzés addig láthatatlan, amíg működik. Senki nem dicsér meg egy csapatot azért, mert megérkezett az alapanyag. A hiányt viszont mindenki azonnal észreveszi. Egy ilyen területen a vezetők ösztönösen kerülik a változtatást, mert a jó eredmény nem látszik, a rossz viszont igen.
A második, hogy a beszerzésből nehéz látványos bemutatót csinálni. Egy AI asszisztens, ami tíz perc alatt megír egy kampányszöveget, jól mutat egy vezetői megbeszélésen. Egy AI, ami átnézi a négyszáz keretszerződést, és megmondja, melyikben van automatikus áremelési kikötés, sokkal többet ér, csak nem lehet vele tapsot aratni.
A harmadik ok a legőszintébb. A beszerzésben a hibának forintban mérhető ára van, méghozzá azonnal. Ha az ügyfélszolgálati AI félreválaszol, azt korrigálja egy ember. Ha a beszerzési AI rossz mennyiséget hív le vagy rossz feltétellel indít el egy megrendelést, az kiment a cégből.
Közben viszont ezekre a csapatokra nő a teher. Azt tapasztaltam, hogy a beszerzési feladatok mennyisége évről évre emelkedik, a létszám viszont a legtöbb helyen legfeljebb szinten marad. Ez a fajta olló pont azt a területet nyomja, amelyik a legkevesebb támogatást kapja.
A különbség, ami minden mást felülír
Van egy szempont, ami a beszerzést minden más osztálytól megkülönbözteti, és ha ezt egy cég nem érti meg, akkor vagy túl bátor lesz, vagy egyáltalán nem lép.
A legtöbb belső területen az AI kimenete a cégen belül marad. Készül egy vázlat, egy összefoglaló, egy elemzés, és mielőtt bárhová eljutna, legalább egy ember ránéz. Ha rossz, kidobjuk. A beszerzésben viszont a munka jelentős része természeténél fogva kifelé mutat. Levél megy egy szállítónak, ajánlatkérés indul, feltétel kerül egy szerződéstervezetbe, megrendelés keletkezik. Ezeket nem lehet visszaszívni azzal, hogy elnézést, ezt a gép írta.
Egy 600 fős gyártó cég beszerzési csapatánál pontosan ez volt az első ütközőpont. Elindítottak egy megoldást, ami automatikusan generált szállítói emlékeztetőket a késésben lévő rendelésekre. Két hét alatt kiderült, hogy a rendszer olyan szállítót is sürgetett, akivel épp folyt egy érzékeny újratárgyalás. A levél technikailag hibátlan volt. Üzletileg viszont pont rosszkor érkezett, és a beszerzési vezetőnek kellett helyrehoznia egy telefonnal.
Ebből a projektből azt tanultam, hogy a beszerzésnél nem a pontosság a fő kérdés, hanem a kontextus. A gép tudta, mi az adat. Azt nem tudta, hogy azzal a partnerrel most miről szól a történet. Azóta minden ilyen bevezetésnél az első kérdésem az, hogy a rendszer melyik lépésénél lép ki az információ a cégből.
Ahol az AI ma valóban dolgozik
Ha a kifelé mutató lépéseket egyelőre kihagyjuk, marad négy terület, ahol nagyon gyorsan jön az eredmény. Ezeket szoktam elsőként javasolni.
Szerződésállomány feltárása. A legtöbb cégnél senki nem tudja pontosan, mi van a saját szerződéseiben. Hol van indexálási klauzula, melyik automatikusan megújul, hol van kilépési díj, melyik szállítónál kötöttük meg a kezünket három évre. Ez az a feladat, ahol az AI azonnal olyan választ ad, amit korábban senki nem tudott kifizetni emberi munkaidőben.
Költéselemzés és kategorizálás. A spend adat gyakorlatilag mindenhol rendetlen. Ugyanaz a tétel háromféle néven szerepel, ugyanaz a szállító négy különböző partnerkóddal. Ennek a rendbetétele klasszikusan az a munka, amit évek óta halogatnak, mert unalmas és hosszú.
Piaci és szállítói háttér. Egy tárgyalás előtti felkészülés, amiben benne van a szállító pénzügyi helyzete, a nyersanyagpiaci mozgás és a korábbi teljesítése, korábban napokat vitt el. Ez az a rész, ahol a legtöbb csapat először érzi, hogy tényleg felszabadult ideje.
Tárgyalás és pályázat előkészítése. Kérdéslisták, összehasonlító táblák, ajánlatok strukturált kiértékelése, eltérések kiemelése. A gép elkészíti az anyagot, a beszerző pedig azzal kezdi a napot, hogy dönt, nem azzal, hogy táblázatot tölt.
Feltűnhet, hogy mind a négy előkészítés. Egyik sem hoz döntést és egyik sem szól ki a cégből. Ez nem véletlen, hanem ez maga a stratégia. Egy 120 fős kereskedelmi vállalatnál ezzel a négy feladattal indultunk, és nyolc hét alatt a csapat átlagosan heti hat órát nyert személyenként, miközben egyetlen szállító sem találkozott a rendszerrel.
A jogkör kérdése, amit túl későn tesznek fel
Itt van a cikk lényege. A beszerzési AI bevezetésénél a legdrágább hiba nem technikai. Az, hogy senki nem mondja ki előre, meddig terjed a gép jogköre.
Egy augusztusi felmérés, amely több mint kétezer felsővezetőt kérdezett, jól mutatja, hol tart a piac. Tízből kevesebb mint egy vezető adna az AI-nak vezető szerepet a beszerzési döntések többségében a következő három évben, és közel a fele kifejezetten a taktikai munkában számít rá. Ez egybevág azzal, amit az ügyfeleknél látok. A szándék óvatos, a gyakorlat viszont észrevétlenül csúszik felfelé.
Ez a csúszás mindig ugyanúgy történik. A rendszer először javaslatot ír, amit valaki átnéz. Aztán a javaslatok hónapokon át jók lesznek, az ellenőrzés pedig formálissá válik. A harmadik hónapban már senki nem olvassa el, csak jóváhagyja. Formálisan semmi nem változott, a valóságban viszont a gép dönt.
Ezért szoktam három szintet leíratni, még a bevezetés előtt, egyetlen oldalon. Az első szint, ahol az AI csak elemez és a kimenet a cégen belül marad. A második, ahol előkészít valamit, amit ember küld ki, ő is írja alá, és ezért ő is felel. A harmadik, ahol a rendszer önállóan cselekszik, például automatikusan lehív egy keretszerződéses tételt egy megadott értékhatár alatt. A harmadik szint nem tilos, csak nagyon szűk sávban engedhető, és pontos értékhatárhoz, kategóriához és szállítói körhöz kell kötni.
Amit szinte soha nem látok, pedig ez lenne a legolcsóbb védelem, az a visszalépés szabálya. Vagyis hogy mi az a jelzés, aminél a rendszer automatikusan visszaesik alacsonyabb szintre. Például ha egy szállítónál nyitott minőségi reklamáció van, vagy ha az ár a szokásos sávtól eltér. Ezt egyszer kell megírni, és utána évekig dolgozik.
Az adat, amin az egész áll vagy bukik
A beszerzési AI projektek nem a modellen szoktak elhasalni, hanem a törzsadaton. Ez a terület sokkal érzékenyebb rá, mint bármelyik másik, mert itt a hibás adatból nem félreírt mondat lesz, hanem félreirányított pénz.
Egy energetikai holding kontrolling és beszerzési csapatánál futottam bele ebbe a legélesebben. Az elemzés első köre azt mutatta, hogy egy adott szállítónál a cég éves szinten jóval kevesebbet költ, mint amennyire emlékeztek. Kiderült, hogy ugyanaz a cégcsoport négy különböző néven és három adószámon szerepelt a rendszerben, mert az évek során többször átalakult. A gép pontosan válaszolt arra, amit kérdeztünk. A kérdés volt rossz, mert a valóságban egyetlen partnerről beszéltünk.
Amikor ezt a tisztítást elvégeztük, két hét alatt előjött egy addig nem látott kép a szállítói koncentrációról, és ez önmagában többet ért, mint az összes automatizálás, amit terveztünk. Azóta minden beszerzési projektben ez az első lépés, még akkor is, ha a megrendelő türelmetlen. Rendetlen törzsadaton nem lehet ügynököt futtatni, mert magabiztos hülyeséget fog mondani.
Két szám, ami mindig együtt jár
A beszerzési AI mérésénél a legtöbb cég egy számot néz, a megspórolt időt vagy a ciklusidőt. Ez önmagában félrevezető, mert a gyorsulás egy része abból jön, hogy kevesebb ellenőrzés történik. Ez pedig nem megtakarítás, hanem elhalasztott kockázat.
Ezért javaslom, hogy a beszerzésben minden hatékonysági mutató mellé kerüljön egy kockázati mutató, és a kettőt mindig együtt nézzék. A hatékonysági oldal a szokásos, ciklusidő, feldolgozott ajánlatok száma, a felkészülésre fordított idő. A kockázati oldalon három szám elég a kezdéshez.
Az egyik, hány esetben módosított érdemben ember a gép javaslatán. Ha ez az arány hónapok óta nulla felé megy, az nem azt jelenti, hogy a rendszer tökéletes, hanem azt, hogy megszűnt a valódi ellenőrzés. A második, hány kivétel keletkezett, tehát hányszor kellett utólag helyrehozni valamit egy szállítónál. A harmadik, hány esetben lépett ki információ a cégből emberi jóváhagyás nélkül.
Ez a három szám havonta öt percbe kerül, és pontosan azt a kérdést válaszolja meg, amit egy pénzügyi vezető úgyis fel fog tenni. Nem azt, hogy gyorsabbak lettünk-e, hanem azt, hogy mennyivel nőtt közben a kitettségünk.
Az első három lépés
Ha egy beszerzési vezető holnap el akar indulni, ezt a sorrendet javaslom.
Először térképezze fel, hol lép ki információ a cégből. Vegye végig a folyamatot, és jelölje meg minden pontot, ahol adat, levél vagy kötelezettség hagyja el a szervezetet. Ezeket a pontokat az első körben hagyja békén. Ez a lista lesz a bevezetés határa.
Másodszor válasszon egy előkészítő feladatot a fenti négyből, lehetőleg a szerződésállomány feltárását. Ennek van a legrövidebb megtérülése, és mellékesen kiderül belőle, mennyire rendezettek az adatok. Ha egy logisztikai cégnél, ahol tizenegyen dolgoznak a beszerzésen, ez a lépés két hét alatt megmutatta, hogy hat szerződés magától megújult volna, akkor a projekt már megérte.
Harmadszor írja le a jogköri szinteket és a visszalépés szabályát, mielőtt bármit élesbe tesz. Egy oldal elég belőle. Aki ezt utólag próbálja meg, az egy már működő gyakorlattal fog vitatkozni, és veszíteni fog.
A beszerzés azért maradt le, mert kockázatosnak tűnt. Valójában viszont pont fordítva áll a dolog. Ez az a terület, ahol a legkorábban jelentkezik mérhető eredmény, feltéve, hogy a cég előre kimondja, meddig mehet el a gép. Az a mondat, hogy ott túl nagy a tét, nem indok a halasztásra. Indok arra, hogy alaposabban készüljünk, mint máshol.
kdconsulting.hu · [email protected]