Agen AI dalam pengadaan

Agen AI dalam pengadaan mengacu pada dimasukkannya teknologi AI agen dalam proses pengadaan bisnis. AI agen adalah sistem kecerdasan buatan yang dapat mencapai tujuan tertentu dengan pengawasan terbatas. Sistem ini terdiri dari agen AI: model machine learning yang meniru pengambilan keputusan manusia untuk memecahkan masalah secara real-time.

Dalam sistem multiagen, setiap agen melakukan subtugas tertentu untuk mencapai tujuan. Upaya ini dikoordinasikan melalui orkestrasi AI dan membantu tim pengadaan untuk mengotomatiskan alur kerja dan merampingkan proses termasuk rantai nilai vendor, kontrak, dan manajemen pesanan.

Lingkungan pengadaan berada pada titik transisi, bergerak jauh melampaui proses otomatisasi sederhana. Laporan terbaru dari IBM Institute for Business Value¹ tentang AI generatif dalam pengadaan menyoroti bagaimana organisasi telah mulai mengadopsi revolusi gen AI. Dari CSCO dan COO yang disurvei, 64% mengatakan gen AI sudah mengubah alur kerja operasi rantai pasokan mereka.

Agen AI yang berada di garis depan transisi ini sekarang dianggap sebagai masa depan pengadaan dan manajemen kontrak. Pengadaan membawa serta sejumlah besar data dari dalam organisasi dan pemasok atau basis data insight pasar. Organisasi perlu memanfaatkan data ini dan menindaklanjutinya untuk mencapai hasil dengan cara yang lebih cepat dan lebih baik.

Metode konvensional otomatisasi pengadaan berfokus pada digitalisasi dokumen sebagai cara untuk mengurangi tugas rutin dan juga merampingkan alur kerja untuk membantu tim bergerak dengan lebih efisien.

AI Agen mengubah pengadaan, menggunakan kekuatan analitik prediktif dan memanfaatkan machine learning (ML) dan pemrosesan bahasa alami (NLP). Hasilnya adalah agen AI yang berpikir strategis, belajar dari pengalaman, dan bertindak secara mandiri. Agen AI mampu bernegosiasi dengan pemasok, mengoptimalkan penghematan biaya dan menciptakan nilai strategis sebagai mitra pengambilan keputusan bagi karyawan manusia.

Agen AI otonom yang didukung oleh model bahasa besar (LLM), dirancang untuk melakukan berbagai tugas yang biasanya membutuhkan kecerdasan manusia, termasuk bahasa alami, mengenali gambar, dan membuat keputusan. Mereka tidak hanya mengotomatiskan proses bisnis yang sudah ada, tetapi juga bekerja berdampingan dengan manusia sekaligus mengembangkan mesin memori mereka sendiri dan belajar dari kesalahan.

Kemampuan agen AI berakar pada sejumlah besar data yang mereka serap. Mereka mampu berinteraksi dengan sumber data lain, mengimpor data, dan bahkan berkolaborasi dengan agen lain untuk selanjutnya mengambil keputusan yang tepat.

Dalam dunia operasi pengadaan dan rantai pasokan, agen AI dapat menangani berbagai tanggung jawab termasuk manajemen pemasok, penetapan harga, riwayat pesanan pembelian, manajemen rantai pasokan, dan analisis pasar.

Agen AI dapat diimplementasikan menggunakan berbagai bahasa pemrograman dan kerangka kerja, seperti Python, Java, dan TensorFlow. Mereka juga dapat diintegrasikan dengan sistem dan teknologi pengadaan lainnya, seperti basis data, API, sistem perencanaan sumber daya perusahaan (ERP), platform pengadaan, dan portal pemasok.

Misalnya, IBM watsonx Orchestrate terintegrasi dengan alat terbaik yang digunakan organisasi setiap hari untuk menyelesaikan berbagai tugas umum seperti pembuatan permintaan pemasok, pengambilan baris pesanan, dan manajemen kontrak.

Rantai pasokan suatu organisasi kompleks dan tim pengadaan harus mengelola ratusan, bahkan terkadang ribuan, pemasok di seluruh dunia. Ada beberapa faktor lain yang perlu dipertimbangkan, termasuk geopolitik, kebijakan perdagangan, tarif, dan gangguan rantai pasokan yang berada di luar kendali organisasi, seperti kondisi cuaca dan kondisi pasar.

Di sinilah agen AI dapat berperan dan menawarkan solusi yang dapat membebaskan sebagian beban pekerja manusia, terutama dalam manajemen pengelompokan, selama masa sulit. Jika, misalnya, cuaca menyebabkan beberapa penundaan pada rute satu pemasok, agen AI dapat mengalihkan rute pengiriman atau menyesuaikan strategi penyediaan sumber secara real-time dengan insight berbasis data. Agen membuat penilaian risiko dengan cepat dan bertindak cepat agar proaktif dan strategis, bukan reaktif.

Alih-alih bereaksi terhadap laporan berita atau mendasarkan keputusan pada data historis, profesional pengadaan dapat menggunakan agen AI untuk membuat keputusan real-time dan tepat dengan insight yang lebih besar—dan diharapkan lebih sedikit kesalahan—untuk pelanggan mereka. Agen dapat membantu mengurangi risiko dengan memantau secara otomatis kondisi pasar, analisis pengeluaran, kinerja pemasok, dan faktor risiko. Ketika mendeteksi masalah, pekerja digital dapat secara otomatis menyesuaikan diri dan mengambil keputusan pengadaan dengan cepat dan intuitif.

Ini merupakan manfaat penting bagi pengadaan dan operasi rantai pasokan karena bergerak cepat dan bertindak strategis menawarkan keunggulan kompetitif. Contoh dari jenis pengambilan keputusan ini adalah agen AI yang dapat melakukan analisis data harga komoditas dan menyarankan penyesuaian pada strategi pengadaan lebih cepat daripada kebanyakan pekerja manusia.

Meskipun tampaknya akan menghilangkan personalisasi pada hubungan pemasok, agen AI sebenarnya dapat memperbaikinya. Hubungan yang dimiliki organisasi dengan pemasoknya sangat penting untuk semua fungsi pengadaan. Agen AI dapat mengelola berbagai tugas rutin seperti orientasi, manajemen inventaris, dan manajemen pengeluaran, untuk menghilangkan sebagian beban pekerja manusia. Hal ini memberi manusia lebih banyak waktu untuk berfokus pada hubungan manusia antara organisasi dan pemasok.

Selain itu, teknologi agen AI dapat memprediksi kebutuhan pemasok dan membuat keputusan penyediaan sumber yang strategis melalui manajemen kontrak dan inventaris. Strategi manajemen yang ditingkatkan ini dapat menghasilkan biaya yang lebih rendah dan alur kerja yang lebih efisien. Mereka juga dapat memprediksi potensi masalah yang mungkin timbul dan menguranginya sebelum eskalasi. Pekerja pengadaan manusia dapat dibebaskan dari berbagai tugas administratif yang ingin mereka hindari dan sebaliknya melakukan pekerjaan yang lebih bernilai.

Salah satu keuntungan umum dari teknologi agen AI adalah sifat proaktif alat ini untuk organisasi. Pendekatan manajemen risiko konvensional akan bersifat reaktif terhadap suatu masalah, sedangkan agen AI menggunakan analitik prediktif untuk mengantisipasi gangguan. Selain itu, agen juga dapat belajar dari insiden tersebut dan merekomendasikan langkah-langkah proaktif yang dapat diambil agar masalah serupa tidak terjadi lagi. Selanjutnya teknologi ini memberikan manfaat pada keuntungan bisnis dan menawarkan peningkatan efisiensi di seluruh organisasi dengan kemampuannya yang otonom dan ringkas.

Agen mengambil data eksternal, antara lain perkiraan cuaca, penutupan pabrik, indikator ekonomi, dan menggabungkannya dengan sumber data internal organisasi untuk membuat keputusan yang tepat dan mengidentifikasi masalah potensial yang mungkin tidak ditangkap oleh tim manusia saja. Optimasi AI pengadaan memerlukan kolaborasi antara tenaga kerja manusia dan AI untuk menyorot masalah dan memitigasi risiko.

Agen AI dapat merampingkan proses pemilihan pemasok dengan menganalisis data historis, metrik kinerja, stabilitas keuangan, dan kondisi pasar. Teknologi agen dapat mengevaluasi pemasok potensial berdasarkan berbagai faktor seperti keandalan, efektivitas biaya, dan kepatuhan terhadap kewajiban kontrak, sehingga membantu tim pengadaan memilih yang paling sesuai dengan kebutuhan mereka. Agen AI juga dapat menandai pemasok yang dapat menimbulkan risiko, seperti ketidakstabilan geopolitik atau keuangan.

Memilih pemasok dan menyelenggarakan kontrak bisa membosankan bagi karyawan pengadaan manusia. Dengan agen AI, tim pengadaan dapat mengelola kontrak dari pemasok dan memastikan semuanya mutakhir dan bahwa semua dokumentasi hukum sudah siap. Hubungan kerja dengan pemasok tidak hanya bergantung pada hubungan di antara manusia, tetapi juga pada sistem backend di mana berbagai hal yang dapat menjadi tidak tertata. Agen dapat mengotomatiskan tinjauan kontrak dan mengidentifikasi potensi risiko dengan kontrak sebelum menyelesaikan apa pun.

Agen AI dapat mengotomatiskan pembuatan, persetujuan, dan pemrosesan pesanan pembelian (PO), sehingga mengurangi upaya manual dan kesalahan. Ketika permintaan dikirimkan, agen AI dapat secara otomatis menghasilkan PO, mengarahkannya melalui alur kerja persetujuan, dan mengirimkannya ke pemasok. Sistem ini juga dapat memverifikasi keakuratan detail pesanan berdasarkan kriteria yang telah ditetapkan sebelumnya, seperti tingkat persediaan atau pola pembelian historis.

Selain itu, agen AI dapat membuat analisis pengeluaran terperinci untuk pola pengeluaran organisasi dan membantu mereka mengidentifikasi area penghematan biaya. Analisis pengeluaran adalah titik data utama bagi organisasi untuk membantu memahami bagaimana uang dibelanjakan dan meningkatkan nilai operasi pengadaan.

Tim pengadaan manusia dahulu mengandalkan data historis dan insight pasar untuk memperkirakan permintaan guna mengelola persediaan dengan akurat. Dengan agen AI, teknologi dapat memprediksi permintaan masa depan untuk produk atau bahan dengan menggunakan metode tradisional ditambah dengan tren musiman dan faktor eksternal lainnya, seperti kondisi pasar dan peristiwa global. Kemampuan prediktif ini memungkinkan bisnis untuk mengelola persediaan dengan lebih efisien, mengurangi kehabisan stok, dan menghindari kelebihan persediaan. Pada akhirnya, kemampuan ini meningkatkan arus kas organisasi dan memastikan bahwa keputusan pengadaan selaras dengan kebutuhan aktual.

Organisasi harus mematuhi standar kepatuhan, yang membutuhkan pemantauan konstan. Agen AI dapat melakukan upaya sulit dan memakan waktu terkait pemantauan kepatuhan dengan terus melacak transaksi dan proses internal. Agen AI dapat memberi peringatan kepada karyawan tentang potensi risiko kepatuhan dan memberikan analisis terperinci mengenai alasan terjadinya peringatan tersebut. Selain itu, semua agen tersebut terus belajar dan beradaptasi dengan berbagai pola baru khusus untuk organisasi yang mereka layani. Agen AI dapat disesuaikan dengan lingkungan regulasi spesifik organisasi dan bertindak sebagai petugas kepatuhan yang sangat dipersonalisasi.

Agen AI pengadaan hanya sebaik data yang diserapnya. Organisasi perlu menyiapkan data historis dan data terkini sebelum menerapkan teknologi agen AI. Mereka memerlukan sistem yang tersedia untuk mengelola dan menyortir data secara terus-menerus, sehingga agen selalu bekerja dengan data yang paling akurat dan terkini.

Organisasi harus menetapkan standar bagi agen AI untuk berinteraksi dan beroperasi. Membuat standar memastikan bahwa agen AI mengikuti seperangkat aturan, proses, dan perilaku konsisten yang memberikan prediktabilitas bagi organisasi. Baik dalam mengelola hubungan dengan pemasok maupun dalam memproses data, standar memberikan keandalan di berbagai konteks yang berbeda.

Memperkenalkan teknologi agen AI ke dalam organisasi dapat secara signifikan mengubah cara karyawan melakukan tugas mereka. Tanpa persiapan yang memadai, karyawan mungkin merasa kewalahan atau menolak teknologi tersebut, yang dapat menghambat penggunaannya secara efektif. Organisasi perlu menyeimbangkan antusiasme terhadap teknologi baru dengan pemahaman bahwa karyawan kemungkinan besar akan merasa khawatir tentang keamanan pekerjaan. Penting untuk menangani kekhawatiran dan mempersiapkan karyawan melalui pelatihan—peningkatan atau penyesuaian keterampilan—serta komunikasi yang jelas.

Teknologi baru seperti agen AI seharusnya tidak diimplementasikan dalam satu langkah luas. Ini harus diperkenalkan secara bertahap dan strategis untuk memungkinkan integrasi yang lebih terkontrol dan risikonya terkelola. Organisasi harus menerapkan tes atau program percontohan untuk proses pengadaan tertentu, menggunakan contoh penggunaan awal di mana agen AI dapat memberikan nilai langsung. Hal ini memungkinkan bisnis untuk mengidentifikasi potensi masalah atau bug sejak dini dan menyempurnakan sistem AI.