The AI-native Procurement Operating Model

L'approvisionnement a connu un afflux massif de solutions technologiques d'approvisionnement, grandes et petites, allant de l'ERP au P2P, en passant par l'approvisionnement, la passation de contrats, la gestion des fournisseurs, l'analyse des dépenses, la gestion des risques et la gestion des catégories. Mais l'effervescence technologique à elle seule n'a pas permis d'obtenir des résultats fondamentalement différents au cours des 30 dernières années.

Chaque vague technologique a généré de la valeur dans les poches, mais la transformation plus générale a rarement suivi. Non pas parce que la technologie a échoué, mais parce que les organisations ont continué à la déployer dans des modèles opérationnels qui n'ont jamais changé. Les processus sont restés les mêmes. Les méthodes de travail sont restées les mêmes. La technologie s'est superposée et la fonction l'a absorbée sans changer fondamentalement.

L'IA est la prochaine vague technologique, qui promet de repenser les flux de travail, d'identifier des opportunités d'économies, d'améliorer les décisions et d'automatiser les processus. Mais le risque de répéter la même erreur est réel. Pour tirer le meilleur parti de cas d'utilisation tels que l'analyse des données, la gestion des demandes, l'approvisionnement et les négociations autonomes, vous devrez modifier votre mode de fonctionnement afin de tirer parti des fonctionnalités de cette nouvelle technologie.

Trois erreurs à éviter lors de la mise en œuvre de l'IA dans les achats

Malheureusement, la plupart des fonctions achats qui font leurs premiers pas avec l'IA tombent dans au moins l'un des pièges suivants :

• Exécuter des projets pilotes isolés sans avoir une vision claire des changements organisationnels nécessaires à leur mise à l'échelle.
• Traiter l'IA comme un complément plutôt que comme une raison de repenser complètement les processus existants.
• En supposant que le modèle opérationnel puisse évoluer progressivement, alors que le rythme de développement de l'IA exige quelque chose de beaucoup plus délibéré.

Il ne s'agit pas simplement de modifier l'organigramme. Il s'agit d'une refonte globale de la façon dont la stratégie, les processus, la technologie et les personnes travaillent ensemble, dans cet ordre précis. La stratégie définit la vision. Les processus définissent quoi et comment le travail est effectué. La technologie, et plus particulièrement l'IA, permet l'exécution. Ce n'est qu'alors que vous pourrez déterminer les emplois que les personnes doivent occuper et les compétences requises pour les exercer.

Le modèle opérationnel est celui où l'ambition en matière d'IA est gagnée ou perdue

Le degré d'intégration de l'IA dans une fonction achats reflète essentiellement la manière dont le modèle opérationnel des achats a été délibérément conçu en fonction de celle-ci. Nous explorons cette question en détail dans notre nouveau livre blanc : Conception d'un modèle d'exploitation natif de l'IA, développé en partenariat avec Future Purchasing.

Le livre blanc définit trois niveaux distincts d'intégration entre le modèle opérationnel et l'IA, chacun représentant une relation fondamentalement différente entre l'IA et le fonctionnement des achats.

Un Modèle d'exploitation compatible avec l'IA rend les outils d'IA disponibles au sein de la pile existante. Les équipes peuvent y accéder en cas de besoin, mais le modèle opérationnel lui-même reste inchangé. L'IA sert de couche de soutien et non de catalyseur de conception.

Un Modèle alimenté par l'IA va plus loin en intégrant l'IA dans des flux de travail spécifiques afin d'automatiser les tâches et d'accélérer les décisions. Il s'agit d'une avancée significative, mais dans laquelle le modèle opérationnel sous-jacent reste largement intact.

Un Modèle d'exploitation natif de l'IA est quelque chose de fondamentalement différent : la stratégie, les processus, la technologie et les modèles d'organisation sont tous conçus à partir de zéro autour de l'IA. capabilities.AI ne prend pas en charge le modèle d'exploitation, il le définit.

L'objectif de la transformation n'est pas de superposer l'IA aux achats. C'est pourquoi les organisations qui mettent fin à l'utilisation de l'ATAI ou de l'IA font en fait ce qu'elles ont toujours fait, simplement avec des outils plus puissants. Une véritable transformation nécessite une approche native de l'IA : une approche dans laquelle les achats sont conçus autour de l'IA, et non l'inverse.

Ce qu'implique réellement la refonte

Un modèle opérationnel natif de l'IA touche toutes les dimensions du fonctionnement des achats. C'est précisément pourquoi il nécessite une approche structurée plutôt qu'une série d'investissements ponctuels. Dans notre livre blanc, nous répartissons cela selon les six dimensions du modèle opérationnel : stratégie, engagement commercial, processus et boîtes à outils, données et technologie, structure organisationnelle, capacités et état d'esprit.

Chaque dimension est distincte, mais aucune ne peut être repensée isolément. Les changements se répercutent sur les autres. Les processus que vous concevez déterminent la technologie dont vous avez besoin. La technologie que vous sélectionnez façonne les rôles requis. Les rôles que vous définissez déterminent les capacités que vous devez développer. Un seul cas d'utilisation de l'IA n'entraînera pas de changement significatif. C'est la cohérence entre toutes les dimensions qui permet de libérer tout le potentiel de l'IA.

Pourquoi l'intégration est ce qui en fait une réalité

La création d'un modèle d'exploitation natif de l'IA n'est pas une refonte ponctuelle. À mesure que les capacités de l'IA évoluent, la frontière entre le travail humain et le travail automatisé ne cesse de changer, et le modèle opérationnel doit suivre le rythme. Cela signifie que la technologie que vous choisissez ne peut pas simplement vous aider dans votre situation actuelle. Il doit être adapté à vos ambitions au fur et à mesure qu'elles grandissent.

C'est là que la plupart des technologies d'approvisionnement sont insuffisantes. Conçues comme un ensemble de solutions ponctuelles (analyse des dépenses dans un système, approvisionnement dans un autre, gestion des fournisseurs dans un troisième), elles apportent de la valeur de manière isolée mais créent une fragmentation qui nécessite une orchestration des processus en plus. À mesure que le modèle opérationnel évolue et que l'IA prend en charge une plus grande partie de la couche d'exécution, les outils déconnectés deviennent un plafond plutôt qu'une base. Les informations sont intégrées dans des tableaux de bord au lieu de prendre des décisions. L'exécution se concentre sur des étapes de processus isolées plutôt que sur des processus de bout en bout. Le modèle d'exploitation dépasse la technologie qui le maintient.

Une plateforme native de l'IA supprime ce plafond. Lorsque les données, les flux de travail et la logique de l'IA sont connectés à l'ensemble du processus d'approvisionnement, la stratégie peut être automatiquement exécutée et la valeur du système augmente à chaque transaction. Plus important encore, cela donne aux achats la flexibilité nécessaire pour continuer à itérer le modèle, en élargissant le champ d'action des agents, en modifiant les priorités humaines et en augmentant continuellement le niveau d'ambition, sans avoir à reconstruire les bases technologiques sous-jacentes.

C'est la différence entre les outils qui prennent en charge votre modèle d'exploitation actuel et une plateforme partenaire qui évolue avec vous au fil du temps.

Procure Ai : la plateforme d'automatisation des achats native de l'IA

Procure Ai est une plateforme d'automatisation des achats native de l'IA avec des agents autonomes spécialement conçus pour les achats. Une couche de données et un moteur de flux de travail partagés connectent les modules et orchestrent les processus entre les différentes solutions technologiques. Ainsi, la stratégie peut être exécutée automatiquement et chaque transaction bénéficie de l'intelligence intégrée au système.