كيف يتم استخدام نماذج الذكاء الاصطناعي ذات اللغات الكبيرة من قبل فرق المشتريات؟
يفحص Ritesh Kumar ، مدير المشتريات وذكاء سلسلة التوريد في The Smart Cube ، التردد في تبني نماذج الذكاء الاصطناعي ذات اللغات الكبيرة والفوائد التي يمكن أن تجلبها إلى مكان العمل.
على مدى الأشهر الستة الماضية، أصبح نشر نماذج اللغات الكبيرة (LLMs) أكثر انتشارًا عبر مجموعة من الصناعات. من الخدمات المالية والاتصالات إلى الرعاية الصحية والإعلام، يتم استخدام LLMs لتطوير وتحسين أدوات جديدة للذكاء الاصطناعي (AI) قادرة على التعامل مع الاستفسارات المعقدة في العمليات التجارية.
نظرًا لأن المزيد من الشركات تدرك فوائد استخدام LLM لأتمتة عمليات العمل، فمن المرجح أن يزداد الطلب على حلول الذكاء الاصطناعي التوليدية.
ومع ذلك، كانت فرق المشتريات عبر الصناعات مترددة في اعتماد نماذج ذكاء اصطناعي لغة كبيرة في عملياتها الرئيسية. ويرجع ذلك إلى مخاوف تتراوح بين عدم وجود حالات استخدام شراء ثابتة، وتكاليف تشغيل وصيانة عالية، ومخاوف تتعلق بالأمان والخصوصية بشأن نشر البيانات والوصول إليها، أو نقص فهم LLM للسياق، مما قد يجعل أدوات الذكاء الاصطناعي غير موثوقة لاتخاذ قرار استراتيجي تحضير.
ومع ذلك، فإن المنظمات تعتمد بشكل متزايد على الذكاء الاصطناعي التوليدي. في الواقع، أفاد استطلاع أجراه الكاتب في أبريل 2023 أن شركة واحدة من كل خمس شركات تقريبًا تستخدم خمسة أو أكثر من أدوات الذكاء الاصطناعي التوليدية – كما بدأت فرق المشتريات الخاصة بهم في الاستثمار في الحلول الرقمية المتقدمة.
أشارت دراسة استقصائية أمريكية حديثة أجرتها Arize AI (مزود منصة مراقبة التعلم الآلي) أيضًا إلى أن أكثر من نصف المستجيبين كانوا يتطلعون إلى استخدام تطبيقات LLM في الأشهر الـ 12 المقبلة – لذا، فإن الفرصة المهمة واضحة.
استخدام نماذج الذكاء الاصطناعي ذات اللغة الكبيرة من قبل فرق المشتريات
في حين أن استخدام أدوات اللغة الكبيرة في وظيفة الشراء ليس شائعًا كما هو الحال في مجالات أخرى، مثل إنشاء المحتوى والتسويق، فقد بدأت الشركات في استخدام أدوات معالجة اللغة الطبيعية (NLP)، مثل روبوتات المحادثة والمساعدين الافتراضيين. يتم تشغيلها بواسطة LLMs للمساعدة في مهام الشراء من أجل تبسيط العمليات وخفض التكاليف واتخاذ قرارات مستنيرة بشكل أفضل.
إحدى وظائف المشتريات التي تستخدم الشركات LLMs للمساعدة فيها هي اختيار البائعين. تساعد هذه النماذج فرق المشتريات على تحليل معلومات البائعين وتحديد البائعين الأنسب لمؤسستهم. يعتمد هذا على عوامل تشمل السعر والجودة وأوقات التسليم.
بالإضافة إلى ذلك، يمكن لمحترفي المشتريات استخدام أدوات LLM لتحليل بيانات الإنفاق من أجل تحديد الاتجاهات والأنماط. على سبيل المثال، استخدمت شركة GlaxoSmithKline منصة IBM Watson لتحليل بيانات المشتريات عبر عملياتها العالمية.
وقد ساعد ذلك الشركة على تحديد الفرص للتفاوض على صفقات أفضل مع الموردين وتحسين عمليات الشراء، مما أدى إلى توفير كبير في التكاليف.
علاوة على ذلك، يمكن أن تساعد الأدوات اللغوية الكبيرة المتخصصين في المشتريات على إدارة علاقات الموردين بشكل أكثر فاعلية – تحليل البيانات وتقديم رؤى حول أداء الموردين، مثل جودة البضائع وأوقات التسليم والاستجابة لاحتياجات العملاء.
على سبيل المثال، تستخدم أمازون نموذج البرمجة اللغوية العصبية لتحديد الأنماط في شكاوى العملاء، مثل تأخير التسليم أو عيوب المنتج، مما ينبه فريق المشتريات في أمازون. يمكن للفريق بعد ذلك اتخاذ إجراء مع المورد.
هناك العديد من حالات الاستخدام الإضافية التي يتم استكشافها بشكل متزايد من قبل فرق المشتريات. على سبيل المثال، تُستخدم هذه الأدوات لتبسيط سلاسل التوريد من خلال الاستفادة من نمذجة السيناريو، وإنشاء تنبؤات دقيقة للطلب من خلال الاستفادة من بيانات التدريب التاريخية، وتحسين مستويات المخزون عن طريق تغذية بيانات التدريب الغنية بأنماط الطلب أو الموسمية.
تتضمن حالات الاستخدام الإضافية إجراء تقييم شامل للمخاطر للمساعدة في اتخاذ قرارات الشراء المحسنة، بالإضافة إلى استخدام هذه الأدوات لتصنيف الإنفاق وتحليل أكثر دقة لدفع عملية اتخاذ القرار الاستراتيجي.
الدوافع وراء استخدام المنظمات لأدوات LLM
أحد العوامل الرئيسية وراء استخدام المؤسسات لأدوات LLM في المشتريات هو أنه يحسن الكفاءة. يمكن أن تساعد أدوات الذكاء الاصطناعي في أتمتة المهام اليدوية مثل إدخال البيانات وتحليلها. يمكن أن يوفر ذلك لمتخصصي المشتريات قدرًا كبيرًا من الوقت ويسمح لهم بالتركيز على المزيد من المهام الاستراتيجية.
في مكان آخر، يمكن لأدوات LLM دعم اتخاذ القرار. باستخدام الذكاء الاصطناعي لتحليل كميات كبيرة من البيانات، يمكن لمحترفي المشتريات اكتساب رؤى حول اتجاهات السوق وأداء الموردين والعوامل الرئيسية الأخرى التي يمكن أن تساعد في اتخاذ قرارات الشراء.
بالإضافة إلى ذلك، يمكن أن تساعد أدوات الذكاء الاصطناعي في تحديد المخاطر المحتملة مثل الاحتيال على الموردين وعدم الامتثال للعقود واضطرابات سلسلة التوريد، مما يسمح لأخصائيي المشتريات باتخاذ تدابير استباقية للتخفيف من هذه المخاطر، بالإضافة إلى تعزيز العلاقات مع الموردين وتحديد فرص توفير التكاليف.
علاوة على ذلك، يمكن أن تساعد LLM في تحديد فرص توفير التكاليف، مثل تحديد الموردين بأسعار أقل والتفاوض على عقود أفضل وتقليل الهدر.
مخاوف بين المتخصصين في المشتريات
حاليًا، هناك العديد من العوائق التي تحول دون الاعتماد الواسع النطاق لنماذج الذكاء الاصطناعي اللغوية الكبيرة. هذا لأن الذكاء الاصطناعي لا يزال في مرحلة التطوير.
من بين الاهتمامات الحالية الرئيسية التي تراود فرق المشتريات فيما يتعلق باعتماد نماذج الذكاء الاصطناعي ذات اللغات الكبيرة، أن الدقة ليست مضمونة دائمًا. يمكن أن يولدوا معلومات مضللة ومتحيزة أو يرتكبون أخطاء في العقود أو المفاوضات أو غيرها من الوثائق الهامة.
يعتمد ناتج أي نموذج ذكاء اصطناعي توليدي على المطالبة التي يقدمها المستخدم. قد تؤدي المطالبة المضللة إلى نتائج غير دقيقة. لذلك، هناك حاجة إلى اختبار وتدريب مكثفين للحصول على مخرجات عالية الجودة.
علاوة على ذلك، لدى محترفي المشتريات أيضًا مخاوف أمنية فيما يتعلق بنماذج الذكاء الاصطناعي ذات اللغات الكبيرة. يمكن أن تكون أنظمة الذكاء الاصطناعي عرضة للهجمات الإلكترونية، مما قد يعرض بيانات المشتريات الحساسة للمؤسسة لخطر الاختراق.
تم تصميم أدوات مثل ChatGPT بدون أي أطر حوكمة خصوصية مؤسسية حقيقية، مما يجعل من الصعب على الشركات الاستفادة من هذه النماذج في روبوتات المحادثة الخاصة بهم.
بالإضافة إلى ذلك، يتردد بعض المتخصصين في المشتريات في تبني أدوات لغوية كبيرة لأن أدوات LLM تفتقر إلى الفهم السياقي وقدرات صنع القرار التي يمتلكها البشر.
يحتاج محترفو المشتريات إلى النظر في عوامل مثل علاقات الموردين الحالية، ومفاوضات التسعير، وشروط العقد أو أي قوى خارجية أخرى تؤثر على التوريد في وقت التفاوض على العقود. تتطلب هذه العوامل الحكم والخبرة البشرية، والتي لا يمكن تكرارها بالكامل بواسطة نظام الذكاء الاصطناعي.
على سبيل المثال، قد يرفض نظام الذكاء الاصطناعي موردًا لا يفي بمعاييره الصارمة في مجال واحد، بينما يتجاهل موثوقية المورد بشكل عام.
ومع ذلك، لا ينبغي أن يثبط هذا استخدام نماذج الذكاء الاصطناعي ذات اللغات الكبيرة في المشتريات. بدلاً من ذلك، يجب أن تفكر فرق المشتريات في استخدام الذكاء الاصطناعي والذكاء البشري (HI) جنبًا إلى جنب مع بعضهما البعض.
على سبيل المثال، يمكن للمشتري إنشاء فريق من الخبراء لمراجعة مخرجات الذكاء الاصطناعي التوليدية أو التدخل في عملية الذكاء الاصطناعي التوليدية عند الضرورة، وإضافة رؤى سياقية قيّمة وحكمًا.
الجمع بين AI وHI
عندما يتعلق الأمر بوظائف الشراء للمعاملات (P2P) مثل الفواتير وإدارة العقود وعمليات الدفع، فهناك مجال كبير لهذه الأنشطة التي يتعين على منظمة العفو الدولية القيام بها، لأنها متكررة.
ومع ذلك، فيما يتعلق بالمهام الأكثر إستراتيجية – مثل تطوير إستراتيجية الفئات، وجمع متطلبات العمل، وإدارة الموردين – يجب استخدام الذكاء الاصطناعي للمساعدة في اتخاذ القرارات البشرية وتسريعها، بدلاً من استبدالها.
إذا تم تسخير الذكاء الاصطناعي بشكل صحيح، فسيكون اختصاصيو المشتريات قادرين على قضاء قدر أكبر من الوقت في التركيز على المهام التي لا يمكن أتمتتها والتي تتطلب شكلاً من أشكال الذكاء العاطفي والذكاء العالي. سيتمكن الأفراد من تحويل انتباههم نحو تعزيز العلاقات مع أصحاب المصلحة والموردين، وتطوير هذه الروابط الحيوية.
التكنولوجيا ليست موجودة لتحل محل البشر – فهي تهدف إلى إتاحة المزيد من الوقت لنا للقيام بوظائفنا بشكل أفضل. على هذا النحو، فإن النهج الأمثل تجاه الذكاء الاصطناعي سيكون حول اكتشاف أفضل حالات الاستخدام له جنبًا إلى جنب مع HI – في السياقات المحددة للمؤسسة – ثم تحقيق التوازن الصحيح بين الزوجين لتحقيق أفضل أهداف العمل.
المصدر: innovationnewsnetwork
قد يهمك:
