我们的上一篇文章讲述了人工智能的故事今天的优化，或者，更准确地说，今天的优化缺少AI。
尽管以最基本形式的“辅助智能”的人工智能在许多现代采购和采购平台上都很容易获得，正如我们之前的简报所证明的那样(人工智能在采购和人工智能在采购)，它还没有进入优化阶段。最先进的平台仅限于简单的约束创建、数据验证和硬约束检测(如Coupa)，或者简单的数据填充、基于向导的场景创建(使用标准模型模板)，以及自动化(如Keelvar)。在前一种情况下，基本的统计算法可以在一些现代机器学习技术的核心找到(但并不完全存在)，而在后一种情况下，机器人过程自动化(RPA)只不过是一个自动化的、手动定义的工作流。
但这并不意味着AI明天就不会进入优化阶段。虽然目前市场上的供应商可能不会这样做(每个供应商都有不同的原因)，但这并不意味着下一个将优化解决方案带到市场上的供应商不会从其前辈的疏忽中吸取教训，并带来一些明显的进步特别是当某些供应商发布带有开放API的平台，以支持类似英特尔内部的模型时，供应商或AI供应商可以建立在领先的优化基础上，提供真正不同的东西。
这些微分器是什么呢?我们会讲到的，但首先让我们回顾一下前提。
简单地说，在传统意义上的缩写，没有人工智能，或人工智能，在任何来源支付应用程序，今天没有人工智能在任何企业软件。算法一天比一天先进，他们可以训练的数据集一天比一天更大，预测和计算一天比一天更准确——但这只是计算。就像你的老式惠普计算器一样，计算机仍然像门把手一样笨，尽管它们的计算速度可以快一百万倍。
然而，由于对这个术语的定义较弱，我们今天的平台上有人工智能的元素。辅助智能能力开始在最优秀的应用程序和平台中变得普遍，“增强智能”能力也开始针对基于积分的问题进入市场。例如，未来的采购技术将自动地、无形地为你采购，自动地检测机会，甚至识别新兴的类别。
但如果人工智能要扎根，它必须在所有地方扎根，包括采购优化。那么明天我们会看到什么呢?
让我们回过头来回顾一下优化的作用。它需要一组成本、约束条件和目标，然后确定一个奖励方案，该方案根据所提供的约束条件和成本使目标最大化。那么人工智能能在哪里提供帮助呢?