Visart/Adobe股票
上周标记了50Th斯坦利·库布里克（Stanley Kubrik）的“ 2001年：太空漫游”周年纪念日。中的一个很棒的场景在这部具有里程碑意义的电影中，宇航员戴夫·鲍曼（Dave Bowman）和弗兰克·普尔（Frank Poole）“私下”聊天，即关闭基于人工智能的控制系统HAL 9000 HAL 9000。不幸的是，HAL的视觉系统能够通过一个小窗户阅读Dave的嘴唇，并了解船员的意图。为了保护自己，并因此，HAL着手杀死宇航员。
尽管HAL试图击退Bowman和Poole的复杂自动推理远远超出了当前的AI实现，但机器学习的特定领域应用已变得非常真实。例如，基于AI的唇读者有刚刚超过人类，“ 1984” - 阶级面部识别正在将“少数族裔报告”带到中国街道最好的社会工程学。
虽然很容易嘲笑围绕AI的炒作，但了解其组件并弄清楚企业可以在哪里实际应用该技术也很重要。
例如，大约20年前，围绕基于Web的谈判代理人进行了许多炒作，他们声称他们不仅会搜寻网络以识别供应物，而且还代表您选择并与新合作伙伴进行谈判。显然，那没有淘汰。今天很容易将这种幻想幻灭到技术评估中，即使像聊天机器人这样的工具也开始使您想起那令人讨厌的Microsoft Paperclip：
除了开玩笑之外，如果您分解了战略采购中使用的各种流程，那么在许多领域，可以通过增加疗效来部署AI。我试图向商业人士强调的一件事是不要太挂在AI一词和构成“真正的AI”一词上。换句话说，所讨论的技术是否仅包括无监督的机器学习？即使简单化和狭窄，它也会使用任何机器学习吗？它可以包括使用语义建模和规则基础的“专家系统”？AI俱乐部是否允许组合优化？
当我在我的话题中谈论这个话题时最后一篇文章，我通过在分析的背景下构建AI功能来提出我的观点。当您提高分析价值演变时，您可以看到AI如何支持战略采购过程中的分析：
- 描述性分析以将数据转化为信息。发生了什么？谁花了多少钱？AI如何帮助我自动分类我的大量数据集，这些消费数据集中在我的首选支出分类学结构中？
- 诊断分析以将信息转化为向后看的见解。为什么会发生这种情况？是什么推动原材料价格上涨？价值泄漏在哪里发生？基于机器学习的诊断如何在数据中找到模式，以帮助我查明流程中的根本原因？
- 预测分析将信息转化为前瞻性见解。哪些合同条款可能会给我带来最大的业务风险？我如何实际预测供应商破产等输出？我如何才能更准确地预测上游商品价格来进行专业形式的产品盈利能力计划，然后推动战略采购方案？我该如何通过似乎没有苹果到苹果比较的复杂服务进行价格预测和基准测试？机器学习如何支持这些方案？
- 规定性分析以将见解转化为行动。我最适合特定要求的最佳策略是什么？我应该拍卖它，我应该使用哪种格式？我应该如何建造我的市场篮？我应该运行什么方案？如何最大程度地减少风险和储蓄权衡？
- 认知分析学会解释和推理预测和处方是否有效的原因，然后开发出新的模型以增加证明的智力。系统可以分析我即将举行的招标活动吗？问我有关它的问题；建议RFI问题收集可以帮助我预测招标行为的数据；决定最佳竞标策略；然后根据供应商的反馈来完善任何随后的竞标回合？强化学习，游戏理论和行为心理学是否可以应用于可以代表我采取奖励行动的软件代理/机器人？
当您向上移动分析价值堆栈时，您开始使用较大且更复杂的数据模型，更复杂的算法和更多数据来供养系统，从而创建更高级别的抽象，以便该算法可以从数据本身中学习以改进The results and even uncover opportunities you hadn’t even thought of.
如果使用AI功能的分析可以帮助您将分析从头部和软件中卸载，那么您可以在此堆栈中从较低层中解脱出来，以解决其他问题。对于从价值链中挤出基本价值的更复杂的公司，您需要开始更深入地寻找机会。而且，如果您想挑选高空的水果，则需要停止爬树并开始使用一些自动化。
在完成支出分析和内部需求分析的一些基本工作之后，真正的战略采购本质上是“外部”分析练习。AI在该市场中令人兴奋的方面是所有基于云的工具，这些工具正在磨练特定问题，然后利用数十家或数百家公司的力量来训练这些系统，以带来更深层次的见解和分析马力以识别机会（即，您在N步骤采购过程中可能要实现的机会识别步骤）。
上面概述的分析成熟度级别为AI如何帮助分析师（对不起，“数据科学家”）提供了一些瞥见，从采购，从支出分析，市场智能到市场智能，到冒险分析，到采购事件设计和分析，再到实现事件设计和分析，再到。价格预测，高级合同分析，以采购分析和其他用例。
讨论这一点：