Logistik og indkøb består af en lang kæde af opgaver: fra at registrere, at der er behov for noget, til at forhandle med leverandører, til at behandle den faktura, der til sidst kommer ind. Inden for vores taksonomi falder 62 opgaver ind under dette domæne. Ikke alle opgaver er lige velegnede til automatisering. Mønstret bliver tydeligt, så snart man ser på, hvad en opgave kræver: faste regler og struktureret data, eller vurdering, forhandling og ansvar.
De opgaver, der har størst potentiale for fuld overtagelse, har én ting til fælles: de er baseret på sammenlignelig, struktureret information og følger en fast procedure uden mange undtagelser.
Kontrol af ordrebekræftelse er et godt eksempel på dette. At sammenligne en ordrebekræftelse med den oprindelige bestilling på pris, antal og leveringstid er et spørgsmål om at holde data op mod hinanden. Der er ingen forhandling, ingen risikovurdering, kun en kontrol af afvigelser.
Også overvågning og opfølgning af bestillingsstatus falder i denne kategori. Systematisk at følge åbne ordrer og automatisk følge op hos leverandører, når en leveringstid er i fare, er repetitivt arbejde, der bygger på data og faste triggere.
Behandling af indkøbsfakturaer, i sin kerne matchning af faktura, bestilling og modtagelsesbevis, er også let at automatisere, så længe de tre dokumenter stemmer overens. Grunden til, at disse opgaver kan overdrages, er altid den samme: beslutningsrummet er lille, og inputtet er struktureret.
En større gruppe opgaver kombinerer en del, som AI kan forberede godt, med en del, hvor et menneske skal vurdere, godkende eller afvise. Dette skyldes ikke, at teknologien er utilstrækkelig, men fordi resultatet kræver en vurdering, der ligger uden for data.
Indhentning og sammenligning af tilbud er et tydeligt eksempel her. AI kan uden problemer sammenholde priser, betingelser og leveringstider og fremsætte et forslag. Men det endelige valg vejer ofte også blødere faktorer ind, såsom relationen til en leverandør eller strategiske overvejelser, og det kræver et menneske, der godkender eller afviser anbefalingen med begrundelse.
Vurdering af leverandørpræstationer falder i samme kategori. At samle og opsummere data om leveringstid, kvalitet og klager kan udmærket automatiseres. Bedømmelsen af, hvad det betyder for relationen, og om der er behov for handling, forbliver hos et menneske.
Undersøgelse af prisafvigelser kan for det meste automatiseres, når det gælder opsporing og forsortering, men den faktiske løsning med leverandøren kræver ofte en samtale og en vurdering, som AI ikke kan afslutte på egen hånd.
Ved opgaver i denne kategori er det ekstra vigtigt at fastlægge på forhånd, hvem der giver godkendelsen og på hvilket grundlag, især når det handler om automatiseret vurdering af leverandører eller præstationer. Det knytter sig til den måde, hvorpå højrisiko-AI på arbejdspladsen anvendes, og det er godt at vide, at der gælder egne lovkrav for dette.
En tredje gruppe opgaver forbliver, med den nuværende stand af teknologien, menneskeligt arbejde. Dette er opgaver, hvor forhandling, relationsstyring og ansvar for et langvarigt samarbejde står centralt.
Valg af leverandør er det klareste eksempel her. Valget af en leverandør til en større opgave eller en langvarig kontrakt vejer pris og kvalitet, men også tillid, strategisk afhængighed og villigheden til at bevæge sig med ved fremtidige problemer. Det er en beslutning med konsekvenser, der går videre end, hvad der kan fastlægges i data.
Forhandling af indkøbspriser forbliver ligeledes menneskeligt arbejde. Forhandling er en dynamisk proces, hvor tone, timing og gensidig forståelse af interesser spiller en rolle. Det kan ikke indfanges i et fast script.
Også udarbejdelse af en indkøbskontrakt kræver, selvom dele af det kan understøttes med standardklausuler, til sidst en jurist eller indkøber, der overskuer risiciene for den egen organisation og bærer ansvaret for de aftaler, der kommer på papir.
Det samlede billede af disse 62 opgaver viser, at den administrative og kontrollerende del af logistikkæden har størst potentiale for overtagelse af AI, at vurderende arbejde ofte kræver en mellemform med tilsyn, og at alt, hvad der handler om at forhandle, vælge eller tage ansvar, forbliver hos et menneske. Det er ikke en fast procentdel pr. afdeling; det afhænger af, hvordan Deres indkøbsproces er indrettet, hvor mange leverandører De har, og hvor standardiseret Deres kontrakter allerede er.
Når De overvejer at fordele opgaver anderledes mellem menneske og AI, er det relevant at undersøge hvornår samarbejdsudvalget skal involveres, især hvis ændringen har konsekvenser for funktioner eller arbejdsmetoder i afdelingen. Også den måde, hvorpå leverandørdata og personoplysninger om kontaktpersoner behandles, knytter sig til GDPR ved automatisering af opgaver. Denne artikel beskriver, hvilket arbejde der er egnet til automatisering; den er ikke en begrundelse for beslutninger om personale, og den erstatter ikke egen juridisk vurdering.
Logistik og indkøb står desuden ikke isoleret fra andre afdelinger: den, der overvåger lagerniveauer og leveringstider, arbejder ofte tæt sammen med planlægning, og det kan derfor være klargørende også at læse hvilket arbejde kan AI overtage inden for planlægning.
Dette overblik viser mønstret, men hver organisation har sin egen kombination af opgaver, systemer og leverandører. Vil De vide, hvordan dette udfolder sig for Deres egen situation, kan De udfylde den gratis quickscan fra ftetoai: tolv spørgsmål, uden konto, som giver en indikation af, hvor stor en del af timerne i Deres profil, der i dag kan overtages af AI. En mere omfattende arbejdsscan, der går dybere ned på opgaveniveau, er stadig under udvikling; den findes ikke på nuværende tidspunkt, og vi foretrækker at melde det ærligt, frem for at tilbyde den, som var den klar.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.