2016年底奧巴馬的科學和經(jīng)濟顧問發(fā)布了一份關(guān)于人工智能的報告指出20年后人工智能可能威脅美國47%工作崗位。麥肯錫發(fā)布的《人工智能-下一個數(shù)字前沿》中也指出“60%職業(yè)中，至少30%的工作內(nèi)容將會被基于人工智能的自動化替代”。在金融行業(yè)，由于人工智能而導(dǎo)致的裁員已經(jīng)是全行業(yè)趨勢。2017年3月，位于紐約的美國全球投資管理公司——貝萊德(BlackRock)宣布將裁掉40個工作崗位，用人工智能的電腦化股票交易算法，取代部分人力投資組合經(jīng)理。

　　這股洪流無疑會影響公司運營的各個職能，采購職能當然不能例外。但細化到不同的采購品類和不同的采購工作內(nèi)容，受到?jīng)_擊的程度是完全不同的。在未來10-15年，高頻采購交易將會大規(guī)模被自動化替代;依托人工智能的推薦方案，采購決策的的效率和合理性將大幅提升。

　　間接材料采購將會消失

　　即便沒有人工智能的影響，間接材料的戰(zhàn)略采購和運營采購的職位也會大幅度減少。企業(yè)對間接材料的采購行為在向消費者市場的采購行為演變-“去中介化，需求者在購物平臺上直接下單購買”。平臺方將承擔這些物料的戰(zhàn)略采購工作，包括供應(yīng)商選擇和合同談判(留意一下各大購物平臺招聘的采購職位);而需求者就像在淘寶、京東上買東西一樣便捷，不需要任何運營采購人員的介入。采購交易的細節(jié)會和企業(yè)的內(nèi)部系統(tǒng)(如ERP)同步。

　　與此同時，集成知識圖譜的深度學習推薦算法在推薦效果上將逐步替代傳統(tǒng)的協(xié)同過濾推薦模型，進一步提升需求者的采購體驗和平臺的服務(wù)水平。來自不同行業(yè)、不同規(guī)模和不同采購標準的企業(yè)需求人員在平臺上看到的供應(yīng)企業(yè)、產(chǎn)品標準和質(zhì)量、產(chǎn)品價格都是不同的，實現(xiàn)按照具體企業(yè)定制的智能推薦方案。

　　京東企業(yè)購搭建的企業(yè)級電商化采購平臺，將原本繁瑣的采購工作簡單化、信息化、透明化。截止2016年底，京東平臺現(xiàn)有活躍企業(yè)客戶數(shù)超600萬家。

　　運營采購大幅度自動化

　　從技術(shù)角度看，直接材料的運營采購自動化在20年前就已經(jīng)解決。將產(chǎn)品需求計劃通過MRP(物料需求計劃)分解為采購需求，自動轉(zhuǎn)換為采購訂單，通過EDI / WEB EDI / ROSSETNET與供應(yīng)商和物流服務(wù)商交換物料需求預(yù)測、采購訂單、采購訂單確認、物流信息和付款的數(shù)據(jù)。運營采購自動化這么多年沒有大規(guī)模落地固然有客戶認可、使用成本等多方面原因，但根本原因是由于產(chǎn)品預(yù)測的準確度低造成采購訂單頻繁提前、推遲或取消的采購效率低下遠遠超過采購自動化帶來的效率提升。運營采購的日常工作中，20%的時間在處理采購訂單，80%的時間在和計劃管理、供應(yīng)商和物流商溝通協(xié)調(diào)發(fā)貨的安排。

　　隨著消費渠道去中介化的發(fā)展和人工智能技術(shù)對客戶需求數(shù)據(jù)的挖掘、分析和提煉，供應(yīng)鏈的牛鞭效應(yīng)將會大幅度改善。一方面，使用人工智能精準預(yù)測客戶需求;另一方面，當企業(yè)與供應(yīng)方的系統(tǒng)數(shù)據(jù)實時聯(lián)通后，人工智能技術(shù)可以分析供應(yīng)方的產(chǎn)能利用率和瓶頸環(huán)節(jié)，企業(yè)可以平衡供應(yīng)鏈供需關(guān)系并實時優(yōu)化庫存，同時實現(xiàn)完全自動化采購和訂單處理。而傳統(tǒng)的ERP廠商如SAP已經(jīng)在這個領(lǐng)域布局。

　　德國在線零售商Otto通過人工智能程序，對未來30天內(nèi)公司將銷售產(chǎn)品的預(yù)測準確率達到90%。 預(yù)測非?？煽?，Otto現(xiàn)在可以根據(jù)人工智能預(yù)測的訂單構(gòu)建庫存，從而能夠大幅提升物品交付給客戶的周期。Otto對這項技術(shù)非常有信心，每個月系統(tǒng)自動從不同廠商訂購20萬件物品。

　　SAP Leonardo包含了目前在市場上面耳熟能詳?shù)男录夹g(shù)，包括物聯(lián)網(wǎng)、大數(shù)據(jù)、機器學習、區(qū)塊鏈、數(shù)據(jù)智能、商務(wù)分析等。

　　SAP在物聯(lián)網(wǎng)的平臺提供了物聯(lián)網(wǎng)邊緣計算產(chǎn)品，包括流處理、持久化，以及物聯(lián)網(wǎng)的基礎(chǔ)平臺，包括業(yè)務(wù)交易、預(yù)測與機器學習，分析等。

　　SAP提供了云端制造解決方案。從底層的車間設(shè)備執(zhí)行，包括設(shè)備的綜合效率管理、生產(chǎn)設(shè)備的故障分析，到工程機械出廠之后的實時監(jiān)控和對車間的制造數(shù)據(jù)分析，實現(xiàn)工廠的數(shù)字化轉(zhuǎn)型。

　　戰(zhàn)略采購走向智能化

　　戰(zhàn)略采購包含尋篩、審核、詢價和合同等環(huán)節(jié)，其中尋篩和詢價這兩個環(huán)節(jié)尤為重要?；诖怪毙袠I(yè)知識圖譜的智能經(jīng)紀人(Virtual Agent)和機器學習未來將深度介入直接材料和項目采購的這兩個環(huán)節(jié)，將戰(zhàn)略采購?fù)葡蛑悄芑?。具體表現(xiàn)為基于知識圖譜的智能尋源和人工智能驅(qū)動的商業(yè)談判算法。

　　智能尋源

　　企業(yè)會投入大量的資源去尋篩潛在合格的供應(yīng)企業(yè)。采購圈有一句話叫“談得好不如選得好“，尋篩的重要性可見一斑。傳統(tǒng)的方式是通過線下專業(yè)展覽會、圈中熟人介紹、收索引擎(谷歌、百度)或撮合平臺(阿里巴巴)等渠道去發(fā)掘。但面臨的問題是，在這個信息過度冗余的當下，即便通過多維度協(xié)同過濾推薦模型，企業(yè)不得不面對成百上千家信息基本雷同的潛在企業(yè)，對這些企業(yè)的鑒別、篩選是一個非常費時費力的事情。

　　大量研究證明知識圖譜中的知識可以用來完善基于內(nèi)容的推薦系統(tǒng)中對用戶和項目的內(nèi)容(特征)描述，從而提升推薦效果。智能一點的CEO胡云華是我在創(chuàng)業(yè)幫成長營的同期校友。他是前微軟亞洲研究院博士后和副研究員和前阿里媽媽事業(yè)部高級算法專家，是中國第一批從事人工職能的專業(yè)人士。他的產(chǎn)品“智能一點“是基于知識圖譜深度學習的母嬰用品智能交互推薦系統(tǒng)。前一段時間我和他就知識圖譜進行了深度溝通，徹底顛覆了我的認知。

　　基于知識圖譜的智能推薦分為三個過程。

　　第一步是建立垂直行業(yè)的基礎(chǔ)知識圖譜。主要通過從垂直行業(yè)網(wǎng)站千萬量級的網(wǎng)頁中提取關(guān)鍵詞、詞的屬性、詞之間的關(guān)系等相關(guān)信息，建立的行業(yè)公有的知識圖譜相當于常識庫。通過交互過程獲取用戶的信息數(shù)據(jù)并描畫出用戶畫像。

　　第二步根據(jù)垂直行業(yè)的企業(yè)客戶提供的自身業(yè)務(wù)數(shù)據(jù)，自動建立客戶自身的知識圖譜，挖掘企業(yè)自身數(shù)據(jù)的價值，建立的企業(yè)客戶自身的知識圖譜相當于私有庫，常識庫和私有庫的結(jié)合可以給企業(yè)的用戶提供完整的針對性更強的產(chǎn)品體驗。

　　第三步則是根據(jù)企業(yè)的產(chǎn)品或業(yè)務(wù)特點，以及前期獲取的用戶需求畫像，進行大規(guī)模個性化推薦，盤活企業(yè)的客戶，降低企業(yè)的運營成本，提高客戶的價值轉(zhuǎn)化。

　　這三個過程實現(xiàn)的周期基本需要一年的時間。也就是說，人工智能只需要一年的時間就可以獲取我們工作10年、20年積累的專業(yè)知識體系，而之后基于所有不同種類信息連接的關(guān)系網(wǎng)絡(luò)，通過各種數(shù)據(jù)挖掘、信息抽取和知識融合技術(shù)不斷自我學習快速繁衍由此產(chǎn)生的知識庫，是我們望其項背難以企及的。未來的尋源會是這樣的：上傳你產(chǎn)品的2D/3D圖紙或規(guī)格說明，智能經(jīng)紀人會基于采購規(guī)模、行業(yè)特點、生產(chǎn)工藝流程、加工精度、過程能力、同類客戶評價等各個知識點自動為你推薦匹配的供應(yīng)企業(yè)。

　　IBM的Watson就是基于知識圖譜智能經(jīng)紀人(Virtual Agent)。 2016年東京大學醫(yī)學研究院利用Watson只用了10分鐘的時間判斷一位女性患有罕見的白血病?；颊邽橐幻?0歲的女性，根據(jù)診斷結(jié)果，顯示她患了急髓白血病。但在經(jīng)歷各種療法后，效果并不明顯。根據(jù)東大醫(yī)學院研究人員Arinobu Tojo的說法，他們利用Watson系統(tǒng)來對此病人進行診斷。系統(tǒng)通過比對2000萬份癌癥研究論文，在10分鐘得出了診斷結(jié)果：患者得了一種罕見白血病。

　　美國人力招聘初創(chuàng)企業(yè)SmartRecruiter在其人才獲取套件中新加入招聘人工智能功能。招聘AI使用人工智能技術(shù)來處理大量的招聘信息及數(shù)據(jù)，并對這些數(shù)據(jù)和信息進行解釋以便招聘人員作出更好的決策。系統(tǒng)可以自動的完成發(fā)現(xiàn)、篩選與候選人評分的工作。同時招聘AI可以通過預(yù)測分析為特定工作的候選人提供公正的評估，解決人工招聘中雇主的偏見問題。

　　商業(yè)談判算法

　　高階戰(zhàn)略采購的一門培訓課程通常是基于博弈論的商業(yè)談判。重點不再是各種方法和工具，而是對談判對手預(yù)期的管理。如果說管理是科學和藝術(shù)的結(jié)合，流程和工具是科學的體現(xiàn)，而談判則上升至藝術(shù)層面。好的采購一定是一個博弈大師。雖然通過學習可以提升這方面的能力，但我更相信這種能力是天生稟賦，不是每個人通過學習都可以成為博弈大師。人工智能正在改變這種局面，你不需要懂博弈論，也可以獲得基于博弈論的專業(yè)分析和建議。

　　2016年人工智能領(lǐng)域重要的一件事是AlphaGo和李世石之間的人機大戰(zhàn)，而在2017年德?lián)淙藱C大戰(zhàn)中冷撲大師(Libratus)戰(zhàn)勝由2016年世界德州撲克大賽金手鏈冠軍領(lǐng)銜的“中國龍之隊”，代表人工智能向商業(yè)應(yīng)用加速拓展。Libratus沒有AlphaGo使用的深度學習技術(shù)，而是依賴于古典的線性規(guī)劃，一種極其強調(diào)試錯的方法。舉例來說，AlphaGo是通過分析人類玩家的3000萬棋譜來學習的，Libratus卻是從零開始，通過自己跟自己玩大量的游戲進行學習。Libratus依靠的是大量的數(shù)學計算，利用博弈論，通過平衡風險與收益來決定自己的下一步。將這種商業(yè)談判算法應(yīng)用到詢報價或招投標流程，直接材料和項目的采購決策過程的效率和合理性將會大幅提升。

　　關(guān)于Libratus的商業(yè)計劃，卡內(nèi)基梅隆大學計算機學院院長Andrew Moore表示，他自己喜歡的商業(yè)應(yīng)用是在企業(yè)交易或者是企業(yè)談判領(lǐng)域，貨物的供需或者貨物的交易，可以用Libratus這種AI驅(qū)動的商業(yè)談判算法來進行，人們甚至可以通過AI去摸清談判對象的底線和談判邏輯。

　　采購的未來

　　隨著生產(chǎn)效率的大幅提高，一部分人工作就足以供養(yǎng)全社會人口的現(xiàn)象在北歐高福利國家已經(jīng)呈現(xiàn)。2016年6月瑞士發(fā)起了的一項公投。公投的內(nèi)容是：瑞士人民不工作，也能每個月獲得2500瑞士法郎(約合1.68萬人民幣)的“工資”。 雖然結(jié)果是76.9%的瑞士公民投了反對票，但隨著人工智能對人類“身體能力”和“認知能力”的替代，這將會成為全球的普遍現(xiàn)象。

　　在未來10-15年，不同的采購品類和不同的采購工作內(nèi)容的采購職位也會呈現(xiàn)如上圖所示麥肯錫對于美國市場會被人工智能替代的工作分析的類似分布。

　　在商業(yè)模式和人工智能的雙重影響下，80%間接材料的采購職位將會消失，直接材料的運營采購將會大幅度自動化，將減少60%的直接材料運營采購職位，人工智能帶來的流程效率效益提升，將影響30%的直接材料戰(zhàn)略采購和項目采購職位。

　　采購將會從專業(yè)職能向管理職能轉(zhuǎn)變?；诜植荚诹鞒滩煌A段的人工職能產(chǎn)品的專業(yè)分析及建議，采購人員將側(cè)重于對供應(yīng)資源的管理工作：供應(yīng)成本管理、供應(yīng)風險的管理、供應(yīng)商關(guān)系管理、供應(yīng)商績效管理和戰(zhàn)略發(fā)展管理。在成本管理方面，由于一個產(chǎn)品70%的成本是在研發(fā)階段決定的，采購將深度參與產(chǎn)品的前期開發(fā)。

　　采購職位減少是大勢所趨，但采購部門在公司價值鏈上將由支持職能轉(zhuǎn)變?yōu)橹苯訛榭蛻魟?chuàng)造價值的核心職能。采購人員現(xiàn)在不是，將來也不會是公司“沒用的閑人”。