Orta ölçekli şirketlerdeki pek çok karar verici için satın almada yapay zekâ artık bir gelecek meselesi değil, bir öncelik meselesidir. Belirsiz olan, yapay zekânın satın almada gerçekten nerede karşılığını verdiği ve bir pilot projenin nerede yalnızca dikkat tükettiğidir. Bu boşluk gerçek: Birleşik Krallık Sayıştayı (NAO) 2024'te, ankete katılan kamu kurumlarının yüzde 70'inin yapay zekâyı pilot olarak denediğini veya planladığını, ancak yalnızca yüzde 37'sinin fiilen kullandığını tespit etti (NAO).
Aşağıda gerçekçi yedi kullanım alanını değerlendiriyor ve başarının teknolojiden çok kapsama, paydaşlara ve beklentilere bağlı olduğunu gösteriyoruz.
Satın almada yapay zekâ için yedi kullanım alanı
Eforu göreli olarak değerlendiriyoruz. Efor büyük ölçüde veri durumuna ve sistem yapısına bağlıdır.
- Tedarikçi kaydı ve belge kontrolü: Yapay zekâ gönderilen belgeleri okur, sertifika ve kanıtların eksiksiz ve geçerli olup olmadığını kontrol eder. Ön koşul: net kontrol kriterleri ve lider bir ana veri sistemi. Efor: düşük ila orta.
- Serbest metinle satın alma talebi: Çalışanlar ihtiyaçlarını kendi cümleleriyle anlatır, yapay zekâ ürün, malzeme grubu ve hesap ataması önerir. Ön koşul: güncel kataloglar ve malzeme grupları. Efor: orta.
- Teklif karşılaştırması: Farklı yapıdaki teklifler karşılaştırılabilir hale gelir; fiyat, teslim süresi ve koşullardaki sapmalar işaretlenir. Ön koşul: tutarlı değerlendirme kriterleri. Efor: düşük.
- Sözleşme analizi: Yapay zekâ süre, sorumluluk, fiyat uyarlaması ve fesih maddelerini bulur ve sizin standartlarınızla karşılaştırır. Ön koşul: merkezi olarak saklanan sözleşmeler ve tanımlı şablon maddeler. Efor: orta.
- Fatura kontrolü: Fatura, sipariş ve mal kabul ile eşleştirilir, sapmalar önceliklendirilir. Almanya'da 2027'den itibaren fatura düzenleme için kademeli olarak geçerli olan e-fatura zorunluluğuyla fatura verileri giderek daha yapılandırılmış biçimde gelir (IHK). Ön koşul: temiz sipariş ve mal kabul verileri. Efor: orta.
- Harcama sınıflandırması: Sipariş ve fatura kalemleri malzeme gruplarına atanır, birleştirme potansiyelleri görünür olur. Ön koşul: üzerinde mutabık kalınmış bir malzeme grubu yapısı. Efor: düşük ila orta.
- Müzakere hazırlığı: Yapay zekâ tedarikçi geçmişini, koşulları ve piyasa bilgilerini bir brifingde özetler. Ön koşul: güvenilir veriler ve sonuçları yorumlayabilen deneyimli satın almacılar. Efor: düşük.
Kapsam: bir kullanım alanı, bir süreç, bir gösterge
En sık yapılan hata yanlış teknoloji değil, fazla geniş bir kapsamdır. Aynı anda üç kullanım alanı başlatmak veriyi, bütçeyi ve dikkati çok fazla cepheye dağıtır. Daha iyisi, sık karşılaşılan, net sınırları olan ve ölçülebilir bir başlangıç değeri bulunan bir alanla başlamaktır; örneğin tedarikçi kaydı başına işlem süresi veya manuel düzeltme gerektirmeyen faturaların oranı.
Avustralya federal yönetiminin Copilot denemesinin değerlendirmesi bunu destekliyor: Kullanım genel olarak orta düzeydeydi ve katılımcılar en büyük faydayı özetleme ve taslak hazırlama gibi net tanımlı görevlerde gördü (DTA). Bizim çıkardığımız ders: dar başlayın, ölçün, sonra genişletin. Bir yapay zekâ uygulamasının çekirdek sistem olarak SAP'ye nasıl bağlanabileceğini çekirdekte SAP ve yapay zekâ uygulamasıyla hedef mimari yazımızda anlatıyoruz.
Paydaşları erkenden aynı masaya getirin
Satın almada yapay zekâ birçok birimi ilgilendirir. Fatura kontrolünden finans, arayüzler ve yetkilerden BT sorumludur; ihtiyaçları iş birimleri oluşturur, belgeleri tedarikçiler sağlar. Öncelikleri belirleyen bir sponsor ve yaygınlaştırmaya karar veren bir yönlendirme komitesi olmadan pilot proje bir ada olarak kalır. Birleşik Krallık Sayıştayı, veri kalitesi ve eskimiş BT altyapısının yanı sıra belirsiz sorumlulukları ve eksik performans göstergelerini de açıkça engel olarak belirtti. Avustralya denemesinden ikinci bir ders çıkıyor: Eğitimler gerçek görevlere göre tasarlanmalı, veri güvenliği ve yetkilendirme soruları başlangıçtan önce netleşmelidir.
Bu, kendi deneyimimizle de örtüşüyor: Orta ölçekli bir enerji şirketinin strateji değerlendirmesinde organizasyonu, süreçleri ve sistemleri birlikte ele aldık. Sonuçlar arasında C-parça satın almasının otomasyonu, optimize edilmiş sipariş süreci ve S/4HANA dönüşümü için bir yol haritası yer aldı.
Temel ilke: Yapay zekâ hazırlar, insan karar verir
Yedi kullanım alanının tamamında karar insanda kalır. Onaylar, ihale kararları ve sözleşmeler sizin kontrol ve onay kurallarınıza göre yürümeye devam eder. Bu, düzenleyici açıdan da yerindedir: Temmuz 2026'da yürürlüğe giren Digital Omnibus değişikliğiyle EU AI Act'in Ek III kapsamındaki yüksek riskli sistemlere ilişkin yükümlülükleri 2 Aralık 2027'den itibaren geçerli olacak (Hunton). Değerlendirmemize göre tipik satın alma uygulamaları çoğunlukla bu kapsama girmez. Yine de her durumun ayrıca incelenmesi gerekir.
Karar vericiler için sonraki adımlar
- Rutin işin yoğun olduğu süreçleri belirleyin ve başlangıç değerlerini ölçün.
- Bir kullanım alanı seçin, hedef göstergeyi ve süreyi belirleyin.
- Bir sponsor, bir yönlendirme komitesi ve satın alma, finans ve BT'den sorumlular atayın.
- Başlamadan önce veri, arayüz ve yetki konularını netleştirin.
- İlk aşamadan sonra göstergeye bakarak karar verin: genişletin, uyarlayın veya sonlandırın.
Satın almayı dijitalleştirmek, yedi alanın hepsiyle birden başlamak anlamına gelmez. Yaklaşımımız hakkında daha fazla bilgiyi satın alma için yapay zekâ stratejisi sayfamızda bulabilirsiniz. Hangi alanın sizin için uygun bir başlangıç olduğunu satın alma değerlendirmemiz gösterir; dilerseniz doğrudan bir ön görüşme de planlayabilirsiniz.