Adotando IA e Machine Learning em Compras: Oportunidades, Desafios e Melhores Práticas

Sua longa carreira em compras consistiu em grande parte em ser pressionado pela alta gestão pela necessidade de cortar constantemente custos de fornecedores. Surge a tecnologia digital para tornar seu trabalho mais fácil – ou tirar ele de você.

Pelo menos, esse é o medo dos profissionais de compras na era da inteligência artificial e machine learning. Considerando todos os fatores que entram na seleção e manutenção de fornecedores, não faz sentido entregar a tarefa a um sistema que pode processar mais dados do que cem humanos?

E o volume de dados continua a crescer. Gerentes de compras hoje devem recorrer a múltiplas fontes de inteligência, dos próprios fornecedores, bem como dados financeiros independentes, relatórios de notícias, serviços de terceiros e mídias sociais. Diz Sammeli Sammalkorpi, cofundador do fornecedor de software de análise de compras Sievo: "Organizações de compras ainda não aprenderam como acessar esses diferentes tipos de dados."

IA e machine learning pareceriam especialmente bem adequados ao desafio. Mas medos de que assumirão o trabalho inteiramente parecem infundados. Quando se trata de compras eficazes e gestão de fornecedores, o futuro previsível é de colaboração entre humano e máquina.

"Eu realmente acredito que o papel da IA não é substituir humanos," diz Sammalkorpi. "Machine learning e IA podem propor descobertas, mas você ainda precisa ajustar ao que é relevante e ao que não é."

Máquinas são altamente eficazes para aplicações estreitas, envolvendo problemas bem definidos. Além disso, elas estão sempre "ligadas" e implicam um custo operacional mínimo, quando comparadas ao salário e benefícios de um trabalhador humano.

Chega a hora de agir, no entanto, e o gerente de carne e osso precisa intervir. Simplificando, humanos ainda são melhores em fazer o julgamento final sobre fornecedores-chave. Por enquanto, pelo menos, "machine learning ainda não é confiável o suficiente para impulsionar decisões," diz Sammalkorpi. (Há outra razão para manter humanos no loop, ele adiciona: eles precisam reter responsabilidade por fazer escolhas para que não acabem culpando a máquina por escolhas erradas.)

Nos estágios iniciais de machine learning, a tecnologia provavelmente pode assumir certos elementos do contrato do fornecedor. À medida que melhora, no entanto, compradores se verão confiando no sistema para um número crescente de tarefas, se não a decisão final sobre vetamento e seleção de fornecedores.

Como IA e machine learning dependem fortemente de algoritmos complexos, empresas podem assumir que precisam contratar uma equipe cara de cientistas de dados para rodar o sistema e dar sentido às suas conclusões. Na opinião de Sammalkorpi, esse não é o caso para o departamento de compras. Ele acredita que esse tipo de expertise é melhor obtida de um provedor terceirizado.

"Mesmo que achassem que era um bom caso de negócio," ele diz, "não estamos vendo muitas organizações capazes de reter esse talento internamente. Você ainda precisa de cientistas de dados, mas não acho que a organização de compras seja o lugar certo para eles."

Prever resultados futuros é provavelmente tão difícil para uma máquina quanto para um humano – em outras palavras, impossível. Mas machine learning é bom em revisar rapidamente previsões e planos de ação em tempo real, para refletir padrões reais de compra, acredita Sammalkorpi.

Tudo isso assume, claro, que compras pode incorporar suavemente a nova tecnologia em suas operações. Mas nova pesquisa da Forrester Consulting, encomendada pelo fornecedor de plataforma de compras Ivalua, sugere que isso está longe de ser o caso. Empregando um "índice de maturidade digital" para avaliar o progresso das empresas na adoção de tecnologia de compras, a Forrester descobriu que a maioria está "significativamente superestimando" seu nível de maturidade a esse respeito.

Sessenta e cinco por cento das empresas pesquisadas se consideravam "avançadas", mas apenas 16 por cento tinham o nível requisito de maturidade digital em suas organizações de compras para justificar essa avaliação.

Um problema é que muitas empresas fazem escolhas iniciais ruins na seleção de tecnologia de compras. No estudo da Forrester, 82 por cento tinham mudado ou estavam considerando mudar provedores de tecnologia, citando como razões baixos níveis de onboarding de fornecedores e adoção de usuários.

Além disso, o período de adoção foi excessivamente longo. Apenas 17 por cento das organizações conseguiram fazer onboarding de novos fornecedores em menos de um mês, e 59 por cento estavam levando entre um e três meses para cada fornecedor.

"Líderes de compras têm a oportunidade de entregar uma verdadeira vantagem competitiva para suas organizações," David Khuat-Duy, diretor executivo corporativo da Ivalua, disse em um comunicado. "Transformação digital é crítica para o sucesso, mas requer uma avaliação realista da maturidade atual, uma visão clara para cada etapa da jornada e a tecnologia certa."

Tudo isso sugere que a tecnologia na forma de IA e machine learning está longe de ejetar humanos da função de compras, mesmo enquanto promete melhorar operações quando adequadamente avaliada e implementada.