2016年底奧巴馬的科學(xué)和經(jīng)濟(jì)顧問(wèn)發(fā)布了一份關(guān)于人工智能的報(bào)告指出20年后人工智能可能威脅美國(guó)47%工作崗位。麥肯錫發(fā)布的《人工智能-下一個(gè)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(huì)被基于人工智能的自動(dòng)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(shì)。2017年3月，位于紐約的美國(guó)全球投資管理公司——貝萊德(BlackRock)宣布將裁掉40個(gè)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(wú)疑會(huì)影響公司運(yùn)營(yíng)的各個(gè)職能，采購(gòu)職能當(dāng)然不能例外。但細(xì)化到不同的采購(gòu)品類和不同的采購(gòu)工作內(nèi)容，受到?jīng)_擊的程度是完全不同的。在未來(lái)10-15年，高頻采購(gòu)交易將會(huì)大規(guī)模被自動(dòng)化替代;依托人工智能的推薦方案，采購(gòu)決策的的效率和合理性將大幅提升。

　　間接材料采購(gòu)將會(huì)消失

　　即便沒(méi)有人工智能的影響，間接材料的戰(zhàn)略采購(gòu)和運(yùn)營(yíng)采購(gòu)的職位也會(huì)大幅度減少。企業(yè)對(duì)間接材料的采購(gòu)行為在向消費(fèi)者市場(chǎng)的采購(gòu)行為演變-“去中介化，需求者在購(gòu)物平臺(tái)上直接下單購(gòu)買”。平臺(tái)方將承擔(dān)這些物料的戰(zhàn)略采購(gòu)工作，包括供應(yīng)商選擇和合同談判(留意一下各大購(gòu)物平臺(tái)招聘的采購(gòu)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(yùn)營(yíng)采購(gòu)人員的介入。采購(gòu)交易的細(xì)節(jié)會(huì)和企業(yè)的內(nèi)部系統(tǒng)(如ERP)同步。

　　與此同時(shí)，集成知識(shí)圖譜的深度學(xué)習(xí)推薦算法在推薦效果上將逐步替代傳統(tǒng)的協(xié)同過(guò)濾推薦模型，進(jìn)一步提升需求者的采購(gòu)體驗(yàn)和平臺(tái)的服務(wù)水平。來(lái)自不同行業(yè)、不同規(guī)模和不同采購(gòu)標(biāo)準(zhǔn)的企業(yè)需求人員在平臺(tái)上看到的供應(yīng)企業(yè)、產(chǎn)品標(biāo)準(zhǔn)和質(zhì)量、產(chǎn)品價(jià)格都是不同的，實(shí)現(xiàn)按照具體企業(yè)定制的智能推薦方案。

　　京東企業(yè)購(gòu)搭建的企業(yè)級(jí)電商化采購(gòu)平臺(tái)，將原本繁瑣的采購(gòu)工作簡(jiǎn)單化、信息化、透明化。截止2016年底，京東平臺(tái)現(xiàn)有活躍企業(yè)客戶數(shù)超600萬(wàn)家。

　　運(yùn)營(yíng)采購(gòu)大幅度自動(dòng)化

　　從技術(shù)角度看，直接材料的運(yùn)營(yíng)采購(gòu)自動(dòng)化在20年前就已經(jīng)解決。將產(chǎn)品需求計(jì)劃通過(guò)MRP(物料需求計(jì)劃)分解為采購(gòu)需求，自動(dòng)轉(zhuǎn)換為采購(gòu)訂單，通過(guò)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(cè)、采購(gòu)訂單、采購(gòu)訂單確認(rèn)、物流信息和付款的數(shù)據(jù)。運(yùn)營(yíng)采購(gòu)自動(dòng)化這么多年沒(méi)有大規(guī)模落地固然有客戶認(rèn)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(cè)的準(zhǔn)確度低造成采購(gòu)訂單頻繁提前、推遲或取消的采購(gòu)效率低下遠(yuǎn)遠(yuǎn)超過(guò)采購(gòu)自動(dòng)化帶來(lái)的效率提升。運(yùn)營(yíng)采購(gòu)的日常工作中，20%的時(shí)間在處理采購(gòu)訂單，80%的時(shí)間在和計(jì)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(fèi)渠道去中介化的發(fā)展和人工智能技術(shù)對(duì)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(huì)大幅度改善。一方面，使用人工智能精準(zhǔn)預(yù)測(cè)客戶需求;另一方面，當(dāng)企業(yè)與供應(yīng)方的系統(tǒng)數(shù)據(jù)實(shí)時(shí)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(shí)時(shí)優(yōu)化庫(kù)存，同時(shí)實(shí)現(xiàn)完全自動(dòng)化采購(gòu)和訂單處理。而傳統(tǒng)的ERP廠商如SAP已經(jīng)在這個(gè)領(lǐng)域布局。

　　德國(guó)在線零售商O(píng)tto通過(guò)人工智能程序，對(duì)未來(lái)30天內(nèi)公司將銷售產(chǎn)品的預(yù)測(cè)準(zhǔn)確率達(dá)到90%。 預(yù)測(cè)非?？煽?，Otto現(xiàn)在可以根據(jù)人工智能預(yù)測(cè)的訂單構(gòu)建庫(kù)存，從而能夠大幅提升物品交付給客戶的周期。Otto對(duì)這項(xiàng)技術(shù)非常有信心，每個(gè)月系統(tǒng)自動(dòng)從不同廠商訂購(gòu)20萬(wàn)件物品。

　　SAP Leonardo包含了目前在市場(chǎng)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(jī)器學(xué)習(xí)、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(tái)提供了物聯(lián)網(wǎng)邊緣計(jì)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(tái)，包括業(yè)務(wù)交易、預(yù)測(cè)與機(jī)器學(xué)習(xí)，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(jī)械出廠之后的實(shí)時(shí)監(jiān)控和對(duì)車間的制造數(shù)據(jù)分析，實(shí)現(xiàn)工廠的數(shù)字化轉(zhuǎn)型。

　　戰(zhàn)略采購(gòu)走向智能化

　　戰(zhàn)略采購(gòu)包含尋篩、審核、詢價(jià)和合同等環(huán)節(jié)，其中尋篩和詢價(jià)這兩個(gè)環(huán)節(jié)尤為重要?；诖怪毙袠I(yè)知識(shí)圖譜的智能經(jīng)紀(jì)人(Virtual Agent)和機(jī)器學(xué)習(xí)未來(lái)將深度介入直接材料和項(xiàng)目采購(gòu)的這兩個(gè)環(huán)節(jié)，將戰(zhàn)略采購(gòu)?fù)葡蛑悄芑?。具體表現(xiàn)為基于知識(shí)圖譜的智能尋源和人工智能驅(qū)動(dòng)的商業(yè)談判算法。

　　智能尋源

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

　　大量研究證明知識(shí)圖譜中的知識(shí)可以用來(lái)完善基于內(nèi)容的推薦系統(tǒng)中對(duì)用戶和項(xiàng)目的內(nèi)容(特征)描述，從而提升推薦效果。智能一點(diǎn)的CEO胡云華是我在創(chuàng)業(yè)幫成長(zhǎng)營(yíng)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(jí)算法專家，是中國(guó)第一批從事人工職能的專業(yè)人士。他的產(chǎn)品“智能一點(diǎn)“是基于知識(shí)圖譜深度學(xué)習(xí)的母嬰用品智能交互推薦系統(tǒng)。前一段時(shí)間我和他就知識(shí)圖譜進(jìn)行了深度溝通，徹底顛覆了我的認(rèn)知。

　　基于知識(shí)圖譜的智能推薦分為三個(gè)過(guò)程。

　　第一步是建立垂直行業(yè)的基礎(chǔ)知識(shí)圖譜。主要通過(guò)從垂直行業(yè)網(wǎng)站千萬(wàn)量級(jí)的網(wǎng)頁(yè)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(shí)圖譜相當(dāng)于常識(shí)庫(kù)。通過(guò)交互過(guò)程獲取用戶的信息數(shù)據(jù)并描畫(huà)出用戶畫(huà)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(dòng)建立客戶自身的知識(shí)圖譜，挖掘企業(yè)自身數(shù)據(jù)的價(jià)值，建立的企業(yè)客戶自身的知識(shí)圖譜相當(dāng)于私有庫(kù)，常識(shí)庫(kù)和私有庫(kù)的結(jié)合可以給企業(yè)的用戶提供完整的針對(duì)性更強(qiáng)的產(chǎn)品體驗(yàn)。

　　第三步則是根據(jù)企業(yè)的產(chǎn)品或業(yè)務(wù)特點(diǎn)，以及前期獲取的用戶需求畫(huà)像，進(jìn)行大規(guī)模個(gè)性化推薦，盤活企業(yè)的客戶，降低企業(yè)的運(yùn)營(yíng)成本，提高客戶的價(jià)值轉(zhuǎn)化。

　　這三個(gè)過(guò)程實(shí)現(xiàn)的周期基本需要一年的時(shí)間。也就是說(shuō)，人工智能只需要一年的時(shí)間就可以獲取我們工作10年、20年積累的專業(yè)知識(shí)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(guò)各種數(shù)據(jù)挖掘、信息抽取和知識(shí)融合技術(shù)不斷自我學(xué)習(xí)快速繁衍由此產(chǎn)生的知識(shí)庫(kù)，是我們望其項(xiàng)背難以企及的。未來(lái)的尋源會(huì)是這樣的：上傳你產(chǎn)品的2D/3D圖紙或規(guī)格說(shuō)明，智能經(jīng)紀(jì)人會(huì)基于采購(gòu)規(guī)模、行業(yè)特點(diǎn)、生產(chǎn)工藝流程、加工精度、過(guò)程能力、同類客戶評(píng)價(jià)等各個(gè)知識(shí)點(diǎn)自動(dòng)為你推薦匹配的供應(yīng)企業(yè)。

　　IBM的Watson就是基于知識(shí)圖譜智能經(jīng)紀(jì)人(Virtual Agent)。 2016年?yáng)|京大學(xué)醫(yī)學(xué)研究院利用Watson只用了10分鐘的時(shí)間判斷一位女性患有罕見(jiàn)的白血病。患者為一名60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(xué)院研究人員Arinobu Tojo的說(shuō)法，他們利用Watson系統(tǒng)來(lái)對(duì)此病人進(jìn)行診斷。系統(tǒng)通過(guò)比對(duì)2000萬(wàn)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(jiàn)白血病。

　　美國(guó)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(lái)處理大量的招聘信息及數(shù)據(jù)，并對(duì)這些數(shù)據(jù)和信息進(jìn)行解釋以便招聘人員作出更好的決策。系統(tǒng)可以自動(dòng)的完成發(fā)現(xiàn)、篩選與候選人評(píng)分的工作。同時(shí)招聘AI可以通過(guò)預(yù)測(cè)分析為特定工作的候選人提供公正的評(píng)估，解決人工招聘中雇主的偏見(jiàn)問(wèn)題。

　　商業(yè)談判算法

　　高階戰(zhàn)略采購(gòu)的一門培訓(xùn)課程通常是基于博弈論的商業(yè)談判。重點(diǎn)不再是各種方法和工具，而是對(duì)談判對(duì)手預(yù)期的管理。如果說(shuō)管理是科學(xué)和藝術(shù)的結(jié)合，流程和工具是科學(xué)的體現(xiàn)，而談判則上升至藝術(shù)層面。好的采購(gòu)一定是一個(gè)博弈大師。雖然通過(guò)學(xué)習(xí)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(gè)人通過(guò)學(xué)習(xí)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(jī)大戰(zhàn)，而在2017年德?lián)淙藱C(jī)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(guó)龍之隊(duì)”，代表人工智能向商業(yè)應(yīng)用加速拓展。Libratus沒(méi)有AlphaGo使用的深度學(xué)習(xí)技術(shù)，而是依賴于古典的線性規(guī)劃，一種極其強(qiáng)調(diào)試錯(cuò)的方法。舉例來(lái)說(shuō)，AlphaGo是通過(guò)分析人類玩家的3000萬(wàn)棋譜來(lái)學(xué)習(xí)的，Libratus卻是從零開(kāi)始，通過(guò)自己跟自己玩大量的游戲進(jìn)行學(xué)習(xí)。Libratus依靠的是大量的數(shù)學(xué)計(jì)算，利用博弈論，通過(guò)平衡風(fēng)險(xiǎn)與收益來(lái)決定自己的下一步。將這種商業(yè)談判算法應(yīng)用到詢報(bào)價(jià)或招投標(biāo)流程，直接材料和項(xiàng)目的采購(gòu)決策過(guò)程的效率和合理性將會(huì)大幅提升。

　　關(guān)于Libratus的商業(yè)計(jì)劃，卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)學(xué)院院長(zhǎng)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(dòng)的商業(yè)談判算法來(lái)進(jìn)行，人們甚至可以通過(guò)AI去摸清談判對(duì)象的底線和談判邏輯。

　　采購(gòu)的未來(lái)

　　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(huì)人口的現(xiàn)象在北歐高福利國(guó)家已經(jīng)呈現(xiàn)。2016年6月瑞士發(fā)起了的一項(xiàng)公投。公投的內(nèi)容是：瑞士人民不工作，也能每個(gè)月獲得2500瑞士法郎(約合1.68萬(wàn)人民幣)的“工資”。 雖然結(jié)果是76.9%的瑞士公民投了反對(duì)票，但隨著人工智能對(duì)人類“身體能力”和“認(rèn)知能力”的替代，這將會(huì)成為全球的普遍現(xiàn)象。

　　在未來(lái)10-15年，不同的采購(gòu)品類和不同的采購(gòu)工作內(nèi)容的采購(gòu)職位也會(huì)呈現(xiàn)如上圖所示麥肯錫對(duì)于美國(guó)市場(chǎng)會(huì)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(gòu)職位將會(huì)消失，直接材料的運(yùn)營(yíng)采購(gòu)將會(huì)大幅度自動(dòng)化，將減少60%的直接材料運(yùn)營(yíng)采購(gòu)職位，人工智能帶來(lái)的流程效率效益提升，將影響30%的直接材料戰(zhàn)略采購(gòu)和項(xiàng)目采購(gòu)職位。

　　采購(gòu)將會(huì)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(gòu)人員將側(cè)重于對(duì)供應(yīng)資源的管理工作：供應(yīng)成本管理、供應(yīng)風(fēng)險(xiǎn)的管理、供應(yīng)商關(guān)系管理、供應(yīng)商績(jī)效管理和戰(zhàn)略發(fā)展管理。在成本管理方面，由于一個(gè)產(chǎn)品70%的成本是在研發(fā)階段決定的，采購(gòu)將深度參與產(chǎn)品的前期開(kāi)發(fā)。

　　采購(gòu)職位減少是大勢(shì)所趨，但采購(gòu)部門在公司價(jià)值鏈上將由支持職能轉(zhuǎn)變?yōu)橹苯訛榭蛻魟?chuàng)造價(jià)值的核心職能。采購(gòu)人員現(xiàn)在不是，將來(lái)也不會(huì)是公司“沒(méi)用的閑人”。