这股洪流无疑会影响公司运营的各个职能，采购职能当然不能例外。但细化到不同的采购品类和不同的采购工作内容，受到冲击的程度是完全不同的。在未来10-15年，高频采购交易将会大规模被自动化替代；依托人工智能的推荐方案，采购决策的的效率和合理性将大幅提升。
间接材料采购将会消失
即便没有人工智能的影响，间接材料的战略采购和运营采购的职位也会大幅度减少。企业对间接材料的采购行为在向消费者市场的采购行为演变-“去中介化，需求者在购物平台上直接下单购买”。平台方将承担这些物料的战略采购工作，包括供应商选择和合同谈判（留意一下各大购物平台招聘的采购职位）；而需求者就像在淘宝、京东上买东西一样便捷，不需要任何运营采购人员的介入。采购交易的细节会和企业的内部系统（如ERP）同步。
与此同时，集成知识图谱的深度学习推荐算法在推荐效果上将逐步替代传统的协同过滤推荐模型，进一步提升需求者的采购体验和平台的服务水平。来自不同行业、不同规模和不同采购标准的企业需求人员在平台上看到的供应企业、产品标准和质量、产品价格都是不同的，实现按照具体企业定制的智能推荐方案。
京东企业购搭建的企业级电商化采购平台，将原本繁琐的采购工作简单化、信息化、透明化。截止2016年底，京东平台现有活跃企业客户数超600万家。
运营采购大幅度自动化
从技术角度看，直接材料的运营采购自动化在20年前就已经解决。将产品需求计划通过MRP（物料需求计划）分解为采购需求，自动转换为采购订单，通过EDI / WEB EDI / ROSSETNET与供应商和物流服务商交换物料需求预测、采购订单、采购订单确认、物流信息和付款的数据。运营采购自动化这么多年没有大规模落地固然有客户认可、使用成本等多方面原因，但根本原因是由于产品预测的准确度低造成采购订单频繁提前、推迟或取消的采购效率低下远远超过采购自动化带来的效率提升。运营采购的日常工作中，20%的时间在处理采购订单，80%的时间在和计划管理、供应商和物流商沟通协调发货的安排。
随着消费渠道去中介化的发展和人工智能技术对客户需求数据的挖掘、分析和提炼，供应链的牛鞭效应将会大幅度改善。一方面，使用人工智能精准预测客户需求；另一方面，当企业与供应方的系统数据实时联通后，人工智能技术可以分析供应方的产能利用率和瓶颈环节，企业可以平衡供应链供需关系并实时优化库存，同时实现完全自动化采购和订单处理。而传统的ERP厂商如SAP已经在这个领域布局。
德国在线零售商Otto通过人工智能程序，对未来30天内公司将销售产品的预测准确率达到90％。 预测非常可靠，Otto现在可以根据人工智能预测的订单构建库存，从而能够大幅提升物品交付给客户的周期。Otto对这项技术非常有信心，每个月系统自动从不同厂商订购20万件物品。
SAP Leonardo包含了目前在市场上面耳熟能详的新技术，包括物联网、大数据、机器学习、区块链、数据智能、商务分析等。
SAP在物联网的平台提供了物联网边缘计算产品，包括流处理、持久化，以及物联网的基础平台，包括业务交易、预测与机器学习，分析等。
SAP提供了云端制造解决方案。从底层的车间设备执行，包括设备的综合效率管理、生产设备的故障分析，到工程机械出厂之后的实时监控和对车间的制造数据分析，实现工厂的数字化转型。
战略采购走向智能化
战略采购包含寻筛、审核、询价和合同等环节，其中寻筛和询价这两个环节尤为重要。基于垂直行业知识图谱的智能经纪人（Virtual Agent）和机器学习未来将深度介入直接材料和项目采购的这两个环节，将战略采购推向智能化。具体表现为基于知识图谱的智能寻源和人工智能驱动的商业谈判算法。
智能寻源
企业会投入大量的资源去寻筛潜在合格的供应企业。采购圈有一句话叫“谈得好不如选得好“，寻筛的重要性可见一斑。传统的方式是通过线下专业展览会、圈中熟人介绍、收索引擎（谷歌、百度）或撮合平台（阿里巴巴）等渠道去发掘。但面临的问题是，在这个信息过度冗余的当下，即便通过多维度协同过滤推荐模型，企业不得不面对成百上千家信息基本雷同的潜在企业，对这些企业的鉴别、筛选是一个非常费时费力的事情。
大量研究证明知识图谱中的知识可以用来完善基于内容的推荐系统中对用户和项目的内容（特征）描述，从而提升推荐效果。智能一点的CEO胡云华是我在创业帮成长营的同期校友。他是前微软亚洲研究院博士后和副研究员和前阿里妈妈事业部高级算法专家，是中国第一批从事人工职能的专业人士。他的产品“智能一点“是基于知识图谱深度学习的母婴用品智能交互推荐系统。前一段时间我和他就知识图谱进行了深度沟通，彻底颠覆了我的认知。
基于知识图谱的智能推荐分为三个过程。
第一步是建立垂直行业的基础知识图谱。主要通过从垂直行业网站千万量级的网页中提取关键词、词的属性、词之间的关系等相关信息，建立的行业公有的知识图谱相当于常识库。通过交互过程获取用户的信息数据并描画出用户画像。
第二步根据垂直行业的企业客户提供的自身业务数据，自动建立客户自身的知识图谱，挖掘企业自身数据的价值，建立的企业客户自身的知识图谱相当于私有库，常识库和私有库的结合可以给企业的用户提供完整的针对性更强的产品体验。
第三步则是根据企业的产品或业务特点，以及前期获取的用户需求画像，进行大规模个性化推荐，盘活企业的客户，降低企业的运营成本，提高客户的价值转化。
这三个过程实现的周期基本需要一年的时间。也就是说，人工智能只需要一年的时间就可以获取我们工作10年、20年积累的专业知识体系，而之后基于所有不同种类信息连接的关系网络，通过各种数据挖掘、信息抽取和知识融合技术不断自我学习快速繁衍由此产生的知识库，是我们望其项背难以企及的。未来的寻源会是这样的：上传你产品的2D/3D图纸或规格说明，智能经纪人会基于采购规模、行业特点、生产工艺流程、加工精度、过程能力、同类客户评价等各个知识点自动为你推荐最匹配的供应企业。
IBM的Watson就是基于知识图谱智能经纪人（Virtual Agent）。 2016年东京大学医学研究院利用Watson只用了10分钟的时间判断一位女性患有罕见的白血病。患者为一名60岁的女性，最初根据诊断结果，显示她患了急髓白血病。但在经历各种疗法后，效果并不明显。根据东大医学院研究人员Arinobu Tojo的说法，他们利用Watson系统来对此病人进行诊断。系统通过比对2000万份癌症研究论文，在10分钟得出了诊断结果：患者得了一种罕见白血病。
美国人力招聘初创企业SmartRecruiter在其人才获取套件中新加入招聘人工智能功能。招聘AI使用人工智能技术来处理大量的招聘信息及数据，并对这些数据和信息进行解释以便招聘人员作出更好的决策。系统可以自动的完成发现、筛选与候选人评分的工作。同时招聘AI可以通过预测分析为特定工作的候选人提供公正的评估，解决人工招聘中雇主的偏见问题。
商业谈判算法
高阶战略采购的最后一门培训课程通常是基于博弈论的商业谈判。重点不再是各种方法和工具，而是对谈判对手预期的管理。如果说管理是科学和艺术的结合，流程和工具是科学的体现，而谈判则上升至艺术层面。好的采购一定是一个博弈大师。虽然通过学习可以提升这方面的能力，但我更相信这种能力是天生禀赋，不是每个人通过学习都可以成为博弈大师。人工智能正在改变这种局面，你不需要懂博弈论，也可以获得基于博弈论的专业分析和建议。
2016年人工智能领域最重要的一件事是AlphaGo和李世石之间的人机大战，而在2017年德扑人机大战中冷扑大师（Libratus）战胜由2016年世界德州扑克大赛金手链冠军领衔的“中国龙之队”，代表人工智能向商业应用加速拓展。Libratus没有AlphaGo使用的深度学习技术，而是依赖于古典的线性规划，一种极其强调试错的方法。举例来说，AlphaGo是通过分析人类玩家的3000万棋谱来学习的，Libratus却是从零开始，通过自己跟自己玩大量的游戏进行学习。Libratus依靠的是大量的数学计算，利用博弈论，通过平衡风险与收益来决定自己的下一步。将这种商业谈判算法应用到询报价或招投标流程，直接材料和项目的采购决策过程的效率和合理性将会大幅提升。
关于Libratus的商业计划，卡内基梅隆大学计算机学院院长Andrew Moore表示，他自己最喜欢的商业应用是在企业交易或者是企业谈判领域，货物的供需或者货物的交易，可以用Libratus这种AI驱动的商业谈判算法来进行，人们甚至可以通过AI去摸清谈判对象的底线和谈判逻辑。
采购的未来
随着生产效率的大幅提高，一部分人工作就足以供养全社会人口的现象在北欧高福利国家已经呈现。2016年6月瑞士发起了的一项公投。公投的内容是：瑞士人民不工作，也能每个月获得2500瑞士法郎（约合1.68万人民币）的“工资”。 虽然结果是76.9%的瑞士公民投了反对票，但随着人工智能对人类“身体能力”和“认知能力”的替代，这将会成为全球的普遍现象。
在未来10-15年，不同的采购品类和不同的采购工作内容的采购职位也会呈现如上图所示麦肯锡对于美国市场会被人工智能替代的工作分析的类似分布。
- 在商业模式和人工智能的双重影响下，80%间接材料的采购职位将会消失
- 直接材料的运营采购将会大幅度自动化，将减少60%的直接材料运营采购职位
- 人工智能带来的流程效率效益提升，将影响30%的直接材料战略采购和项目采购职位
采购职位减少是大势所趋，但采购部门在公司价值链上将由支持职能转变为直接为客户创造价值的核心职能。采购人员现在不是，将来也不会是公司“没用的闲人”。
来源：柴晓东/晓东闲谭供应链
/2 
