Alex Yakubovich, Medstifter og CEO af Levelpath – Intervieuserie

Alex Yakubovich, Medstifter og CEO af Levelpath, er en erfaren teknologi-entrepreneur, der har tilbragt sin karriere med at bygge og skale op købs- og operationssoftware. Før han startede Levelpath i 2022, fungerede han som GM of Spend hos Workday efter opkøbet af Scout RFP, hvor han var Vice President og tidligere CEO efter at have co-stiftet og vokset virksomheden til en førende kildeplatform. Tidligere roller hos ONOSYS og LivingSocial styrkede yderligere hans baggrund inden for virksomhedsdrift, produktudvikling og digital transformation.

Levelpath er en AI-dreven købsplatform, der er bygget til at forenkle og modernisere, hvordan virksomheder håndterer kildevalg, kontrakter, leverandører og udgifter. Systemet samler arbejdsprocesser, der traditionelt ligger på tværs af multiple ikke-sammenhængende værktøjer, ved hjælp af automatisering og intelligent data-behandling til at eliminere friktion, forbedre synlighed og accelerere beslutningstagning. Designet til brugervenlighed og skala, giver Levelpath virksomheder mulighed for at strømline købsprocesser, reducere risiko og operere med større effektivitet på tværs af hele købslivscyklussen.

Efter at have ledet Spend hos Workday og tidligere have skaleret Scout RFP til en af de mest anerkendte købsplatforme, hvilke erfaringer eller smerte punkter fra disse år fik dig til at oprette Levelpath som et AI-nativt købs-system?

Min medstifter, Stan Garber, og jeg byggede Scout RFP for at hjælpe virksomheder med at forenkle kildevalg. Mens vi var på den rejse, så vi, hvordan splittede købsprocesser forårsagede frustration, hovedpiner og forsinkelser, allerede fra starten. Efter at Scout RFP var opkøbt af Workday, fortsatte vi med at høre den samme historie. Køb var ikke særlig dejligt, og hverdagsbrugere kunne ikke komme forbi vanskelighederne ved komplekse, splittede processer.

Vi observerede først hånden hos Workday, hvor komplekst køb kan være i en stor virksomhed, og vi så en stor mulighed. Disse virksomheder har sandsynligvis foretrukne leverandører til alt fra professionelle services til virksomheds-gear. Imidlertid er sandsynligheden for, at hver enkelt bruger i en virksomhed kender til leverandørinformationen, lav, da der er meget silo-lagret viden og kompleksitet. Med så mange komplikationer for forretningsbrugeren og køb, satte vi os for at gøre køb dejligt.

Da Stan og jeg udviklede vores vision for Levelpath, indså vi muligheden i at oprette en platform, der var bygget med AI fra bunden. Købserfaringen havde brug for at blive genopfundet på en måde, der prioriterede de personer, der brugte systemet. Vi udviklede Levelpath som en AI-nativ, leverandør-centreret købsplatform, der fokuserer på kildevalg til køb. Vores mål er at aktivere dejligt køb ved at give holdene hurtigere og tidligere måder at arbejde sammen på.

Mange købsværktøjer afhænger stadig af legacy-arkitekturer. Hvordan designede du Levelpath til at være AI-nativ fra dag én, og hvad praktiske fordele giver det dine brugere?

Legacy-værktøjer kan ikke brokke gapet mellem, hvad forretninger nu har brug for, og hvad legacy-værktøjer kan faktisk levere. Ligesom de fleste back-office forretningsprocesser, har køb undergået betydelige ændringer i de sidste to årtier. Det giver kun mening, at teknologien, der understøtter købsfunktioner, også har brug for ekstrem transformation, især med de generative AI-fremgang, vi har til rådighed lige nu.

I stedet for at forsøge at tilpasse Generative AI og brugerdefinerede store sprogmodeller til legacy-software-systemer, byggede vi Levelpath som en sandt AI-nativ købsløsning. At starte med en ren tavle fra begyndelsen af den generative AI-æra betyder, at hver arbejdsproces og interaktion er designet med AI-native kapaciteter. Denne intelligente design er en fordel for vores brugere, fordi ethvert SaaS-købssoftware-løsning, der er lavet før 2022, ikke er bygget fra bunden med Generative AI i mente.

At integrere AI i køb er en stor trend lige nu. Hvordan bruger Levelpath AI til at automatisere komplekse kildevalg, leverandørstyring og kontrakt-relaterede arbejdsprocesser?

Levelpaths AI-agenter automatiserer repetitive opgaver som opbygning af spørgeskemaer til kildevalgsbegivenheder, indsamling af leverandør-onboarding-oplysninger og gennemførelse af risiko-gennemgang for at frigøre holdene til at fokusere på strategi. Agenterne bringer kontekstuel intelligens til arbejdsprocesser og hjælper holdene med at identificere risici og sikre kontrakt-overholdelse.

Siden intelligensen er integreret i Levelpath via vores Hyperbridge-reasoning-engine, kan platformen forstå brugerens intention og reducere manuelt arbejde. Dette betyder hurtigere implementering, bedre adoption på tværs af forretningen og bedre informerede beslutninger, der giver bedre forretningsresultater. Alle leverandør-, kontrakt- og kildevalgsdata bor også i en samlet model, hvilket betyder, at AI-agenter kan tage handlinger på tværs af hele købslivscyklussen. At strømline disse trættende, tidskrævende manuelle processer giver køb mulighed for at gå fra reaktiv til strategisk.

Indirekte udgifter er ofte den sværeste kategori at kontrollere. Hvordan hjælper din platform virksomheder med at opnå dybere indsigt, reducere lækkage og navigere i tariff-relateret volatilitet?

Indirekte udgiftskategorier er ofte splittede på tværs af afdelinger og forskellige systemer, hvilket gør det svært at se omkostninger snige sig ind i realtid. Virksomheder, der afhænger af manuelle regneark, statiske rapporter eller ikke-sammenhængende systemer, kan ikke holde trit med ændringer, og tariff-impakter er ofte begravet i dokumenter, som ledere ikke har adgang til eller ser, før budgetter allerede er berørt.

Levelpath løser alle disse problemer ved at identificere leverandørkategorier i fare og hjælpe med at omfordele indirekte udgifter mere strategisk. AI-dreven køb giver ledere en enkelt, realtidsvisning af indirekte udgifter. Vores platform vil flagge tidlige indikatorer for omkostnings-spring, som stigende materialeomkostninger, kontrakt-anomalier eller tariff-relaterede prisændringer. Forsyningskædeledere kan derefter reagere øjeblikkeligt, i stedet for at vente uger på rapporter eller lære om prisstigninger efter, at en faktura er nået.

Du har talt om at skabe AI-agenter, der virkelig tilføjer værdi for B2B-købere. Hvad ser “nyttigt” ud i en købskontekst, og hvad adskiller effektive agenter fra overfladiske?

Når det kommer til AI-agenter i køb, er praktisk integration mere vigtig end teknisk sofistikation. Tidlige enterprise-agenter fejlede, fordi de opførte sig som chatbots eller bolted-on automatiseringer i stedet for sande digitale specialister. Købsteams har brug for agenter, der opfører sig som informerede samarbejdspartnere, der giver præcise, kontekstuelle og troværdige output.

En nyttig agent starter med den rigtige grundlag. Hvis den underliggende leverandør-, kontrakt- og kildevalgsdata ikke er samlet og korrekt trænet ind i modellen, kan agenten ikke resonere eller handle pålideligt. Det er derfor, AI-native platforme som Levelpath træner agenter direkte på en virksomheds faktiske arbejdsprocesser og datastruktur, hvilket giver dem mulighed for at operere med kontekst i stedet for gætteri.

Køb berører finans, juridisk, risiko og leverandører. Hvordan bringer Levelpath disse interessenter sammen, så arbejdsprocesser, data og kommunikation flyder mere naturligt?

Levelpath brokker tværfaglige hold sammen ved at aktivere alle på tværs af organisationen til at deltage i standardiserede arbejdsprocesser. At centralisere købsdata gør samarbejde og synlighed meget simplere for rapportering og sporing. I et agent-drevet, brugervenligt interface kan interessenter effektivt anmode om, gennemse og samarbejde om kildevalg, kontrakter og leverandører. Dette gør godkendelsesarbejdsprocesser ubesværet.

Kan du dele et konkrekt eksempel på, hvordan Levelpath har ændret den daglige tilværelse for et købsteam – enten gennem hastighed, omkostningsreduktion eller forbedret leverandør-samarbejde?

Levelpath satte sig for at gøre købsprocessen virkelig dejlig, og vi opnår dette ved at skabe intuitive og pålidelige arbejdsprocesser for købsteams med hurtigere innovation og skalerbar automatisering. Som resultat har vores kunder sparet tid og penge på traditionelt manuelle processer.

For eksempel:

• GATX reducerede RFP-cyklustiden fra måneder til minutter og opnåede 10 gange kildevalgskapacitet per købsmedarbejder, hvilket resulterede i 3,5 millioner dollars i kontraktbesparelser. GATX anvendte Levelpaths AI-agenter til at centralisere dokumenter, erstatte legacy-arbejdsprocesser og drive hurtigere resultater.
• Acrisure opnåede 10 gange kildevalgskapacitet per købsmedarbejder, mens de håndterede 80% af den tilgængelige udgift ved at implementere Levelpath som virksomhedens første købs-system. Levelpaths hurtige implementering, effektiv skalerbarhed og smarte kildevalgs-værktøjer leverede øjeblikkelig værdi.
• PADNOS sparede 6.000 timer med kørselsnedtid med 76% hurtigere købscykler og en 5-gangs øgning i kildevalgsprojekter per købsmedarbejder ved at aktivere direkte forbindelser med leverandører og reducere nedtid.
• Western Union opnåede en 60% reduktion i gennemgangstid for leverandør-Master Service-aftaler og sparede uger under årlige revisionscykler ved at opnå fuld indsigt i deres kontrakt-landskab.

Globalt forsyningskæder fortsætter med at stå over for uforudsigelige presser. Hvordan hjælper AI virksomheder med at fornemme risici tidligere og reagere mere strategisk?

Forsyningskæde-presser som tariffer og inflation er en vedvarende realitet. Købsledere har brug for værktøjer, der hjælper dem med at planlægge, ikke kun reagere på uforudsigelige presser. AI-kapaciteter som Levelpaths Optical Character Recognition og intelligent søgning hjælper med at fremhæve kontrakt-klausuler knyttet til nøgleord omkring tariffer, Forbrugerpris-indekset og inflation. Med denne gennemsigtighed kan virksomheder bestemme risici, før de forårsager budget-problemer.

Ved at bruge vores løsning analyserede en sundheds-klient 30.000 dokumenter på få minutter, et arbejde, der ville have taget over 3.350 timer manuelt. Ved at fremhæve kontrakt-risici, der tidligere var skjult, kunne deres hold forhandle omgunstige vilkår, fange kommende forlængelser og identificere bedre alternativer. Denne kapacitet hævede også købs værdi, hvilket gjorde det muligt for dem at fremhæve kritisk kontrakt-intelligence for ledelsesledere hurtigt og let, og positionerede holdet som en proaktiv forretningspartner i stedet for kun en behandlingsfunktion. Denne proaktive strategi eliminerer dyre overraskelser og sikrer finansielle resultater.

Når virksomheder adopterer AI-drevet køb for første gang, hvilke kulturelle eller operationelle barrierer ser du oftest, og hvordan bør ledere navigere dem?

AI har magten til at revolutionere forretninger, hvilket er tydeligt, når næsten 80% af virksomheder bruger AI i mindst én forretningsfunktion. Imidlertid er virkeligheden, at kun 1% lykkes med at skale disse initiativer forbi en pilot-program. Interne anvendelser af AI, der er boltet på legacy-løsninger, holder virksomheder tilbage, frustrerer medarbejdere og forhindrer virksomheder i at se 5 gange ROI.

Lederne vil ofte forfølge en AI-løsning, fordi de er fokuseret på teknologiens funktioner i stedet for de forretningsresultater, det kan levere. For at opnå reel værdi fra AI-drevne købsløsninger har virksomheder brug for at starte med pilot-programmer, der løser specifikke smerte-punkter, vælge problemer, hvor AI skaber øjeblikkelig impact, og planlægge for skalerbarhed.

I det hele taget har virksomheder brug for at stoppe med at investere i retrofittede løsninger, der vil ramme vægge og kræve workarounds, der ikke findes for AI-native platforme. Ledere har brug for at bygge den rigtige grundlag ved at vælge AI-native løsninger, der undgår integrations-udfordringer og vil udvikle sig, efterhånden som købsoperationer fortsætter med at transformere.

Da AI fortsætter med at udvikle sig, hvor ser du købs-teknologi gående hen over de næste tre til fem år, og hvordan positionerer Levelpath sig selv for den fremtid? 

Jeg ser agent-ledet økonomi omforme virksomheds-køb. I år gjorde AI-agenter springet fra forbruger-trend til enterprise-forstyrrelse, og den ændring vil fortsætte med at extrapolere. De største AI-ledede transformationer sker i, hvordan forretninger bliver gjort, og det omfatter køb i særdeleshed. En virksomhed har ikke længere brug for en overflod af købere for at navigere i splittede legacy-systemer.

Levelpaths AI-native platform giver virksomheder mulighed for at kilde, forhandle og lukke med total gennemsigtighed og øjeblikkelighed. AI-agenter evaluerer allerede leverandører, afslører risici og accelererer handler med en hastighed, der gendefinerer moderne forretning. Fremover vil AI-agenter stoppe med at assistere og starte med at operere, omformende, hvad virksomheds-præstation ser ud fra indersiden og ud.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Levelpath.