Levelpath Luncurkan Ranger untuk Menjalankan Alur Kerja Pengadaan End to End

Levelpath telah meluncurkan Ranger, sebuah platform pengadaan otonom yang dirancang untuk memindahkan pembelian perusahaan dari administrasi berbantuan AI ke pelaksanaan end-to-end. Diumumkan pada 30 September, Ranger menerima permintaan dalam bahasa alami atau suara, kemudian mengoordinasikan pekerjaan yang diperlukan untuk mencari pemasok, meninjau kontrak, menyambut vendor, menilai risiko pihak ketiga, serta mencocokkan dan menyetujui faktur.

Perbedaan ini penting. Sebagian besar copilot pengadaan dapat merangkum kontrak, menyusun kuesioner, atau menjawab pertanyaan kebijakan, tetapi karyawan masih harus menghubungkan output tersebut menjadi sebuah proses. Ranger dibangun untuk berfungsi sebagai jaringan penghubung itu. Agen-agennya dapat merencanakan dan melaksanakan beberapa langkah di seluruh sistem pengadaan, keuangan, hukum, keamanan, dan TI sambil meningkatkan keputusan yang memerlukan penilaian manusia.

Dari Prompt ke Proses yang Diatur

Di pusat platform terdapat Ranger Studio, sebuah lingkungan bahasa alami di mana tim pengadaan menggambarkan agen atau alur kerja, menentukan kebijakan yang harus diikuti, dan memutuskan di mana seseorang harus campur tangan. Perusahaan menyatakan bahwa pengguna dapat menempatkan asisten untuk pertanyaan berbasis data, agen tugas untuk pekerjaan rutin, agen alur kerja untuk proses multi-langkah, dan agen berkelanjutan yang memantau tanggung jawab seperti pembaruan kontrak atau kesehatan pemasok.

Ranger dilengkapi dengan lima alur kerja otonom: sourcing, peninjauan kontrak, onboarding pemasok, perlindungan risiko pihak ketiga, serta pencocokan dan persetujuan faktur. Ini bukan fitur yang terpisah. Mereka beroperasi pada model data pengadaan bersama Levelpath dan terhubung ke ERP, manajemen siklus hidup kontrak, keuangan, kolaborasi, serta sistem perusahaan lainnya melalui integrasi dan API yang telah dibangun sebelumnya.

Arsitektur ini dibangun di atas mesin penalaran Hyperbridge milik Levelpath, yang menyatukan konteks pemasok, kontrak, sourcing, dan pengeluaran ke dalam lapisan bersama. Perusahaan menggambarkan Hyperbridge sebagai penggabungan model bahasa besar dengan data perusahaan dan logika alur kerja, memungkinkan agen untuk menalar konteks di balik permintaan alih-alih memperlakukan setiap dokumen atau sistem sebagai interaksi terpisah.

Fondasi data tersebut merupakan persyaratan teknis yang kritis. Dalam wawancara Unite.AI terbaru, co-founder dan CEO Levelpath Alex Yakubovich berpendapat bahwa sebuah agen tidak dapat beroperasi secara andal ketika informasi pemasok, kontrak, dan sourcing tetap terfragmentasi. Proposisi Ranger adalah bahwa model terpadu memberikan agen khusus cukup konteks untuk melanjutkan alur kerja, bukan sekadar memberikan jawaban.

Seperti Apa Pengadaan Otonom dalam Praktik

Untuk acara sourcing, Ranger dapat mengubah permintaan singkat menjadi RFP terstruktur dengan kuesioner, lembar harga, kartu skor, dan proses khusus pemasok. Ia dapat menganalisis respons, menjelaskan penilaiannya, dan merekomendasikan pemberian, sambil menyerahkan pemilihan akhir kepada orang yang berwenang. Harga historis, kinerja pemasok, dan ketentuan yang dinegosiasikan juga dapat menjadi dasar analisis.

Manajemen kontrak menambahkan pola yang lebih proaktif. Ranger dapat menghitung jendela pemberitahuan, memulai tinjauan pembaruan sebelum kontrak berakhir, dan merekomendasikan apakah harus memperpanjang, merundingkan kembali, menghentikan, atau tidak melakukan apa-apa. Contract Discovery memungkinkan tim mengajukan satu pertanyaan pada hingga 10.000 kontrak dan menerima jawaban yang terhubung dengan bukti dalam dokumen dasar. Lapisan sitasi tersebut penting dalam pekerjaan hukum dan pengadaan, di mana jawaban yang masuk akal tanpa sumber yang dapat ditelusuri tidak memadai.

Dalam akun payable, platform mencocokkan faktur dengan catatan pemasok, purchase order, kontrak, dan data penerimaan. Ia dapat mengidentifikasi duplikat, ketidaksesuaian harga atau kuantitas, jumlah yang tidak biasa, serta purchase order yang mendekati batasnya. Faktur bersih dengan nilai rendah dapat diproses menuju pembayaran secara otomatis; pengecualian dialihkan ke orang dengan alasan tertulis dan jejak audit.

AI Front Door menyediakan antarmuka bersama. Karyawan dapat memulai permintaan pembelian dengan obrolan, kutipan, atau instruksi suara. Ranger mengisi permintaan secara otomatis, menerapkan panduan berdasarkan peran karyawan, dan mengarahkan pekerjaan ke tim hukum, keamanan, keuangan, atau risiko sesuai kebijakan dan ambang batas. Dasbor bahasa alami juga mengubah pertanyaan tentang pengeluaran, pemasok, dan kinerja menjadi diagram, perbandingan, atau KPI.

Otonomi dengan Batasan Ketat

Bagian paling konsekuensial dari peluncuran ini mungkin adalah desain tata kelola-nya. Setiap agen dapat diaktifkan atau dinonaktifkan pada langkah individu dan dibatasi oleh kebijakan, ambang persetujuan, buku pedoman, nada, serta aturan organisasi. Levelpath menyatakan bahwa perubahan agen diuji terhadap skenario evaluasi berversi dan percakapan produksi sebelum dirilis.

Lebih penting lagi, otorisasi dapat bersifat struktural bukan sekadar nasihat. Agen persetujuan mungkin diizinkan menyetujui permintaan yang memenuhi syarat tetapi secara teknis dicegah menolak satu permintaan, memaksa setiap penolakan kepada orang. Ranger juga membedakan tindakan otomatis dari keputusan manusia dalam catatan auditnya dan dirancang untuk menghindari tindakan berdasarkan informasi yang usang atau tidak lengkap.

Kontrol ini menangani risiko perusahaan yang lebih luas: seiring agen otonom berkembang, perusahaan perlu mengetahui sistem mana yang membuat keputusan, bukti apa yang digunakan, dan otoritas apa yang diterapkan. Seperti yang baru-baru ini diteliti Unite.AI dalam kebangkitan agen bayangan, masalah tata kelola menjadi lebih sulit ketika agen dapat memicu satu sama lain lintas fungsi. Model Ranger tentang izin terbatas, evaluasi, bukti, dan eskalasi eksplisit merupakan upaya untuk membuat otonomi tersebut dapat dipertanggungjawabkan secara operasional.

Model Operasi Baru untuk Pengadaan

Levelpath mengatakan Ranger sudah tersedia sekarang dan akan diberikan kepada pelanggan yang ada tanpa biaya tambahan. Pelanggan baru dapat memulai dengan bukti konsep atau bukti nilai. Perusahaan menyebut American Airlines, CBRE, Amgen, New York Life, Levi Strauss & Co., dan Western Union sebagai organisasi yang menggunakan teknologinya.

Peluncuran ini juga memperkenalkan Ranger Academy, serangkaian lokakarya yang ditujukan untuk melatih profesional pengadaan sebagai “Agent Operations Managers” yang mendefinisikan kebijakan, menyetel agen, dan mengelola hasil. Peran tersebut menandakan di mana tantangan adopsi produk yang sebenarnya berada. Alur kerja otonom tidak menghilangkan keahlian pengadaan; mereka mengubahnya menjadi perancangan kebijakan, penanganan pengecualian, strategi pemasok, dan supervisi agen.

Ranger hadir saat AI perusahaan beralih dari menghasilkan konten ke mengoordinasikan tindakan. Pengadaan menjadi ujian yang mengungkapkan karena menggabungkan dokumen yang berantakan, volume transaksi yang tinggi, persetujuan lintas fungsi, kewajiban regulasi, hubungan pemasok, dan konsekuensi keuangan langsung. Jika Levelpath dapat menjaga agen tetap berada dalam batas yang dapat diverifikasi sambil mengintegrasikan sistem terfragmentasi yang masih menjadi andalan perusahaan, Ranger dapat menjadikan pengadaan salah satu demonstrasi paling jelas dari AI agen yang diatur dalam praktik.