Alex Yakubovich, medgrunnlegger og CEO av Levelpath – Intervju-serie

Alex Yakubovich, medgrunnlegger og CEO av Levelpath, er en erfaren teknologi-entrepreneur som har brukt karrieren sin på å bygge og skale opp innkjøps- og driftsprogramvare. Før han lanserte Levelpath i 2022, var han GM of Spend at Workday etter at de kjøpte Scout RFP, der han var visepresident og tidligere CEO etter å ha co-grunnlagt og vokst selskapet til å bli en ledende kildeplattform. Tidligere roller i ONOSYS og LivingSocial styrket også hans bakgrunn i bedriftsdrift, produktutvikling og digital transformasjon.

Levelpath er en AI-drevet innkjøpsplattform bygget for å forenkle og modernisere hvordan bedrifter håndterer kildevalg, kontrakter, leverandører og utgifter. Deres system samler arbeidsflyter som tradisjonelt ligger på flere separate verktøy, og bruker automatisering og intelligent dataprosessering for å eliminere friksjon, forbedre synlighet og påskynde beslutningstaking. Designet for brukervennlighet og skalerbarhet, gjør Levelpath det mulig for organisasjoner å strømlinje innkjøpsprosesser, redusere risiko og operere med større effektivitet gjennom hele innkjøpslivssyklusen.

Efter å ha ledet Spend at Workday og tidligere skalert Scout RFP til å bli en av de mest anerkjente innkjøpsplattformene, hva erfaringer eller smerte punkter fra disse årene var det som til slutt førte til at du skapte Levelpath som et AI-nativt innkjøpssystem?

Min medgrunnlegger, Stan Garber, og jeg bygget Scout RFP for å hjelpe organisasjoner å forenkle kildevalg. Mens vi var på denne reisen, så vi hvordan separate innkjøpsprosesser forårsaket frustrasjon, hodepiner og forsinkelser, allerede fra starten. Etter at Scout RFP ble kjøpt av Workday, fortsatte vi å høre samme historie. Innkjøp var alt annet enn behagelig, og hverdagsbrukere kunne ikke komme forbi vanskelighetene med komplekse, fragmenterte prosesser.

Vi observerte førstehånd på Workday hvordan komplisert kjøp kan være i et stort selskap, og vi så en stor mulighet. Disse organisasjonene har sannsynligvis foretrukne leverandører for alt fra profesjonelle tjenester til selskapssouvenirer. Imidlertid er sannsynligheten for at hver potensiell sluttbruker i et selskap kjenner til denne leverandørinformasjonen lav, fordi det er mye silo-kunnskap og kompleksitet. Med så mange komplikasjoner for bedriftsbrukere og innkjøp, satte vi oss fore å gjøre innkjøp behagelig.

Når Stan og jeg utviklet vår visjon for Levelpath, innsett vi muligheten i å skape en plattform som var bygget med AI fra bunnen av. Innkjøpsopplevelsen måtte bli gjenskapt på en måte som prioriterer menneskene som bruker systemet. Vi utviklet Levelpath som en AI-nativ, leverandør-sentrert innkjøpsplattform fokusert på innkjøp til innkjøp. Vårt mål er å aktivere behagelig innkjøp ved å gi teamene raskere og tidligere måter å samarbeide på.

Mange innkjøpsverktøy avhenger fortsatt av legacy-arkitektur. Hvordan designet du Levelpath for å være AI-nativt fra dag én, og hva praktiske fordeler gir dette dine brukere?

Legacy-verktøy kan ikke bruke gapet mellom hva bedrifter nå trenger og hva legacy-verktøy kan faktisk levere. Liksom de fleste bakkontor-forretningsprosesser, har innkjøp gjennomgått betydelige endringer de siste to tiårene. Det er bare logisk at teknologien som støtter innkjøpsfunksjoner også må gjennomgå ekstrem transformasjon, spesielt med de generative AI-fremstøt vi har til våre fingertopper nå.

I stedet for å prøve å tilpasse Generative AI og tilpasse store språkmodeller til legacy-programvare, bygget vi Levelpath som en virkelig AI-nativ innkjøpsløsning. Å starte med en ren plate fra begynnelsen av den generative AI-æraen betyr at hver arbeidsflyt og interaksjon ble designet med AI-nativ kapasitet. Denne intelligente designen er en fordel for våre brukere, fordi noen SaaS-innkjøpsprogramvareløsninger som ble laget før 2022, ikke ble bygget fra bunnen av med Generative AI i tankene.

Innbredning av AI i innkjøp er et stort tema nå. Hvordan bruker Levelpath AI for å automatisere komplekse kilder, leverandørstyring og kontrakt-relaterte arbeidsflyter?

Levelpaths AI-agenter automatiserer repetitive oppgaver som å bygge spørsmål for kildevalgshendelser, samle inn leverandør-opptaksinformasjon og gjennomføre risikovurderinger for å frigjøre teamene til å fokusere på strategi. Agentene bringer kontekstuell intelligens til arbeidsflyter og hjelper teamene å spore risiko og sikre kontrakt-overholdelse.

Ettersom intelligensen er innbygget i Levelpath via vår Hyperbridge-raisonneringsmotor, kan plattformen forstå brukerens intensjon og redusere manuell innsats. Dette betyr raskere distribusjon, bedre tilpasning over hele bedriften og mer informerte beslutninger som gir bedre forretningsresultater. Alle leverandør-, kontrakt- og kildevalgsdata bor også i ett samlet modell, noe som betyr at AI-agenter kan handle over hele innkjøpslivssyklusen. Å strømlinjeforme disse tråkte, tidkrevende manuelle prosessene gir innkjøp muligheten til å gå fra reaktiv til strategisk.

Indirekte utgifter er ofte den hardeste kategorien å kontrollere. Hvordan hjelper din plattform bedrifter å få dypere synlighet, redusere lekkasje og navigere i toll-relatert volatilitet?

Indirekte utgiftskategorier er ofte fragmentert over avdelinger og ulike systemer, noe som gjør det vanskelig å se kostnader krype inn i sanntid. Selskaper som avhenger av manuelle regneark, statiske rapporter eller frakoblete systemer, kan ikke holde tritt med endringer, og toll-påvirkninger er ofte begravd i dokumenter som lederne ikke har tilgang til eller ser før budsjettene allerede er berørt.

Levelpath løser alle disse problemene ved å identifisere risikofylte leverandørkategorier og hjelpe med å omfordele indirekte utgifter mer strategisk. AI-drevet innkjøp gir lederne en enkelt, sanntidsvisning av indirekte utgifter. Vår plattform vil flagge tidlige indikatorer på kostnadsøkninger, som økende materialekostnader, kontraktsanomalier eller toll-relaterte prisendringer. Leverandørledere kan deretter reagere umiddelbart, i stedet for å vente uker på rapporter eller lære om prisøkninger etter at en faktura har rammet.

I tillegg kan lederne med Levelpaths AI-agenter stille naturlige språkspørsmål om sine avtaler og motta klause-nivå-svar på sekunder. Dette lar alle teamene grave dyptere i sine kontrakter for potensielle endringer midt i volatilitet og reagere preemptivt.

Du har snakket om å skape AI-agenter som virkelig legger til verdi for B2B-kjøpere. Hva ser “nyttig” ut som i en innkjøpskontekst, og hva skiller effektive agenter fra overflatiske?

Når det gjelder AI-agenter i innkjøp, er praktisk integrering viktigere enn teknisk sofistikert. Tidlige enterprise-agenter feilet fordi de oppførte seg som chatboter eller boltet på automatiseringer i stedet for sanne digitale spesialister. Innkjøpsteamene trenger agenter som oppfører seg som informerte samarbeidspartnere, som gir presise, kontekstuelle og pålitelige utdata.

En nyttig agent starter med riktig grunnlag. Hvis den underliggende leverandør-, kontrakt- og kildevalgsdata ikke er samlet og ordentlig trent inn i modellen, kan agenten ikke resonnere eller handle pålitelig. Derfor trener AI-nativ-plattformer som Levelpath agenter direkte på et selskaps faktiske arbeidsflyter og datastruktur, noe som lar dem operere med kontekst i stedet for å gjette.

For å finne agenter som legger til verdi, bør kjøperne spørre: “Løser denne agenten en virkelig smertefullhet?” Høy-impakt-agenter binder direkte til forretningsmål, enten det er å akselerere kildevalgssykluser, styrke leverandør-relasjoner eller redusere kostnad og risiko. Når agenter er trent på en samlet datasett og innbygget i en AI-nativ arkitektur, låser de opp en nivå av operasjonell intelligens og smidighet som hjelper teamene til å omforme hvordan de driver forretning.

Innkjøp berører finans, juridisk, risiko og leverandører. Hvordan bringer Levelpath disse interessentene sammen så arbeidsflyter, data og kommunikasjon flyter mer naturlig?

Levelpath broer over tverrfaglige team ved å aktivere noen over hele organisasjonen til å delta i standardiserte arbeidsflyter. Sentralisering av innkjøpsdata gjør det mye enklere å samarbeide og få synlighet for rapportering og sporingsformål. I en agent-drevet, brukervennlig grensesnitt kan interessenter effektivt be om, gjennomse og samarbeide om innkjøp, kildevalg og kontrakter. Dette gjør godkjenningsarbeidsflyter smertefrie.

Levelpath forbedrer også globalt samarbeid ved å fjerne språkbarrierer. Leverandører kan skrive på sitt morsmål, og ledere vil motta sammenfatninger på sitt eget språk.

Kan du dele et konkret eksempel på hvordan Levelpath har endret dag-til-dag-livet til et innkjøpsteam – enten gjennom hastighet, kostnadsreduksjon eller forbedret leverandør-samarbeid?

Levelpath satte ut å gjøre innkjøpsprosessen virkelig behagelig, og vi oppnår dette ved å skape intuitive og pålitelige arbeidsflyter for innkjøpsteam med raskere innovasjon og skalerbar automatisering. Som et resultat har våre kunder spart tid og penger på tradisjonelt manuelle prosesser.

For eksempel:

• GATX reduserte RFP-syklusen fra måneder til minutter og oppnådde 10 ganger kildevalgskapasitet per innkjøpsansatt, noe som resulterte i 3,5 millioner dollar i kontrakt-besparelse. GATX anvendte Levelpaths AI-agenter til å sentralisere dokumenter, erstatte legacy-arbeidsflyter og drive raskere resultater.
• Acrisure oppnådde 10 ganger kildevalgskapasitet per innkjøpsansatt, mens de håndterte 80 % av den adresserbare utgiftene ved å implementere Levelpath som selskapets første innkjøpssystem. Levelpaths rask distribusjon, effektiv skalerbarhet og smart kildevalg-verktøy leverte umiddelbar verdi.
• PADNOS sparte 6 000 timer med nedtid med 76 % raskere innkjøps-sykluser og en 5-ganger økning i kildevalgsprosjekter per innkjøpsansatt, ved å aktivere direkte forbindelser med leverandører og redusere nedtid.
• Western Union oppnådde en 60 % reduksjon i gjennomgangstid for leverandører og sparede uker under årlige revisjons-sykluser ved å få full synlighet i kontrakt-landskapet.

Globalt leveringsnettverk fortsetter å møte uforutsigbare press. Hvordan hjelper AI organisasjoner å føle risiko tidligere og reagere mer strategisk?

Leveringsnettverk-press, som toller og inflasjon, er en varig realitet. Innkjøpsledere trenger verktøy som hjelper dem å planlegge, ikke bare reagere på uforutsigbare press. AI-kapasiteter som Levelpaths Optical Character Recognition og intelligent søk hjelper å surface kontrakt-klausuler knyttet til nøkkelord rundt toller, Consumer Price Index og inflasjon. Med denne transparensen kan organisasjoner bestemme risiko før de forårsaker budsjett-problemer.

Ved å bruke vår løsning, analyserte en helseklient 30 000 dokumenter på minutter, arbeid som ville ha tatt over 3 350 timer manuelt. Ved å surface kontrakt-risiko som tidligere var skjult, kunne deres team forhandle om ubehagelige vilkår, fange oppkommende fornyelser og identifisere bedre alternativer. Denne kapasiteten eleverte også innkjøpets strategiske verdi, og gjorde det mulig for teamet å surface kritisk kontrakt-intelligens for ledere raskt og enkelt, og posisjonerte teamet som en proaktiv forretningspartner i stedet for bare en prosess-funksjon. Denne proaktive strategien eliminerer dyre overraskelser og sikrer finansiell ytelse.

Når selskaper adopterer AI-drevet innkjøp for første gang, hva kulturelle eller operative barrierer ser du mest ofte, og hvordan bør ledere navigere dem?

AI har kraften til å revolusjonere forretning, noe som er tydelig når nesten 80 % av organisasjonene bruker AI i minst én forretningsfunksjon. Imidlertid er realiteten at bare 1 % lykkes med å skale disse initiativene forbi en pilot-program. Interne anvendelser av AI som er boltet på legacy-løsninger, holder selskaper tilbake, frustrerer ansatte og forhindrer organisasjoner fra å se 5x ROI.

Ledere vil ofte søke etter en AI-løsning fordi de fokuserer på teknologiens funksjoner i stedet for de forretningsresultatene den kan levere. For å oppnå faktisk verdi fra AI-drevne innkjøpsløsninger, må organisasjoner starte med pilot-programmer som løser bestemte smertepunkter, velge problemer der AI skaper umiddelbar effekt og planlegge for skalerbarhet.

Overordnet må organisasjonene slutte å investere i retrofittede løsninger som vil treffen vegger og kreve arbeid-around som ikke finnes for AI-nativ-plattformer. Ledere må bygge riktig grunnlag ved å velge AI-nativ-løsninger som unngår integreringsutfordringer og vil utvikle seg etter hvert som innkjøpsoperasjoner fortsetter å transformere.

Ettersom AI fortsetter å utvikle seg, hvor ser du innkjøpsteknologi går over de neste tre til fem årene, og hvordan stiller Levelpath seg for denne fremtiden?

Jeg ser agent-led økonomien omforme bedrifts-innkjøp. I år tok AI-agenter spranget fra forbrukertrend til bedrifts-forstyrrelse, og den skiftet vil fortsette å extrapolere. De største AI-ledende transformasjoner skjer i hvordan forretning drives, og det omfatter innkjøp i særlig grad. En bedrift trenger ikke lenger en overflod av kjøpere for å navigere i fragmenterte legacy-systemer.

Levelpaths AI-nativ-plattform lar organisasjoner kilde, forhandle og lukke med full transparens og umiddelbarhet. AI-agenter evaluerer allerede leverandører, avdekker risiko og akselererer avtaler i et tempo som omdefinerer moderne forretning. Fremover vil AI-agenter slutte å assistere og begynne å operere, og omforme hva bedriftsytelse ser ut som fra innsiden og ut.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Levelpath.