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 driftssoftware. Før han lanserte Levelpath i 2022, var han GM of Spend at Workday etter at de kjøpte Scout RFP, hvor han var visepresident og tidligere CEO etter å ha grunnlagt og vokst selskapet til å bli en ledende kilde for innkjøp. Tidligere roller i ONOSYS og LivingSocial styrket også hans bakgrunn i bedriftsdrift, produktutvikling og digital transformasjon.

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

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

Min medgrunnlegger, Stan Garber, og jeg bygde Scout RFP for å hjelpe organisasjoner å forenkle innkjøp. 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 den samme historien. Innkjøp var alt annet enn behagelig, og vanlige brukere 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 firmaets merchandise. Imidlertid er sannsynligheten for at hver enkelt slutbruker i et selskap kjenner til denne leverandør-informasjonen lav, fordi det er mye silo-lagret 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 trengte å bli oppfunnet på nytt på en måte som prioriterer menneskene som bruker systemet. Vi utviklet Levelpath som en AI-nativ, leverandør-sentrert innkjøpsplattform som fokuserer på innkjøp. Vårt mål er å aktivere behagelig innkjøp ved å gi teamene raskere og tidligere måter å samarbeide på.

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

Legacy-verktøy kan ikke brygge 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 tilpassede store språkmodeller til legacy-programvare-systemer, bygde vi Levelpath som en virkelig AI-nativ innkjøpsløsning. Å starte med en ren plate på begynnelsen av den generative AI-æraen betyr at hver arbeidsflyt og interaksjon ble designet med AI-nativ kapabilitet. Denne intelligente designen er en fordel for våre brukere fordi alle SaaS-innkjøpsprogramvareløsninger som ble laget før 2022, ikke ble bygget fra bunnen av med Generative AI i tankene.

Å integrere AI i innkjøp er et stort tema nå. Hvordan bruker Levelpath AI for å automatisere komplekse innkjøps-, leverandør- og kontrakt-relaterte arbeidsflyter?

Levelpaths AI-agenter automatiserer repetitive oppgaver som å bygge spørreskjemaer for innkjøpsbegivenheter, samle inn leverandør-opptaksinformasjon og gjennomføre risiko-gjennomgang for å frigjøre teamene til å fokusere på strategi. Agentene bringer kontekstuell intelligens til arbeidsflyter og hjelper teamene å oppdage risiko og sikre kontrakt-samsvar.

Ettersom intelligensen er integrert gjennom Levelpath via vår Hyperbridge-resonering-motor, kan plattformen forstå brukerens intensjon og redusere manuell innsats. Dette betyr raskere distribusjon, bedre tilpasning på tvers av bedriften og mer informerte beslutninger som gir bedre forretningsresultater. All leverandør-, kontrakt- og innkjøpsdata bor også i ett forent modell, noe betyr at AI-agenter kan ta handlinger på tvers av hele innkjøpslivssyklusen. Å strømlinje disse tråkte, tidkrevende manuelle prosessene gir innkjøp muligheten til å gå fra reaktivt til strategisk.

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

Indirekte utgiftskategorier er ofte fragmentert på tvers av avdelinger og ulike systemer, noe som gjør det vanskelig å se kostnader som kommer inn i sanntid. Bedrifter som avhenger av manuelle regneark, statiske rapporter eller separate systemer, kan ikke holde tritt med endringer, og tariff-påvirkninger er ofte begravd i dokumenter som ledere ikke har tilgang til eller ser før budsjettene allerede er berørt.

Levelpath løser alle disse problemene ved å identifisere risikable leverandør-kategorier og hjelpe med å omfordele indirekte utgifter mer strategisk. AI-drevet innkjøp gir ledere en enkelt, sanntids-oversikt over indirekte utgifter. Vår plattform vil flagge tidlige indikatorer for kost-økninger, som stigende materiale-kostnader, kontrakt-anomalier eller tariff-relaterte pris-endringer. Leverandør-ledere kan deretter reagere umiddelbart, i stedet for å vente uker på rapporter eller lære om pris-økninger etter at en faktura har rammet.

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 kommer til AI-agenter i innkjøp, er praktisk integrering viktigere enn teknisk sofistikert. Tidlige enterprise-agenter feilet fordi de oppførte seg som chat-bots eller boltet på automatiseringer i stedet for å være sanne digitale spesialister. Innkjøpsteam trenger agenter som oppfører seg som informerte samarbeidspartnere, og gir presise, kontekstuelle og pålitelige utdata.

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

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

Levelpath broer over tverrfunksjonelle team ved å aktivere noen på tvers av organisasjonen til å delta i standardiserte arbeidsflyter. Sentralisering av innkjøpsdata gjør det mye enklere for rapportering og sporings. I et agent-drevet, brukervennlig grensesnitt kan interessenter effektivt be om, se gjennom og samarbeide om innkjøp, kontrakter og leverandører. Dette gjør godkjenningsarbeidsflyter ubesværet.

Kan du dele et konkrekt eksempel på hvordan Levelpath har endret den daglige livet til et innkjøpsteam – enten gjennom hastighet, kost-reduksjon eller forbedret leverandør-samarbeid?

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

For eksempel:

• GATX reduserte RFP-syklus-tid fra måneder til minutter og oppnådde 10 ganger innkjøps-kapasitet per innkjøps-ansatt, 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 innkjøps-kapasitet per innkjøps-ansatt mens de håndterte 80% av den tilgjengelige utgiften ved å implementere Levelpath som selskapets første innkjøps-system. Levelpaths rask distribusjon, effektiv skalerbarhet og smart innkjøps-verktøy leverte umiddelbar verdi.
• PADNOS sparte 6 000 timer med nedetid i flåten og oppnådde 76% raskere innkjøps-sykluser og en 5-ganger økning i innkjøps-prosjekter per innkjøps-ansatt ved å aktivere direkte forbindelser med leverandører og redusere nedetid.
• Western Union oppnådde en 60% reduksjon i gjennomgangstid for leverandør- Master Service Avtaler og sparte uker under årlige revisjons-sykluser ved å få full synlighet inn i kontrakt-landskapet.

Globalt leverandør-kjede fortsetter å møte uforutsigbare press. Hvordan hjelper AI organisasjoner med å oppdage risiko tidligere og reagere mer strategisk?

Leverandør-kjede-press som toller og inflasjon er en varig realitet. Innkjøps-ledere trenger verktøy som hjelper dem å planlegge, ikke bare reagere på uforutsigbare press. AI-kapasiteter som Levelpaths Optical Character Recognition og intelligent søk hjelper med 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, analyserer en helsetjeneste-kunde 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 eleverer også innkjøps strategisk verdi, og gjør det mulig for teamet å surface kritisk kontrakt-intelligens for ledere raskt og enkelt, og posisjonere teamet som en proaktiv forretnings-partner i stedet for bare en prosess-funksjon. Denne proaktive strategien eliminerer dyre overraskelser og sikrer finansiell ytelse.

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

AI har kraften til å revolusjonere forretninger, 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 AI-applikasjoner som er boltet på legacy-løsninger, holder selskaper tilbake, frustrerer ansatte og forhindrer organisasjoner fra å se 5 ganger ROI.

Lederne vil ofte søke etter en AI-løsning fordi de fokuserer på teknologiens funksjoner i stedet for de forretnings-resultatene den kan levere. For å oppnå faktisk verdi fra AI-drevne innkjøps-løsninger, må organisasjoner starte med pilot-programmer som løser spesifikke smerte-punkter, velge problemer der AI skaper umiddelbar påvirkning og planlegge for skalerbarhet.

I alt må organisasjonene slutte å investere i retrofittede løsninger som vil treffen vegger og kreve arbeid-around som ikke eksisterer for AI-nativ plattform. Lederne må bygge riktig grunnlag ved å velge AI-nativ løsninger som unngår integrerings-utfordringer og vil utvikle seg etter hvert som innkjøps-operasjoner fortsetter å transformere.

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

Jeg ser agent-led økonomi omforme bedrifts-innkjøp. I år tok AI-agenter spranget fra forbruker-trend til bedrifts-forstyrrende, og den skiftet vil fortsette å extrapolere. De største AI-ledende transformasjoner skjer i hvordan forretninger 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 innkjøpe, forhandle og lukke med full transparens og umiddelbarhet. AI-agenter evaluerer allerede leverandører, avdekker risiko og akselerer avtaler i en takt som omdefinerer moderne forretning. Fremover vil AI-agenter stoppe å assistere og starte å operere, og omforme hva bedrifts-ytelse ser ut som fra innsiden og ut.

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