Alex Yakubovich, medgrundare och VD för Levelpath – Intervjuserie

Alex Yakubovich, medgrundare och VD för Levelpath, är en erfaren teknikentreprenör som har tillbringat sin karriär med att bygga och skala upp inköps- och driftsprogramvara. Innan han lanserade Levelpath 2022 var han GM för Spend på Workday efter att Scout RFP förvärvats, där han var vice VD och tidigare VD efter att ha medgrundat och växt företaget till en ledande källplattform. Tidigare roller på ONOSYS och LivingSocial stärkte ytterligare hans bakgrund inom företagsverksamhet, produktutveckling och digital transformation.

Levelpath är en AI-driven inköpsplattform som är byggd för att förenkla och modernisera hur företag hanterar källor, kontrakt, leverantörer och utgifter. Systemet förenar arbetsflöden som traditionellt ligger över flera frånkopplade verktyg, med hjälp av automatisering och intelligent datahantering för att eliminera friktion, förbättra synlighet och påskynda beslutsfattandet. Utformad för användbarhet och skala, möjliggör Levelpath för organisationer att effektivisera inköpsprocesser, minska risker och verka med större effektivitet över hela inköpslivscykeln.

Efter att ha lett Spend på Workday och tidigare skalat Scout RFP till en av de mest erkända inköpsplattformarna, vad var det för erfarenheter eller smärtor från dessa år som till slut ledde till att du skapade Levelpath som ett AI-nativt inköpssystem?

Min medgrundare, Stan Garber, och jag byggde Scout RFP för att hjälpa organisationer att förenkla källorna. Medan vi var på den resan såg vi hur splittrade inköpsprocesser orsakade frustration, huvudvärk och förseningar, redan från början. Efter att Scout RFP förvärvats av Workday fortsatte vi att höra samma historia. Inköp var allt annat än behagligt, och vanliga användare kunde inte komma förbi svårigheterna med komplexa, splittrade processer.

Vi observerade förstahands på Workday hur komplicerat inköp kan vara i ett stort företag, och vi såg en stor möjlighet. Dessa organisationer har troligen föredragna leverantörer för allt från professionella tjänster till företagsprylar. Men sannolikheten att varje potentiell slutanvändare i ett företag känner till den leverantörinformationen är låg, eftersom det finns mycket siloiserad kunskap och komplexitet. Med så många komplicerade saker för affärsanvändare och inköp, satte vi oss för att göra inköp behagligt.

När Stan och jag utvecklade vår vision för Levelpath, insåg vi möjligheten att skapa en plattform som var byggd med AI från grunden. Inköpserfarenheten behövde uppfinnas på nytt på ett sätt som prioriterade de människor som använder systemet. Vi utvecklade Levelpath som ett AI-nativt, leverantörscentrerat inköpssystem med fokus på intag till inköp. Vårt mål är att möjliggöra behagligt inköp genom att ge team snabbare och tidigare sätt att arbeta tillsammans.

Många inköpsverktyg förlitar sig fortfarande på äldre arkitekturer. Hur utformade du Levelpath för att vara AI-nativt från dag ett, och vad är de praktiska fördelarna med det för dina användare?

Äldre verktyg kan inte överbrygga gapet mellan vad företag nu behöver och vad äldre verktyg faktiskt kan leverera. Liksom de flesta affärsprocesser i bakkontoret, har inköp genomgått betydande förändringar under de senaste två decennierna. Det är bara logiskt att tekniken som stöder inköpsfunktioner också behöver en extrem transformation, särskilt med de generativa AI-framstegen vi har till våra fingrar just nu.

I stället för att försöka återanpassa generativ AI och anpassade stora språkmodeller till äldre programvarusystem, byggde vi Levelpath som ett sant AI-nativt inköpssystem. Att börja med en ren tavla i början av den generativa AI-eran innebär att varje arbetsflöde och interaktion utformades med AI-nativa funktioner. Denna intelligenta design är en fördel för våra användare, eftersom alla SaaS-inköpsprogramvarulösningar som skapades före 2022 inte byggdes från grunden med generativ AI i åtanke.

Att införa AI i inköp är ett stort tema just nu. Hur använder Levelpath AI för att automatisera komplex källhantering, leverantörsledning och kontraktrelaterade arbetsflöden?

Levelpaths AI-agenter automatiserar upprepade uppgifter som att bygga frågeformulär för källhändelser, samla in leverantörsregistreringsinformation och genomföra riskgranskningar för att frigöra team för att fokusera på strategi. Agenterna bringar kontextuell intelligens till arbetsflöden och hjälper team att upptäcka risker och säkerställa kontraktstöverensstämmelse.

Eftersom intelligensen är inbäddad i Levelpath via vår Hyperbridge-resoningsmotor, kan plattformen förstå användaravsikt och minska manuellt arbete. Detta innebär snabbare distribution, bättre antagande över hela företaget och mer informerade beslut som levererar bättre affärsresultat. All leverantörs-, kontrakt- och källdata finns också i en enda modell, vilket innebär att AI-agenter kan vidta åtgärder över hela inköpslivscykeln. Att effektivisera dessa tråkiga, tidskrävande manuella processer ger inköp möjlighet att gå från reaktivt till strategiskt.

Indirekt utgift är ofta den svåraste kategorin att kontrollera. Hur hjälper din plattform företag att få djupare insikt, minska läckage och navigera tariffrelaterad volatilitet?

Indirekta utgiftskategorier är ofta fragmenterade över avdelningar och olika system, vilket gör det svårt att se kostnader krypa in i realtid. Företag som förlitar sig på manuella kalkylblad, statiska rapporter eller frånkopplade system kan inte hålla jämna steg med förändringar, och tariffpåverkan är ofta begravd i dokument som ledare inte har tillgång till eller ser förrän budgeten redan är påverkad.

Levelpath löser allt detta genom att identifiera leverantörskategorier som är i fara och hjälper till att omfördela indirekt utgift på ett mer strategiskt sätt. AI-drivet inköp ger ledare en enda, realtidsvy av indirekt utgift. Vår plattform kommer att flagga tidiga indikatorer på kostnadsökningar, som stigande materialkostnader, kontraktsavvikelser eller tariffrelaterade prissvängningar. Leverantörsledare kan då svara omedelbart, snarare än att vänta veckor på rapporter eller lära sig om prishöjningar efter att en faktura har träffat.

Dessutom kan ledare med Levelpaths AI-agenter ställa naturliga språkfrågor om sina avtal och få klausulnivåsvar på sekunder. Detta tillåter alla team att gräva djupare i sina kontrakt för potentiella förändringar under volatilitet och reagera proaktivt.

Du har talat om att skapa AI-agenter som verkligen tillför värde för B2B-köpare. Vad ser “användbart” ut som i ett inköpssammanhang, och vad skiljer effektiva agenter från ytliga?

När det gäller AI-agenter i inköp är praktisk integration viktigare än teknisk sofistikering. De tidiga företagsagenterna misslyckades eftersom de agerade som chatbots eller påskruvade automatiseringar i stället för riktiga digitala specialister. Inköpsteam behöver agenter som beter sig som informerade samarbetspartner, som tillhandahåller precisa, kontextuella och trovärdiga utdata.

En användbar agent börjar med rätt grund. Om den underliggande leverantörs-, kontrakt- och källdata inte är förenad och ordentligt utbildad i modellen, kan agenten inte resonera eller agera pålitligt. Det är därför AI-nativa plattformar som Levelpath utbildar agenter direkt på ett företags faktiska arbetsflöden och datastruktur, vilket tillåter dem att operera med kontext i stället för gissning.

För att hitta agenter som tillför värde bör köpare fråga sig: “Löser den här agenten en verklig smärtpunkt?” Högpresterande agenter är direkt kopplade till affärsmål, antingen det är att påskynda inköpscykler, stärka leverantörsrelationer eller minska kostnader och risker. När agenter är utbildade på en förenad dataset och inbäddade i en AI-nativ arkitektur, låser de upp en nivå av operativ intelligens och smidighet som hjälper team att omforma hur de bedriver affärsverksamhet.

Inköp berör ekonomi, juridik, risk och leverantörer. Hur bringar Levelpath dessa intressenter samman så att arbetsflöden, data och kommunikation flyter mer naturligt?

Levelpath brottar överfunktionella team genom att möjliggöra för alla i organisationen att delta i standardiserade arbetsflöden. Att centralisera inköpsdata gör det mycket enklare för rapportering och spårning. I ett agentdrivet, användarvänligt gränssnitt kan intressenter effektivt begära, granska och samarbeta om intag, källor och kontrakt. Detta gör godkännandearbetsflöden smärtfria.

Levelpath förbättrar också globalt samarbete genom att ta bort språkbarriärer. Leverantörer kan skriva på sitt modersmål och chefer kommer att få sammanfattningar på sitt eget språk.

Kan du dela en konkret exempel på hur Levelpath har förändrat vardagslivet för ett inköpsteam – antingen genom hastighet, kostnadsreducering eller förbättrat leverantörsamarbete?

Levelpath satte sig för att göra inköpsprocessen genuint behaglig, och vi uppnår detta genom att skapa intuitiva och tillförlitliga arbetsflöden för inköpsteam med snabb innovation och skalbar automatisering. Som ett resultat har våra kunder sparat tid och pengar på traditionellt manuella processer.

Till exempel:

• GATX minskade RFP-cykelns tid från månader till minuter och uppnådde 10 gånger källkapacitet per inköpsanställd, vilket resulterade i 3,5 miljoner dollar i kontraktsbesparingar. GATX tillämpade Levelpaths AI-agenter för att centralisera dokument, ersätta äldre arbetsflöden och driva snabbare resultat.
• Acrisure uppnådde 10 gånger källkapacitet per inköpsanställd medan de hanterade 80 % av den tillgängliga utgiften genom att implementera Levelpath som företagets första inköpssystem. Levelpaths snabba distribution, effektiva skalning och smarta källverktyg levererade omedelbart värde.
• PADNOS sparade 6 000 timmar av fordonsnedtid med 76 % snabbare inköpscykler och en 5-faldig ökning av källprojekt per inköpsanställd genom att möjliggöra direktanslutningar med leverantörer och minska nedtiden.
• Western Union uppnådde en 60 % minskning av gransknings tid för leverantörs Master Service Avtal och sparade veckor under årliga revisionscykler genom att få full insikt i kontraktlandskapet.

Globala leverantörskedjor fortsätter att möta oförutsägbara påtryckningar. Hur hjälper AI organisationer att upptäcka risker tidigare och svara mer strategiskt?

Leverantörskedjepress som tullar och inflation är en bestående verklighet. Inköpsledare behöver verktyg som hjälper dem att planera, inte bara reagera på oförutsägbara påtryckningar. AI-funktioner som Levelpaths Optical Character Recognition och intelligent sökning hjälper till att yta kontraktsklausuler som är kopplade till nyckelord runt tullar, Consumer Price Index och inflation. Med denna transparens kan organisationer bestämma risker innan de orsakar budgetproblem.

Med hjälp av vår lösning analyserade en hälsovårdsclient 30 000 dokument på minuter, ett arbete som skulle ha tagit över 3 350 timmar manuellt. Genom att yta kontrakt-risker som tidigare var dolda kunde deras team omförhandla ofördelaktiga villkor, upptäcka kommande förnyelser och identifiera bättre alternativ. Denna funktion höjde också inköps strategiska värde, vilket möjliggjorde för teamet att yta kritisk kontraktintelligens för ledande chefer snabbt och enkelt, vilket positionerade teamet som en proaktiv affärspartner snarare än bara en bearbetningsfunktion. Denna proaktiva strategi eliminerar dyra överraskningar och säkerställer finansiell prestanda.

När företag antar AI-drivet inköp för första gången, vilka kulturella eller operativa hinder ser du oftast, och hur bör ledare navigera dem?

AI har kraften att revolutionera affärsverksamhet, vilket är uppenbart när nästan 80 % av organisationerna använder AI i minst en affärsfunktion. Men verkligheten är att bara 1 % lyckas skala dessa initiativ förbi en pilotprogram. Interna tillämpningar av AI som är fastsatta på äldre lösningar håller företag tillbaka, frustrerar anställda och förhindrar organisationer från att se 5x ROI.

Ledar kommer ofta att förfölja en AI-lösning eftersom de är fokuserade på teknikens funktioner snarare än de affärsresultat den kan leverera. För att uppnå faktiskt värde från AI-drivet inköpssystem behöver organisationer börja med pilotprogram som löser specifika smärtor, välja problem där AI skapar omedelbar påverkan och planera för skalbarhet.

Sammanfattningsvis behöver organisationer sluta investera i ombyggda lösningar som kommer att slå i väggen och kräva lösningar som inte finns för AI-nativa plattformar. Ledare behöver bygga rätt grund genom att välja AI-nativa lösningar som undviker integrationsutmaningar och kommer att utvecklas när inköpsverksamhet fortsätter att förändras.

När AI fortsätter att utvecklas, vart ser du inköpsteknologi gående under de kommande tre till fem åren, och hur positionerar sig Levelpath för den framtiden? 

Jag ser den agent-ledda ekonomin omforma företagsinköp. I år gjorde AI-agenter språnget från konsumenttrend till företagsstörare, och den förändringen kommer att fortsätta extrapolera. De största AI-ledda transformationerna sker i hur affärsverksamhet bedrivs, och det sträcker sig till inköp i synnerhet. Ett företag behöver inte längre en överflöd av köpare för att navigera fragmenterade äldre system.

Levelpaths AI-nativa plattform låter organisationer källa, förhandla och stänga med total transparens och omedelbarhet. AI-agenter utvärderar redan leverantörer, upptäcker risker och påskyndar affärer i en takt som omdefinierar modern affärsverksamhet. Framöver kommer AI-agenter att sluta assistera och börja operera, omformande vad företagsprestanda ser ut som inifrån och ut.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Levelpath.