Levelpath เปิดตัว Ranger เพื่อดำเนินกระบวนการจัดซื้อแบบ End to End

Levelpath ได้เปิดตัว Ranger ซึ่งเป็นแพลตฟอร์มจัดซื้ออัตโนมัติที่ออกแบบมาเพื่อย้ายการซื้อขององค์กรจากการดูแลโดย AI ไปสู่การดำเนินการแบบครบวงจร ประกาศเมื่อวันที่ 30 กันยายน Ranger รับคำขอด้วยภาษาธรรมชาติหรือเสียง แล้วประสานงานงานที่จำเป็นในการคัดเลือกผู้จำหน่าย, ตรวจสอบสัญญา, นำผู้ขายเข้าสู่ระบบ, ประเมินความเสี่ยงจากบุคคลที่สาม, และจับคู่และอนุมัติใบแจ้งหนี้

ความแตกต่างนี้สำคัญ ส่วนใหญ่ของผู้ช่วยจัดซื้อสามารถสรุปสัญญา, ร่างแบบสอบถาม, หรือตอบคำถามนโยบายได้ แต่พนักงานยังต้องเชื่อมต่อผลลัพธ์เหล่านั้นให้เป็นกระบวนการ Ranger ถูกสร้างขึ้นเพื่อทำหน้าที่เป็นเนื้อเยื่อเชื่อมต่อ ตัวแทนของมันสามารถวางแผนและดำเนินการหลายขั้นตอนข้ามระบบจัดซื้อ, การเงิน, กฎหมาย, ความปลอดภัย, และไอที พร้อมกับส่งต่อการตัดสินใจที่ต้องใช้การพิจารณาของมนุษย์

จากคำสั่งเป็นกระบวนการที่กำกับดูแล

ศูนย์กลางของแพลตฟอร์มคือ Ranger Studio ซึ่งเป็นสภาพแวดล้อมภาษาธรรมชาติที่ทีมจัดซื้อสามารถอธิบายตัวแทนหรือเวิร์กโฟลว์, ระบุนโยบายที่ต้องปฏิบัติตาม, และกำหนดว่าคนควรแทรกแซงที่จุดใด บริษัทระบุว่าผู้ใช้สามารถเปิดใช้ผู้ช่วยสำหรับคำถามที่อิงข้อมูล, ตัวแทนงานสำหรับงานประจำ, ตัวแทนเวิร์กโฟลว์สำหรับกระบวนการหลายขั้นตอน, และตัวแทนต่อเนื่องที่เฝ้าติดตามความรับผิดชอบเช่นการต่อสัญญาหรือสุขภาพของผู้จำหน่าย

Ranger มาพร้อมกับหกระบวนการอัตโนมัติห้าแบบ: การจัดหา, การตรวจสอบสัญญา, การนำผู้ขายเข้าสู่ระบบ, การปกป้องความเสี่ยงจากบุคคลที่สาม, และการจับคู่และอนุมัติใบแจ้งหนี้ สิ่งเหล่านี้ไม่ใช่ฟีเจอร์แยกจากกัน พวกมันทำงานบนโมเดลข้อมูลการจัดซื้อร่วมของ Levelpath และเชื่อมต่อกับ ERP, การจัดการวงจรชีวิตสัญญา, การเงิน, การทำงานร่วมกัน, และระบบองค์กรอื่น ๆ ผ่านการรวมระบบและ API ที่เตรียมไว้ล่วงหน้า

สถาปัตยกรรมนี้สร้างขึ้นบน Hyperbridge engine การให้เหตุผล ของ Levelpath ซึ่งนำข้อมูลผู้จำหน่าย, สัญญา, การจัดหา, และการใช้จ่ายมารวมเป็นชั้นเดียว บริษัทอธิบายว่า Hyperbridge ผสานโมเดลภาษาใหญ่กับข้อมูลองค์กรและตรรกะเวิร์กโฟลว์ ทำให้ตัวแทนสามารถให้เหตุผลเกี่ยวกับบริบทของคำขอแทนที่จะปฏิบัติต่อแต่ละเอกสารหรือระบบเป็นการโต้ตอบแยกกัน

พื้นฐานข้อมูลนั้นเป็นข้อกำหนดทางเทคนิคที่สำคัญ ใน Unite.AI สัมภาษณ์ ล่าสุด ผู้ก่อตั้งร่วมและซีอีโอของ Levelpath Alex Yakubovich กล่าวว่าตัวแทนไม่สามารถทำงานได้อย่างเชื่อถือได้เมื่อข้อมูลผู้จำหน่าย, สัญญา, และการจัดหายังคงกระจัดกระจาย ข้อเสนอของ Ranger คือโมเดลที่รวมกันทำให้ตัวแทนเฉพาะทางมีบริบทเพียงพอที่จะดำเนินการเวิร์กโฟลว์ต่อไปแทนที่จะให้แค่คำตอบเท่านั้น

การจัดซื้ออัตโนมัติในเชิงปฏิบัติเป็นอย่างไร

สำหรับเหตุการณ์การจัดหา Ranger สามารถแปลงคำขอสั้นให้เป็น RFP ที่มีโครงสร้างพร้อมแบบสอบถาม, แผ่นราคา, คะแนน, และกระบวนการเฉพาะผู้จำหน่ายได้ มันสามารถวิเคราะห์การตอบกลับ, อธิบายการให้คะแนน, และแนะนำการมอบรางวัล ในขณะที่การคัดเลือกสุดท้ายยังคงให้ผู้มีอำนาจทำการตัดสินใจ ราคาประวัติ, ประสิทธิภาพของผู้จำหน่าย, และเงื่อนไขที่ต่อรองได้ก็สามารถใช้เป็นข้อมูลเสริมในการวิเคราะห์ได้

การจัดการสัญญาเพิ่มรูปแบบที่เชิงรุกมากขึ้น Ranger สามารถคำนวณช่วงเวลาการแจ้งเตือน, เริ่มการตรวจสอบการต่ออายุก่อนสัญญาจะหมดอายุ, และแนะนำว่าควรต่ออายุ, ต่อรองใหม่, ยกเลิก, หรือไม่ทำอะไรเลย การค้นพบสัญญา (Contract Discovery) ให้ทีมสามารถถามคำถามเดียวครอบคลุมสัญญาได้ถึง 10,000 ฉบับและรับคำตอบที่เชื่อมโยงกับหลักฐานในเอกสารต้นฉบับ ชั้นการอ้างอิงนี้สำคัญในงานกฎหมายและการจัดซื้อ เนื่องจากคำตอบที่ดูสมเหตุสมผลแต่ไม่มีแหล่งที่มาที่ตรวจสอบได้ถือว่าไม่เพียงพอ

ในระบบบัญชีเจ้าหนี้ แพลตฟอร์มจะจับคู่ใบแจ้งหนี้กับบันทึกผู้จำหน่าย, ใบสั่งซื้อ, สัญญา, และข้อมูลการรับสินค้า มันสามารถระบุรายการซ้ำ, ความไม่ตรงกันของราคา或จำนวน, จำนวนที่ผิดปกติ, และใบสั่งซื้อที่ใกล้ถึงขีดจำกัด ใบแจ้งหนี้ที่สะอาดและมูลค่าต่ำสามารถดำเนินการชำระเงินโดยอัตโนมัติ; ข้อยกเว้นจะถูกส่งต่อให้ผู้ที่มีเหตุผลเป็นลายลักษณ์อักษรและมีร่องรอยการตรวจสอบ

AI Front Door ให้ส่วนติดต่อร่วมกัน พนักงานสามารถเริ่มคำขอซื้อด้วยการแชท, ใบเสนอราคา, หรือคำสั่งเสียง Ranger จะกรอกข้อมูลคำขอเบื้องต้น, ใช้แนวทางตามบทบาทของพนักงาน, และส่งงานไปยังทีมกฎหมาย, ความปลอดภัย, การเงิน, หรือความเสี่ยงตามนโยบายและเกณฑ์แดชบอร์ดภาษาธรรมชาติทำหน้าที่แปลงคำถามเกี่ยวกับการใช้จ่าย, ผู้จำหน่าย, และประสิทธิภาพเป็นแผนภูมิ, การเปรียบเทียบ, หรือ KPI

ความอิสระพร้อมขอบเขตที่ชัดเจน

ส่วนที่สำคัญที่สุดของการเปิดตัวอาจเป็นการออกแบบการกำกับดูแลของมัน ตัวแทนแต่ละตัวสามารถเปิดหรือปิดได้ในขั้นตอนเฉพาะและถูกจำกัดโดยนโยบาย, เกณฑ์การอนุมัติ, คู่มือ, โทน, และกฎองค์กร Levelpath ระบุว่าการเปลี่ยนแปลงของตัวแทนจะถูกทดสอบกับสถานการณ์การประเมินที่มีเวอร์ชันและการสนทนาการผลิตก่อนการปล่อย

ที่สำคัญยิ่งกว่าคือการอนุญาตอาจเป็นเชิงโครงสร้างแทนที่จะเป็นเชิงให้คำปรึกษา ตัวแทนการอนุมัติอาจได้รับอนุญาตให้อนุมัติคำขอที่ตรงเกณฑ์แต่ถูกป้องกันไม่ให้ปฏิเสธได้ ทำให้การปฏิเสธทั้งหมดต้องส่งต่อให้บุคคล Ranger ยังแยกแยะการกระทำอัตโนมัติจากการตัดสินใจของมนุษย์ในบันทึกการตรวจสอบและออกแบบให้หลีกเลี่ยงการทำงานบนข้อมูลที่ล้าสมัยหรือไม่ครบถ้วน

การควบคุมเหล่านี้ตอบสนองต่อความเสี่ยงระดับองค์กรที่กว้างขึ้น: เมื่อเอเจนต์อิสระเพิ่มจำนวนขึ้น บริษัทต้องการทราบว่าระบบใดทำการตัดสินใจ, ใช้หลักฐานอะไร, และอำนาจใดที่ใช้. ตามที่ Unite.AI ตรวจสอบเมื่อเร็ว ๆ นี้ใน การเพิ่มขึ้นของเอเจนต์เงา, ปัญหาการกำกับดูแลยิ่งซับซ้อนเมื่อเอเจนต์สามารถกระตุ้นกันและกันข้ามฟังก์ชัน. โมเดลของ Ranger ที่รวมถึงการกำหนดสิทธิ์ที่จำกัด, การประเมิน, หลักฐาน, และการยกระดับอย่างชัดเจน เป็นความพยายามที่จะทำให้ความอิสระนั้นรับผิดชอบได้ในเชิงปฏิบัติ.

โมเดลการดำเนินงานใหม่สำหรับการจัดซื้อจัดจ้าง

Levelpath กล่าวว่า Ranger พร้อมให้บริการแล้วและจะมอบให้กับลูกค้าปัจจุบันโดยไม่มีค่าใช้จ่ายเพิ่มเติม ลูกค้าใหม่สามารถเริ่มต้นด้วยการพิสูจน์แนวคิดหรือการพิสูจน์คุณค่า บริษัทได้ระบุว่า American Airlines, CBRE, Amgen, New York Life, Levi Strauss & Co., และ Western Union เป็นองค์กรที่ใช้เทคโนโลยีของตน

การเปิดตัวยังแนะนำ Ranger Academy ซึ่งเป็นชุดของเวิร์กช็อปที่มุ่งฝึกผู้เชี่ยวชาญด้านการจัดซื้อจัดจ้างให้เป็น “Agent Operations Managers” ที่กำหนดนโยบาย, ปรับแต่งเอเจนต์, และรับผิดชอบผลลัพธ์ บทบาทนี้บ่งบอกถึงจุดที่ความท้าทายในการนำผลิตภัณฑ์ไปใช้จริงอยู่ การทำงานอัตโนมัติไม่ทำให้ความเชี่ยวชาญด้านการจัดซื้อหายไป; แต่เปลี่ยนเป็นการออกแบบนโยบาย, การจัดการข้อยกเว้น, กลยุทธ์ผู้จัดจำหน่าย, และการดูแลเอเจนต์

Ranger มาถึงในช่วงที่ AI ระดับองค์กรกำลังเปลี่ยนจากการสร้างเนื้อหาไปสู่การประสานการกระทำ การจัดซื้อจัดจ้างเป็นการทดสอบที่เปิดเผยเนื่องจากรวมเอกสารที่ซับซ้อน, ปริมาณการทำธุรกรรมสูง, การอนุมัติข้ามฟังก์ชัน, ภาระผูกพันด้านกฎระเบียบ, ความสัมพันธ์กับผู้จัดจำหน่าย, และผลกระทบทางการเงินโดยตรง หาก Levelpath สามารถรักษาเอเจนต์ให้อยู่ในขอบเขตที่ตรวจสอบได้ขณะผสานรวมระบบที่กระจัดกระจายซึ่งองค์กรยังคงพึ่งพาอยู่ Ranger อาจทำให้การจัดซื้อจัดจ้างเป็นหนึ่งในตัวอย่างที่ชัดเจนที่สุดของ AI เอเจนต์ที่ได้รับการกำกับดูแลในการทำงาน.