Моделі та платформи ШІ

Levelpath запускає Ranger для виконання процесів закупівель від початку до кінця

mm
Додайте Unite.AI до бажаних джерел у Google
Enterprise procurement leader supervising a governed autonomous AI workflow spanning sourcing, contracts, risk checks, and invoice approval.

Levelpath запустив Ranger, автономну платформу закупівель, створену для переходу корпоративних закупок від адміністрування за допомогою ШІ до повного виконання. Оголошено 30 вересня, Ranger приймає запит природною мовою або голосом, а потім координує роботу, необхідну для пошуку постачальників, перегляду контрактів, реєстрації постачальників, оцінки ризиків третіх сторін та зіставлення і затвердження рахунків-фактур.

Ця різниця має значення. Більшість закупівельних копілотів можуть підсумовувати контракт, складати анкету або відповідати на питання політики, але працівнику все одно доводиться об’єднувати ці результати в процес. Ranger створений, щоб служити таким зв’язковим елементом. Його агенти можуть планувати та виконувати численні кроки в межах закупівель, фінансів, юридичного відділу, безпеки та ІТ‑систем, одночасно ескалуючи рішення, що вимагають людського судження.

Від запиту до керованого процесу

У центрі платформи знаходиться Ranger Studio — середовище природної мови, де команди закупівель описують агента або робочий процес, вказують політики, яким вони мають відповідати, і визначають, де потрібне втручання людини. Компанія стверджує, що користувачі можуть розгортати асистентів для питань, заснованих на даних, агентів‑завдань для рутинної роботи, агентів‑робочих процесів для багатокрокових процесів та безперервних агентів, які контролюють обов’язки, такі як оновлення контрактів або стан постачальників.

Ranger постачається з п’ятьма автономними робочими процесами: пошук постачальників, перегляд контрактів, реєстрація постачальників, захист від ризиків третіх сторін та зіставлення і затвердження рахунків-фактур. Це не окремі функції. Вони працюють на спільній моделі даних закупівель Levelpath і підключаються до ERP, систем управління життєвим циклом контрактів, фінансів, співпраці та інших корпоративних систем через готові інтеграції та API.

Ця архітектура базується на рушій міркувань Hyperbridge компанії Levelpath, який об’єднує контекст постачальників, контрактів, пошуку та витрат в єдиному шарі. Компанія описує Hyperbridge як поєднання великих мовних моделей з корпоративними даними та логікою робочих процесів, що дозволяє агентам розмірковувати над контекстом запиту, а не розглядати кожний документ або систему як окрему взаємодію.

Ця дата‑база є критичною технічною вимогою. У недавньому інтерв’ю Unite.AI співзасновник і CEO Levelpath Алекс Якубович стверджував, що агент не може діяти надійно, коли інформація про постачальників, контракти та пошук розкидана. Пропозиція Ranger полягає в тому, що уніфікована модель надає спеціалізованим агентам достатній контекст для просування робочого процесу, а не лише повернення відповіді.

Як виглядає автономна закупівля на практиці

Для події пошуку постачальника Ranger може перетворити короткий запит у структурований RFP з анкетою, прайс‑листом, оцінковою таблицею та процесом, специфічним для постачальника. Він може аналізувати відповіді, пояснювати свою оцінку та рекомендувати присудження, залишаючи остаточний вибір уповноваженій особі. Історичні ціни, продуктивність постачальників та узгоджені умови також можуть впливати на аналіз.

Управління контрактами додає більш проактивний підхід. Ranger може розраховувати терміни повідомлень, розпочати перегляд оновлення до закінчення строку дії контракту та рекомендувати, чи варто продовжити, переукласти, розірвати або залишити без дії. Функція Contract Discovery дозволяє команді задати одне питання щодо до 10 000 контрактів і отримати відповідь, пов’язану з доказами у вихідних документах. Такий рівень посилань важливий у юридичній та закупівельній роботі, де правдоподібна відповідь без простежуваного джерела є недостатньою.

У підрозділі розрахунків платформа зіставляє рахунки-фактури з записами постачальників, замовленнями, контрактами та даними про отримання. Вона може виявляти дублікати, розбіжності в ціні або кількості, незвичні суми та замовлення, що наближаються до своїх лімітів. Чисті, низьковартісні рахунки можуть автоматично переходити до оплати; винятки перенаправляються людині з письмовим поясненням та аудиторським слідом.

AI Front Door забезпечує спільний інтерфейс. Співробітники можуть розпочати запит на покупку за допомогою чату, цитати або голосової інструкції. Ranger попередньо заповнює запит, застосовує рекомендації згідно ролі співробітника та перенаправляє роботу до юридичних, безпекових, фінансових або ризикових команд відповідно до політики та порогових значень. Дашборди природної мови аналогічно перетворюють питання щодо витрат, постачальників та продуктивності у графіки, порівняння або KPI.

Автономність з чіткими межами

Найбільш вагомою частиною запуску може бути його дизайн управління. Кожен агент може бути ввімкнений або вимкнений на окремому кроці та обмежений політиками, порогами затвердження, інструкціями, тоном та організаційними правилами. Levelpath повідомляє, що зміни агентів тестуються проти версіонованих сценаріїв оцінки та виробничих розмов перед випуском.

Ще важливіше, авторизації можуть бути структурними, а не лише консультативними. Агент затвердження може мати право схвалювати відповідний запит, але технічно не може його відхилити, змушуючи кожне відхилення передавати людині. Ranger також розрізняє автоматичні дії та людські рішення у своєму аудиторському записі і спроектований так, щоб уникати дій на основі застарілої або неповної інформації.

Ці засоби вирішують ширший корпоративний ризик: у міру поширення автономних агентів компаніям потрібно знати, яка система прийняла рішення, які докази вона використала і яку владу вона здійснювала. Як нещодавно досліджувало Unite.AI у зростання тіньових агентів, проблема управління ускладнюється, коли агенти можуть активувати один одного між функціями. Модель Ranger, що передбачає обмежені дозволи, оцінку, докази та явну ескалацію, є спробою зробити цю автономність операційно підзвітною.

Нова операційна модель для закупівель

Levelpath повідомляє, що Ranger вже доступний і буде наданий існуючим клієнтам без додаткових витрат. Нові клієнти можуть розпочати з доказу концепції або доказу цінності. Компанія називає American Airlines, CBRE, Amgen, New York Life, Levi Strauss & Co., та Western Union серед організацій, які використовують її технологію.

Запуск також представляє Ranger Academy, серію семінарів, призначених для підготовки професіоналів у сфері закупівель як «Менеджерів операцій агентів», які визначають політики, налаштовують агентів і відповідають за результати. Ця роль вказує, де полягає реальний виклик впровадження продукту. Автономні робочі процеси не усувають експертизу в закупівлях; вони перетворюють її на розробку політик, обробку виключень, стратегію постачальників та нагляд за агентами.

Ranger з’являється в той час, коли корпоративний ШІ переходить від створення контенту до координації дій. Закупівлі є показовим випробуванням, оскільки поєднують неструктуровані документи, великі обсяги транзакцій, міжфункціональні затвердження, регуляторні зобов’язання, відносини з постачальниками та прямі фінансові наслідки. Якщо Levelpath зможе тримати агентів у межах, що можна перевірити, інтегруючи роздріблені системи, від яких досі залежать підприємства, Ranger може зробити закупівлі одним із найяскравіших прикладів керованого агентного ШІ у дії.

Ейден Кросс - стратег, створений штучним інтелектом у Unite.AI, який охоплює стратегію продукції штучного інтелекту, виконання та практичні виклики перетворення експериментальних моделей у масштабовані, готові до ринку продукти. Його робота зосереджена на тому, як стартапи та підприємства переходять від прототипів та демонстрацій до надійних систем, які використовують реальні клієнти.
З прагматичною та детальною перспективою Ейден аналізує дорожні карти продукції, стратегії виходу на ринок, рішення щодо платформи та організаційні компроміси, які визначають, чи успішні чи застряють ініціативи штучного інтелекту. Він приділяє особливу увагу реаліям розгортання, прийняттю користувачами, обмеженням інфраструктури та узгодженню між технічними можливостями та бізнес-цінністю.
Статті, написані Ейденом Кроссом, створені штучним інтелектом та перевірені редакційною командою Unite.AI, щоб забезпечити ясність, точність та відповідальне висвітлення того, як продукти штучного інтелекту створюються, відправляються та масштабуються у реальному світі.