Recientemente publiqué esta nota sobre la adquisición de IA en el Rincón de los Analistas en el correo electrónico de Weekly Spend Matters (pero hay más que decir):
COVID-19 golpeó rápida y duramente y paralizó las cadenas de suministro de las organizaciones que no estaban preparadas, que eran la mayoría de las cadenas de suministro mundiales. Esto no sólo ejemplificaba la necesidad de una mejor visibilidad y una mejor gestión de las cadenas de suministro, sino también la necesidad de que una organización pudiera abastecerse -y volver a abastecerse- más rápidamente cuando se necesitaban nuevos productos (PPE), se necesitaban nuevas fuentes de suministro (ya que se cortaba el suministro existente) y se necesitaban nuevas opciones de transporte (ya que las aerolíneas vacilaban y los conductores de las operaciones más pequeñas se enfermaban).
Qué mejor momento para que todos y cada uno de los vendedores pregonen sus mercancías, y pregonaron que lo hicieron, siendo los vendedores más ruidosos los que tenían incorporadas las mejores prácticas y la gestión de proyectos, las API abiertas, las redes de proveedores, la tecnología de colaboración virtual y, específicamente, esa tecnología impulsada por RPA (automatización de procesos robóticos), ML (aprendizaje automático) y AI («Inteligencia Artificial»).
El análisis se convirtió en el centro de atención cuando las organizaciones trataron de controlar sus datos, el descubrimiento de proveedores, que antes era algo agradable, se convirtió en algo de vital importancia, y el riesgo de los proveedores pasó de ser algo agradable a algo imprescindible en la selección de plataformas de abastecimiento y adquisiciones (para las organizaciones que no tenían sus presupuestos congelados). Y, por supuesto, las empresas nuevas con AI/RPA o las suites establecidas que adquirieron/lanzaron algunas capacidades aquí -especialmente en torno a la recontratación, una mejor identificación y mitigación proactiva de riesgos, y/o análisis más inteligentes- empezaron a hacer todas las listas cortas.
Y podría ser más específico, pero en lugar de centrarme en lo que estoy viendo, es más importante centrarse en lo que debería ver. Específicamente, un enfoque en más SUM (Spend Under Management) y MDM (Master Data Management) organizacional – especialmente proveedores y productos w.r.t., identificación de riesgos y planificación de mitigación, y seguimiento y análisis de riesgos externos – no RPA, AI (que realmente no existe), redes de proveedores, o incluso análisis más avanzados (cuando las organizaciones típicamente no maximizan el uso de lo que ya tienen).
Spend Under Management permite a una organización controlar rápidamente lo que está comprando, a quién, dónde y cuándo. La Gestión de datos maestros permite a una organización tener una lista unificada y precisa de los proveedores que la organización utiliza actualmente, los productos que obtiene y los servicios de los que depende. Sin saber qué se está comprando, a quién y cuán crítico es, no hay forma de identificar los riesgos y, lo que es más importante, identificar los eventos que causarán que los riesgos se materialicen.
A medida que los desastres naturales siguen aumentando, junto con el riesgo de pandemias catastróficas, a medida que aumentan las tensiones políticas mundiales (gracias a la elección de líderes populistas) y a medida que la certidumbre económica se hace más variable, la capacidad de responder instantáneamente a medida que se materializan los riesgos se hace cada vez más crítica. Esto sólo es posible si una organización ha identificado los riesgos para sus productos/proveedores/servicios estratégicos, ha identificado los factores desencadenantes y los ha integrado en un programa informático de vigilancia de los riesgos mundiales que supervisa constantemente los indicadores de que un riesgo se está materializando.
Por otro lado, todo lo que puede hacer la Automatización de Procesos Robóticos (RPA) es automatizar tareas tácticas contra reglas predefinidas, todo lo que puede hacer el aprendizaje automático (ML) es analizar datos históricos e identificar decisiones típicas tomadas en circunstancias normales (para ayudar a RPA a automatizar más), y todo lo que hace la IA (que no es inteligencia artificial, sino inteligencia aumentada en el mejor de los casos) es detectar que algo no está procediendo de acuerdo con el plan pero no cómo (o qué hacer al respecto).
No estamos restando importancia a la utilidad del RPA, ML o AI (puede automatizar y eliminar la mayor parte del trabajo táctico), de la analítica avanzada (que puede identificar tendencias, oportunidades o valores atípicos), o de las redes de proveedores (ya que un mejor descubrimiento de los proveedores es valioso en una crisis), pero observando que ninguno de ellos habría evitado los desastres en la cadena de suministro y los problemas de abastecimiento y adquisición asociados que resultaron de la pandemia, y que las organizaciones que no establezcan las bases adecuadas para gestionar los gastos, los datos organizativos y los riesgos, estarán condenadas a repetir sus fracasos la próxima vez.
Y esta no es la primera vez que publico palabras en este sentido. No hace mucho, uno de mis artículos de respuesta al Coronavirus fue «La IA no te salvará». La tecnología avanzada no funciona si no tienes buenos datos, buenos procesos y buena visibilidad de ambos.
Incluso en el nivel actual de la IA, que típicamente no es nada más que inteligencia aumentada en situaciones selectas, no puedes esperar nada – y quiero decir nada – a menos que el sistema haya aprendido comportamientos, y ese aprendizaje sólo tiene lugar con la aplicación repetida del aprendizaje supervisado y semisupervisado a lo largo del tiempo en enormes conjuntos de datos limpios, adecuadamente categorizados y debidamente examinados. Si tus datos son un desastre, no puedes sacar una solución de la estantería, instalarla y esperar sacar algo bueno de ella. De hecho, provocará un fallo en la cadena de suministro más rápido que los fiascos masivos del pasado (en los que los proyectos de ERP de gran escala, proyectos de SCP y otros esfuerzos han hundido a empresas de miles de millones de dólares) – vea algunos de los artículos clásicos del autor sobre la innovación en el abastecimiento, incluyendo éste sobre cómo la dependencia de los ERP podría llevarle a los libros de registro de desastres de la cadena de suministro.
Del mismo modo, si no se dispone de buenos procesos, cualquier información razonable y recomendaciones analíticas avanzadas, sistemas de ML o IA podrían ser capaces de sacar de los datos relativos a los siguientes pasos será en vano, ya que no se dispondrá de una forma razonable y fiable para actuar sobre esas informaciones. Además, esos procesos deben ser impulsados por sólidas plataformas de software. Esa plataforma podría ser una suite S2P, software de orquestación de procesos – como ignio o zapier, o gestión especializada de proyectos/programas S2P como Per Angusta – no importa, siempre y cuando el proceso esté bien definido y la plataforma lo soporte.
Sin embargo, como se señala en el artículo de la esquina del analista citado anteriormente, la clave para obtener buenos datos es doble:
- MDM (Master Data Management) – especialmente para datos de proveedores y productos/servicios
- SUM (Spend Under Management) – sin importar si el gasto es «originado» o no
Si considera todas las soluciones de gestión de riesgos que su organización necesita desesperadamente, todas las soluciones analíticas avanzadas que desea utilizar y toda la automatización que anhela (ya que no va a conseguir más personal en un futuro próximo), todas dependen de los datos, y cuantos más datos, mejor. Tomémoslos uno por uno:
- Gestión de riesgos Las soluciones de riesgo de los proveedores deben conocer a todos los proveedores y, preferiblemente, los lugares que están utilizando y, aún mejor, los productos que están comprando y la lista de materiales (BoM) que van en ellos.
- Analítica necesitan muchos datos de costos/métricos a lo largo del tiempo para ser predictivos (y prescriptivos)
- Automatización necesita no sólo integrarse con todas las plataformas de software que utiliza, sino también tener reglas que pueda seguir y que se basen en valores de datos/cubos/tendencias, etc.
Y aún así, la mayoría de las organizaciones todavía tienen docenas de silos de datos, y su idea de MDM es el vertido trimestral al lago de datos para el análisis de gastos del último trimestre. Eso no le dice qué proveedores comenzó a usar recientemente, qué proveedores ya no usa, qué productos se acercan al final de su vida útil (y dónde la escasez puede no ser un problema importante), y qué productos son productos de mayor crecimiento (y críticos para el éxito).
Además, sus gastos de gestión se limitan a los contratos que Sourcing ha negociado. Esto no es suficiente. Para aprovechar realmente la mejor tecnología de Source to Pay (y la relacionada con ella), es necesario que el gasto bajo gestión se acerque lo más posible al 100%, es decir, que todo pase por los sistemas de adquisiciones excepto la nómina interna, tanto si se negocia el gasto como si no, y tanto si se tiene algún control sobre el gasto como si no.
Si el departamento de marketing, el departamento jurídico o el CXO quieren controlar su gasto (en sus proyectos de mascotas), o si el gasto no es lo suficientemente importante y su participación ahorrará lo suficiente para que el esfuerzo valga la pena, que así sea, pero aún así debe pasar por los sistemas de adquisiciones aprobados para que se pueda hacer un seguimiento de los proveedores, productos, servicios y otras piezas clave de información y la organización tenga una visibilidad total del gasto. Sólo entonces los conocimientos de supervisión de riesgos le darán las alertas adecuadas, los sistemas de análisis automatizado respaldados por el ML le proporcionarán a usted (y a otros interesados en el gasto) conocimientos significativos generados por el sistema, y las plataformas automatizarán correctamente todos los procesos tácticos de adquisiciones y minimizarán el esfuerzo humano.
Por lo tanto, si quiere tener la oportunidad de sobrevivir al próximo desastre, ponga en orden su casa de adquisiciones para que pueda adoptar las tecnologías adecuadas y darse cuenta realmente del valor que tienen para ofrecer.
¿Estás inscrito en la actualización semanal del correo electrónico de Spend Matters? En él, encontrará una exclusiva y valiosa perspicacia de uno de nuestros analistas; artículos de lectura obligatoria…y un… evento en espera de su RSVPy algo de autopromoción para ayudarnos a mantener las luces encendidas. Tal vez algún ingenio ocasional, también (esperamos). Inscríbete ahora para que no te pierdas el «Spend Matters» en tu bandeja de entrada cada semana.
