Обзор технологий искусственного интеллекта и потенциал их применения для управления неформализуемыми или слабоформализуемыми процессами закупочной деятельности

Автор: Пепенко М.Д., Калайдин Е.Н.

Журнал: Экономика и бизнес: теория и практика @economyandbusiness

Статья в выпуске: 9-2 (79), 2021 года.

Бесплатный доступ

На сегодняшний день закупочная деятельность является неотъемлемой частью функционирования любой организации. Однако несмотря на однотипность существующих процессов в направлении закупок не все из них формализованы, что может приводить к возникновению проблем при управлении и как следствие снижению эффективности. Одним из инструментов, позволяющих управлять такими процессами, является искусственный интеллект. В данной статье приведен обзор технологий искусственного интеллекта, а также представлены варианты применения рассмотренных технологий для формализации некоторых процессов закупочной деятельности в контексте оптимизации.

Еще

Инструменты искусственного интеллекта, информационные технологии, оптимизация бизнес-процессов, формализация процессов закупки, варианты применения

Короткий адрес: https://sciup.org/170183774

IDR: 170183774   |   DOI: 10.24412/2411-0450-2021-9-2-47-49

Текст научной статьи Обзор технологий искусственного интеллекта и потенциал их применения для управления неформализуемыми или слабоформализуемыми процессами закупочной деятельности

Закупочная деятельность состоит из совокупности подпроцессов, часть из которых неформализуемы или слабоформали-зуемы. К таким процессам можно, например, отнести: управление взаимоотношениями с поставщиками, прогнозирование потребности при планировании закупок. Их функционирование связано с применением логических методов, которые базируются на субъективных оценках, что может привести к смещению результата.

Предполагается, что инструменты искусственного интеллекта (ИИ) помогут решить проблему управления такими процессами. Выбор конкретного инструмента ИИ, подходящего для решения этой задачи, а также эффективности такого решения требует анализа ряда концепций ИИ.

Одно из определений искусственного интеллекта может быть представлено как искусственная система, имитирующая принятие решений человеком.

К технологиям искусственного интеллекта относятся:

  • -    Статистическое машинное обучение.

Машинное обучение является самой распространенной формой искусственного интеллекта и представляет собой технику автоматической подгонки моделей к данным и «обучения» путем тренировки моделей данными.

  • -    Нейронные сети.

Данная технология рассматривает каждую задачу в виде совокупности входящих и исходящих данных, а также переменных или функций различного веса, которые связывают входящие данные с исходящими.

  • -    Глубокое обучение.

Модели глубокого обучения прогнозируют или классифицируют результаты с помощью техники обратного распространения ошибки.

  • -    Обработка естественного языка.

К задачам, решаемым технологией обработки естественного языка, относятся: распознавание речи, текстовый анализ, перевод, генерация текста и решение других языковых задач.

  • -    Экспертные системы на основе правил.

В экспертных системах применяются методы нечеткой логики, которые связаны преимущественно с качественной оценкой анализируемых процессов и принятием решений на основе этой оценки.

  • -    Эволюционное моделирование.

К эволюционному моделированию относятся мультиагентное моделирование и генетические алгоритмы.

  • -    Роботизированная автоматизация процессов (РАП).

Данная технология предполагает выполнение структурированных цифровых задач.

В контексте представленных инструментов ИИ определим возможность применения технологий искусственного интеллекта для управления процессами закупочной деятельности.

Одним из слабоформализуемых процессов является управление взаимоотношениями с поставщиками. Обычно данный процесс предполагает проведение многокритериальной оценки экспертами объекта выбора, что ведет к смещению результата под влиянием субъективных факторов и несет риски, связанные с влиянием человеческого фактора. В случае, если компании, выбираемые на роль поставщика, функционируют давно на рынке и обладают определенной репутацией, подход к выбору на основе экспертных оценок может применяться. Однако, когда предприятие работает непродолжительный промежуток времени, оно еще не обладает сложившейся репутацией и информации о нем часто недостаточно для проведения объективной оценки. В таком случае оценка благонадежности поставщика не может быть проведена по имеющейся модели из-за недостатка данных. Для решения подобных задач классификации можно использовать такую технологию искусственного интеллекта, как машинное обучение. Для решения задач классификации методами машинного обучения используются классификаторы с учителем и без учителя, в частности алгоритмы логистической регрессии, метод к - средних и другие методы кластерного анализа. Классификаторы с учителем, в частности дискриминантный анализ, обучается на наборе данных, после чего может присваивать классы новым объектам, у которых их еще нет. Таким образом, обучение модели проводится на основании данных об организациях-поставщиках, которые давно функционируют на рынке. После чего обученная модель может отнести к определенному классу любую новую компанию, у которой он еще не определен.

Такая технология как РАП может автоматически получать данные о поставщике не только из официальной отчетности, но и из других открытых источников, находящихся в СМИ и Интернет. Помимо этого, технология РАП может быть использована для базовой обработки данных, включая нормализацию, очистку, исключение дубликатов, идентификацию аномалий и т.д.

Для коммерческих предложений, получаемых от поставщиков не в цифровом, а в графическом формате, могут быть использованы алгоритмы обработки естественного языка и распознавания образов.

При прогнозировании спроса в процессе планирования закупок возможно использование метода контролируемого ма шинного обучения. На основе всех доступных данных, позволяющих максимально подробно описать поведение спроса, формируется набор признаков, который подается на вход в систему машинного обучения, с выбранной моделью. В результате восстанавливаются закономерности между признаками и спросом, которые в дальнейшем используются для формирования прогноза спроса.

Предложенные варианты использования технологий искусственного интеллекта для оптимизации бизнес-процессов закупочной деятельности позволят построить модель, основывающуюся на точных алгоритмах, и решить проблему слабой формализации. При этом применение ИИ предполагает изменение процесса, что может привести к дополнительным издержкам. Для понимания эффективности внедрения представленных технологий необходимо проводить более глубокий анализ процесса закупочной деятельности и его характеристик в состояниях «как есть» и «как должно быть».

Список литературы Обзор технологий искусственного интеллекта и потенциал их применения для управления неформализуемыми или слабоформализуемыми процессами закупочной деятельности

  • Баклушинский В.В. Машинное обучение как инструмент корпорации для выбора поставщиков // Вестник ГУУ. - 2019. - №9. - С. 48-53.
  • Дэвенпорт Т. Внедрение искусственного интеллекта в бизнес-практику: Преимущества и сложности. - М.: Альпина Паблишер, 2021. - 702 с.
  • Иванов В.М. Интеллектуальные системы. - М.: Юрайт, 2019. - 91 с.
Статья научная