togel

Bagaimana Negosiasi Pemasok Otomatis Walmart

Ini adalah masalah kuno dalam pengadaan: Pembeli korporat kekurangan waktu untuk bernegosiasi sepenuhnya dengan semua pemasok. Secara historis hal ini meninggalkan nilai yang belum dimanfaatkan bagi pembeli dan pemasok. Untuk mengatasi tantangan ini, Walmart menerapkan perangkat lunak negosiasi bertenaga AI dengan antarmuka berbasis teks (yaitu chatbot) untuk terhubung dengan pemasok. Sejauh ini, chatbot sedang menegosiasikan dan menutup perjanjian dengan 68% pemasok yang didekati, dengan masing-masing pihak mendapatkan sesuatu yang berharga. Artikel ini menawarkan empat pelajaran untuk memberikan hasil dari negosiasi pengadaan otomatis: bergerak cepat ke percontohan produksi, mulai dengan kategori pembelanjaan tidak langsung dengan pemasok yang telah disetujui sebelumnya, memutuskan pertukaran negosiasi yang dapat diterima, dan menskalakan dengan memperluas geografi, kategori, dan kasus penggunaan .

Walmart, seperti kebanyakan organisasi dengan operasi pengadaan besar, tidak mungkin melakukan negosiasi terfokus dengan 100.000 lebih pemasoknya. Akibatnya, sekitar 20% dari pemasoknya telah menandatangani perjanjian dengan ketentuan yang tidak dapat dinegosiasikan. Ini bukan cara optimal untuk terlibat dengan “pemasok akhir” ini. Tetapi biaya mempekerjakan lebih banyak pembeli manusia untuk bernegosiasi dengan mereka akan melebihi nilai tambahan apa pun.

Walmart memecahkan masalah dengan perangkat lunak bertenaga kecerdasan buatan yang menyertakan antarmuka berbasis teks (atau chatbot) yang bernegosiasi dengan pemasok manusia atas nama Walmart. Walmart Kanada menguji coba solusi tersebut pada Januari 2021 dan menggunakan umpan balik pemasok untuk menyempurnakan sistem. Walmart telah menerapkan solusi tersebut di tiga negara lain, dan operasi Walmart di lebih banyak negara berencana untuk segera menerapkan teknologi tersebut.

Artikel ini membagikan empat pelajaran tentang cara menggunakan negosiasi pengadaan otomatis dengan cara yang menguntungkan pembeli dan pemasok. Sistem seperti itu dapat menghasilkan penghematan, meningkatkan ketentuan bagi kedua belah pihak, dan meningkatkan fleksibilitas dan ketahanan rantai pasokan.

Pilot

Dengan kemajuan kecerdasan buatan (AI), Walmart mulai menjajaki kemungkinan mengotomatiskan negosiasi pengadaan untuk pemasok akhir dan melisensikan produk perangkat lunak yang disebut Pactum AI pada tahun 2019. Penyebaran ditunda karena Covid-19, tetapi salah satu dari kami (Michael DeWitt) menghidupkan kembali inisiatif tersebut setahun kemudian, pada Januari 2021, untuk organisasinya, Walmart International.

Karena Walmart telah bereksperimen dengan perangkat lunak di lingkungan kotak pasir, Walmart International langsung pindah ke percontohan kecil di bisnis perusahaan Kanada. Uji coba, yang berlangsung selama tiga bulan, melibatkan berbagai pemangku kepentingan — 89 pemasok, lima pembeli, dan perwakilan dari departemen keuangan, perbendaharaan, dan hukum Walmart Kanada — dan Pactum, perusahaan yang telah menciptakan teknologi AI yang mendasarinya.

Pada awalnya, Walmart International memperkirakan bahwa sistem tersebut akan menghasilkan pengembalian investasi yang positif jika chatbot dapat mencapai kesepakatan dengan 20% pemasok yang terlibat dalam uji coba. Peritel memilih “barang bukan untuk dijual kembali” — kategori seperti layanan armada, gerobak, dan perlengkapan lain yang digunakan di toko eceran — dan bukan produk yang dijual ke pelanggan Walmart. Diputuskan untuk fokus pada pemasok yang memiliki data akurat tentang persyaratan pembayaran dan di mana terdapat peluang yang jelas untuk meningkatkan persyaratan pembayaran dan mengamankan diskon tambahan.


Jadwal pembayaran tertarget Walmart International, berharap untuk menegosiasikan diskon pembayaran awal atau jangka waktu pembayaran yang diperpanjang tanpa diskon. Sebagai gantinya, Walmart akan menawarkan opsi kepada pemasok untuk mengubah hak Walmart untuk segera mengakhiri kontrak tanpa sebab (dikenal sebagai “penghentian demi kenyamanan”) untuk memberikan pemberitahuan penghentian tertulis selama 30, 60, atau 90 hari. Walmart juga akan secara selektif menawarkan peluang kepada pemasok untuk pertumbuhan dalam bermacam-macam dan volume penjualan dengan imbalan potongan harga.

Pembeli internal memilih pemasok untuk menargetkan dan membuat skenario pelatihan untuk algoritme pembelajaran mesin Pactum AI. Skenario digunakan untuk membuat skrip terstruktur untuk memandu pemasok melalui negosiasi. Pemasok dapat menanggapi skenario dengan kecepatan mereka sendiri.

Walmart International mengundang sekitar 100 pemasok tail-end untuk mencoba solusinya. Delapan puluh sembilan setuju untuk berpartisipasi. Chatbot berhasil mencapai kesepakatan dengan 64% dari mereka — jauh di atas target 20% — dan dengan rata-rata penyelesaian negosiasi 11 hari. Walmart memperoleh, rata-rata, penghematan 1,5% dari pengeluaran yang dinegosiasikan dan perpanjangan persyaratan pembayaran menjadi rata-rata 35 hari.

Dalam wawancara pasca-pilot dengan pemasok yang terlibat dalam negosiasi yang berhasil, 83% dari mereka menggambarkan sistem tersebut mudah digunakan dan menyukai kemampuan untuk membuat penawaran balik dan waktu yang diberikan sistem untuk memikirkan negosiasi dengan langkah mereka sendiri. Misalnya, Ben Garisto, presiden MIWE, produsen peralatan roti, berkata, “Selama negosiasi tatap muka, Anda tidak selalu memiliki pertanyaan sebelumnya, dan Anda merespons secara real time. Jenis lain dari permintaan proposal otomatis terkadang terasa seperti template dengan sedikit ruang untuk menceritakan kisah Anda.”

Beberapa pemasok, bagaimanapun, masih ingin bernegosiasi tatap muka. Pemasok lain menginginkan skrip yang tidak terlalu bertele-tele, lebih lancar alih-alih melarang pemasok untuk mundur ke langkah awal dalam negosiasi.

Setelah uji coba produksi, Walmart menyempurnakan skenario dan skrip serta memperluas solusi ke pemasok di Amerika Serikat, Chili, dan Afrika Selatan. Sejauh ini, chatbot telah mencapai kesepakatan dengan 68% pemasok yang didekati dan menghasilkan penghematan rata-rata 3%.

Perusahaan lain yang tertarik untuk mengotomatiskan pengadaan dapat menerapkan pelajaran ini tentang cara mengembangkan dan memperkenalkan sistem tersebut:

1. Pindah ke pilot produksi dengan cepat.

Perjalanan AI untuk banyak perusahaan merana dalam fase pembuktian konsep – kurang dari setengahnya yang berhasil diproduksi, menurut Gartner. Itu karena fase proof-of-concept fokus pada kemampuan teknis daripada tujuan bisnis. Walmart memutuskan untuk melewati fase proof-of-concept dan langsung menuju pilot produksi yang berfokus pada tujuan bisnis.

“Pemilik bisnis” Walmart — orang yang bertanggung jawab atas anggaran dan bertanggung jawab atas pembelanjaan dengan pemasok (misalnya, operasi untuk perlengkapan toko dan TI untuk perangkat keras dan perangkat lunak) — membantu menciptakan kasus dan skenario penggunaan negosiasi. Pembeli Walmart memberikan keahlian materi pelajaran yang penting dalam skenario negosiasi yang diperlukan untuk melatih chatbot dan menominasikan pemasok untuk berpartisipasi dalam uji coba (berdasarkan pemasok mana yang melakukan bisnis yang cukup dengan Walmart untuk menjamin negosiasi dan yang akan menerima kesempatan untuk bernegosiasi). Tim hukum memastikan skrip chatbot dan kontrak yang dihasilkan sesuai dengan standar dan kebijakan kontrak Walmart.

2. Mulailah dengan kategori pembelanjaan tidak langsung dan pemasok yang disetujui sebelumnya.

Walmart memulai dengan barang yang tidak untuk dijual kembali (yaitu, tidak dijual kepada pelanggan ritelnya) untuk meminimalkan risiko bisnis yang ditimbulkan oleh pengujian praktik pengadaan baru. Walmart juga berfokus pada pemasok yang telah disetujui sebelumnya sehingga kebutuhan untuk memvalidasi pemasok baru tidak akan menunda dimulainya uji coba.

3. Tentukan trade-off yang dapat diterima.

Pengadaan otomatis membutuhkan pendefinisian secara tepat batas-batas apa yang bersedia diserahkan pembeli sebagai imbalan atas apa yang diinginkannya. Misalnya, chatbot AI perlu mengetahui pertukaran spesifik yang bersedia diberikan pembeli, katakanlah, berpindah dari pembayaran penuh dalam 10 hari setelah menerima faktur menjadi menerima pembayaran 15, 20, 30, 45, atau 60 hari setelah menerima faktur dengan imbalan persyaratan penghentian yang lebih baik dan peluang bagi pemasok untuk memperluas bisnis mereka dengan Walmart.

4. Skalakan dengan memperluas geografi, kategori, dan kasus penggunaan.

Moto Walmart untuk proyek ini adalah “memakukannya dan menskalakannya”. Pilot produksi yang sukses membantu Walmart menjual solusi ke bagian bisnis lainnya. Setelah uji coba di Kanada, Amerika Serikat, Cile, dan Afrika Selatan, penyebaran di Meksiko, Amerika Tengah, dan China sudah dekat. Kategori juga diperluas untuk mencakup negosiasi tarif rute untuk transportasi dan beberapa barang untuk dijual kembali. Beberapa pemasok tingkat menengah sekarang menggunakan sistem tersebut, dan chatbotnya multibahasa.

Penskalaan meningkatkan produktivitas karena perangkat lunak belajar dari setiap negosiasi, mengurangi waktu penyiapan untuk kategori baru. Selain itu, chatbot dapat menjalankan 2.000 negosiasi secara bersamaan — sesuatu yang tidak dapat dilakukan oleh pembeli manusia.

Kita dapat melihat lintasannya: Karena syarat dan ketentuan menjadi lebih algoritmik, lebih sedikit pemasok dan sebagian dari kumpulan pengeluaran tidak akan dikelola. Para profesional pengadaan akan lebih sedikit berfokus pada negosiasi kesepakatan dan lebih pada hubungan strategis, pengecualian, dan peningkatan berkelanjutan.

Di website ini, kami menanggung dan senantiasa memprioritaskan kepuasan para bettor dalam mendapatkan keluaran sdy hari ini 2021 Salah satunya adalah dengan sediakan result pengeluaran sdy hari ini tercepat dan paling baru secara berkelanjutan dan pas waktu. Semua update terbaru untuk nomor pengeluaran sidney prize 2021 bisa kalian menikmati pada jam 14.00 WIB atau jam 2 siang. Dengan beri tambahan hasil result sdy tercepat maka para bettor tidak perlu ulang menanti amat lama.