Analyse / AI / BI → Procesautomation → Agenter
AI i indkøb rummer et betydeligt potentiale for at effektivisere arbejdet ved at styrke beslutningsgrundlaget og forkorte vejen fra data og identificerede afvigelser til konkret handling. Gevinsten ligger ikke alene i at automatisere enkelte opgaver, men i at skabe en sammenhængende løsning, hvor analyse, løbende overvågning, procesautomation og AI-understøttet beslutningsstøtte arbejder sammen.
AI i indkøb bliver ofte præsenteret som et spørgsmål om at indføre en agent eller en chatbot. Men den største værdi opstår sjældent ved at starte med agenten. Først skal data og de centrale KPI’er være på plads, derefter kan kendte og gentagne processer automatiseres, og oven på dette fundament kan AI-agenter bruges til at undersøge problemstillinger, kombinere information og anbefale eller iværksætte konkrete procesaktiviteter.
Artiklen beskriver denne udviklingsrejse og viser, hvordan en moderne indkøbsfunktion kan bevæge sig fra klassisk rapportering til en mere proaktiv, datadrevet og handlingsorienteret arbejdsform.
Som konkret teknologisk udgangspunkt kan en løsning bygges på Microsoft-platformen med Power BI til analyse, rapportering/KPI og performance management, Power Automate til procesautomation og Copilot Studio til agentlaget, mens SAP eller et tilsvarende system fungerer som det centrale ERP-system og transaktionssystem.
En robust vej er derfor at bygge løsningen i tre sammenhængende trin:
Analyse / AI / BI → Procesautomation → Agenter
Pointen er ikke, at der er tale om tre separate løsninger. Tværtimod. Det datagrundlag, der etableres til analyse og performance management, bliver også fundamentet for automation og de AI-agenter, der senere skal kunne analysere en situation, anbefale en handling og typisk efter godkendelse udføre handlingen.
Første skridt er at forstå performance
For de fleste indkøbsorganisationer vil det naturlige udgangspunkt derfor være data.
ERP-systemet indeholder allerede store mængder information om leverandører, indkøbsordrer, produkter, lagre, priser, leverancer og fakturaer. Kombineret med andre datakilder giver det mulighed for at etablere et fælles performancegrundlag.
I en Microsoft-baseret løsning vil et værktøj som Power BI typisk anvendes til at opbygge rapporter og KPI’er omkring eksempelvis:
- Forbrug og udvikling i forbruget
- Prisafvigelser ved indkøb
- OTIF (On Time & In Full) og leveringssikkerhed
- Leveringstid og forsinkelser
- Leverandørkvalitet
- Kontraktoverholdelse
- Indkøb uden for aftaler
- Leverandørkoncentration
- Proces- og gennemløbstider
Resultatet er ikke bare nye dashboards. Den vigtige gevinst er et fælles og konsistent billede af indkøbsfunktionens performance.
En indkøbsmedarbejder eller chef kan eksempelvis hurtigt identificere, at en vigtig leverandør både har faldende OTIF, stigende leveringstid og en negativ prisudvikling.
AI gør BI mere dialogbaseret og analytisk
Når data og KPI’er først er organiseret i en god semantisk model, kan AI gøre analysearbejdet langt mere tilgængeligt.
I stedet for udelukkende at navigere gennem rapporter, filtre og grafer kan brugeren stille spørgsmål som:
- Hvilke fem leverandører har haft den største forværring i leveringsperformance de seneste seks måneder?
- Er den faldende leveringsperformance koncentreret omkring bestemte produktkategorier?
- Hvilke leverandører kombinerer højt indkøbsvolumen, stigende priser og faldende kvalitet?
AI bliver dermed ikke en erstatning for Business Intelligence. AI bliver en ny måde at arbejde med BI på.
De klassiske Power BI-rapporter giver fortsat den strukturerede og visuelle performance management. AI tilføjer muligheden for dynamisk at undersøge data gennem naturligt sprog.
Fra rapportering til proaktiv performance management
Det næste trin er at lade systemet reagere, når noget væsentligt sker.
Hvis organisationen allerede har defineret sine KPI’er, kan relevante indikatorer overvåges automatisk.
- OTIF falder under en kritisk grænse
- En leverandørs leveringstid stiger markant
- Purchase Price Variance overskrider en tolerance
- En kritisk ordre bliver forsinket
- Indkøb uden for aftaler vokser
- En vigtig kontrakt nærmer sig udløb
- En leverandør kombinerer højt indkøbsvolumen med vedvarende faldende performance
Her kan Microsofts Fabric Activator overvåge de relevante KPI’er og sende en mail eller Teams-notifikation eller endog eksekvere en proces, når en defineret situation opstår.
Dermed bevæger indkøbsfunktionen sig fra:
“Hvad viser rapporten, når vi ser på den?”
til:
“Fortæl os, når noget kræver vores opmærksomhed.”
Det er en væsentlig ændring.
Næste skridt er procesautomation
Når data og processer er på plads, kan kendte og gentagne arbejdsprocesser automatiseres.
Her kommer Power Automate typisk ind.
- Godkendelsesprocesser
- Leverandøronboarding
- Opfølgning på forsinkede indkøbsordrer
- Leverandørperformance-reviews
- Håndtering af afvigelser og undtagelser
- Standardiseret kommunikation
- Opdatering af relevante ERP-data
- Procesrouting mellem indkøb, økonomi og andre funktioner
Hvis ERP-systemet eksempelvis er SAP on-premises, betyder cloudbaseret automation ikke nødvendigvis, at SAP skal flyttes til cloud.
Power Automate kan gennem en sikker gateway og SAP’s integrationsinterfaces kommunikere med det eksisterende SAP-miljø.
Dermed kan SAP fortsat være organisationens autoritative system, mens Microsoft-platformen leverer analyse, brugeroplevelse, workflow og automation alt sammen understøttet af AI.
Først nu bliver agenten for alvor interessant
Når analysefundamentet og de automatiserede processer eksisterer, har en AI-agent noget meget mere værdifuldt at arbejde med.
En indkøbsagent kan eksempelvis få spørgsmålet:
”Undersøg de fem leverandører med den største forværring i performance og vurder, hvilke der kræver handling.”
Agenten kan nu gå videre end en traditionel BI-forespørgsel.
- Hente performance-data,
- Analysere OTIF, leveringstid, kvalitet, prisudvikling og indkøbsvolumen,
- Finde relevante kontrakter og dokumenter,
- Inddrage relevante mails og anden leverandørkommunikation,
- Sammenholde strukturerede og ustrukturerede informationer,
- Vurdere situationen,
- Anbefale relevante handlinger.
Det er her, Copilot Studio bliver interessant som agentplatform.
Teknisk kan agenten anvende en Fabric Data Agent til at stille spørgsmål til virksomhedens Power BI Semantic Model og dermed til ERP-data, Dokumenter og mails kan samtidig gøres tilgængelige gennem RAG, hvor AI’en automatisk finder den information, der er relevant for den aktuelle problemstilling.
Det betyder, at agenten ikke alene baserer sig på den generelle viden i en sprogmodel. Agenten får adgang til virksomhedens konkrete og aktuelle forretningskontekst.
Fra anbefaling til handling
Den måske vigtigste forskel mellem dialogbaseret analyse (conversational analytics) og en egentlig agent opstår imidlertid bagefter.
“Leverandør A og B bør prioriteres.”
Agenten kan også foreslå:
“Jeg anbefaler at starte en leverandøropfølgning for A og indkalde B til et leverandørperformance-review.”
Brugeren kan herefter godkende anbefalingen.
Agenten aktiverer det relevante Power Automate-flow, og flowet gennemfører den kontrollerede proces mod eksempelvis SAP, Teams, mail eller andre systemer.
BI skaber indsigt. Agenten vurderer og anbefaler. Mennesket godkender. Automation udfører.
AI-agenten behøver ikke have fri adgang til virksomhedens ERP-system. Agenten kan vælge mellem et katalog af kontrollerede og godkendte handlinger, mens eksisterende autorisationer, forretningsregler og godkendelseskrav fortsat gælder.
Én sammenhængende brugerrejse
Det interessante er, at de forskellige teknologier kan bindes direkte sammen.
Forestil dig følgende arbejdsdag:
En medarbejder arbejder i en Supplier Performance-rapport i Power BI. Fem leverandører identificeres gennem filtre og analyse. Brugeren vælger “Send til indkøbs Agent”, og de fem leverandørers ID’er og den relevante analysekontekst sendes videre til agenten.
“Undersøg de fem leverandører nærmere.”
Agenten analyserer performance og supplerende dokumentation.
“Hvad anbefaler du?”
Agenten kommer med konkrete forslag.
“Start opfølgning på leverandør A og B.”
Efter den nødvendige godkendelse gennemfører Power Automate processen og kommunikerer med de relevante systemer. Det, der begyndte som en observation i et dashboard, ender dermed som en kontrolleret forretningshandling.
AI ændrer dermed ikke alene brugergrænsefladen
Den egentlige værdi ligger ikke alene i, at en medarbejder kan chatte med virksomhedens data.
Data → indsigt → opmærksomhed → analyse → beslutning → handling
En traditionel indkøbsproces kan kræve, at en person opdager et problem i en rapport, undersøger flere datakilder, finder korrespondance og kontrakter, vurderer problemet, kontakter de relevante personer og derefter gennemfører en proces i ERP-systemet.
I en AI-understøttet model kan store dele af denne informationssøgning, sammenstilling og proceshåndtering automatiseres, mens de forretningsmæssige beslutninger fortsat kan være under menneskelig kontrol.
Det er derfor vigtigt at starte det rigtige sted
Det kan være fristende at begynde et AI-projekt med spørgsmålet:
“Hvilken agent skal vi bygge?”
Det mere værdifulde spørgsmål er ofte:
“Har vi det nødvendige data- og procesfundament til, at en agent faktisk kan skabe værdi?”
1. Data og performance (Power BI)
Skab et troværdigt analysegrundlag med fælles KPI’er og forretningsdefinitioner.
2. Monitorering og procesautomation (Power Automate)
Automatisér overvågning og de processer, som allerede kan beskrives deterministisk.
3. Agentbaseret AI (Copilot Studio)
Lad agenten anvende data, viden og de etablerede processer til at undersøge situationer, ræsonnere, anbefale og orkestrere handling.
På den måde bliver AI ikke endnu et isoleret IT-værktøj oven på organisationens eksisterende systemer.
AI bliver i stedet det intelligente lag, der binder indsigt og handling sammen.
Mål → identificér → forstå → beslut → udfør → mål effekten.
Det er dér, AI for alvor kan flytte indkøbsfunktionen fra rapportering og reaktiv opfølgning til en mere proaktiv, AI/datadrevet og handlingsorienteret måde at arbejde på.
Michael K. Kærgaard
📞 +45 28 40 20 09
📧 kontakt@aintelligence.dk
🌐 www.aintelligence.dk
Skriv et svar