AI Procure-to-Pay में 5 गंभीर गलतियाँ
AI प्रोक्योरमेंट (procurement) को बदलने का वादा करता है। फिर भी, कई कंपनियाँ विफल कार्यान्वयन (implementations) पर लाखों बर्बाद कर देती हैं। अधिकांश विफलताएँ एक ही तरह की अनुमानित गलतियों के कारण होती हैं।
अपने निवेश की रक्षा के लिए इन पाँच गलतियों से बचें।
- डेटा की गुणवत्ता (Data Quality) की अनदेखी करना AI को स्वच्छ डेटा की आवश्यकता होती है। यदि आपके वेंडर रिकॉर्ड अव्यवस्थित हैं, तो AI विफल हो जाएगा। एक निर्माता को केवल 35% सफलता मिली क्योंकि उनके पास 1,200 डुप्लिकेट सप्लायर रिकॉर्ड थे। AI इनवॉइस को ऑर्डर से नहीं मिला सका क्योंकि नाम असंगत थे।
- सबसे पहले अपनी वेंडर मास्टर लिस्ट को साफ करें।
- नामकरण के नियमों (naming conventions) को मानकीकृत करें।
- खर्च की श्रेणियों (spend categories) को ठीक करें।
- शुरू करने से पहले डेटा क्लीनिंग में 2 से 3 महीने का निवेश करें।
- एक साथ सब कुछ ऑटोमेट करने की कोशिश करना पहले ही दिन ग्लोबल रोलआउट (global rollout) का प्रयास न करें। एक रिटेलर ने एक साथ 15 देशों में AI तैनात करने की कोशिश की। लागत तीन गुना बढ़ गई और प्रोजेक्ट में 18 महीने लग गए।
- एक छोटे पायलट प्रोजेक्ट से शुरुआत करें।
- एक बिजनेस यूनिट या एक सप्लायर प्रकार चुनें।
- 90 दिनों तक परिणामों को मापें।
- विस्तार करने से पहले समस्याओं को ठीक करें।
- मानवीय तत्व (Human Element) को भूल जाना AI केवल एक तकनीकी प्रोजेक्ट नहीं है। यह लोगों से जुड़ा प्रोजेक्ट है। एक बीमा फर्म में उपयोग कम देखा गया क्योंकि कर्मचारियों को AI पर भरोसा नहीं था। उन्हें अपनी नौकरियों का डर था।
- AI के उद्देश्य के बारे में शुरुआत में ही सूचित करें।
- कर्मचारियों को नए वर्कफ़्लो (workflows) पर प्रशिक्षित करें।
- भूमिकाओं को मैन्युअल कार्यों से रणनीतिक विश्लेषण (strategic analysis) की ओर ले जाएं।
- अपने बजट का 25% चेंज मैनेजमेंट (change management) पर खर्च करें।
- गलत पहला यूज़ केस (Use Case) चुनना जटिल और दुर्लभ कार्यों से शुरुआत न करें। एक हेल्थकेयर सिस्टम ने कॉन्ट्रैक्ट विश्लेषण के लिए AI का उपयोग करने की कोशिश की। इससे बहुत कम मूल्य मिला क्योंकि कॉन्ट्रैक्ट कम ही होते हैं। वे अभी भी हर महीने 8,000 इनवॉइस मैन्युअल रूप से प्रोसेस करते थे।
- उच्च-मात्रा वाले, दोहराव वाले कार्यों को चुनें।
- स्पष्ट नियमों वाली प्रक्रियाओं को चुनें।
- सबसे पहले इनवॉइस प्रोसेसिंग या PO मैचिंग पर ध्यान केंद्रित करें।
- इंटीग्रेशन (Integration) की जरूरतों को कम आंकना AI हमेशा आपके ERP के साथ आसानी से नहीं जुड़ पाता है। एक टेक फर्म ने एक प्लेटफॉर्म पर $2M खर्च किए लेकिन उसे अपने लेगेसी सिस्टम (legacy system) के साथ सिंक नहीं कर सकी। इसकी वजह से उन्हें अतिरिक्त $500,000 और 8 महीने का नुकसान हुआ।
- खरीदने से पहले सभी इंटीग्रेशन को मैप करें।
- API की उपलब्धता की जांच करें।
- डेटा कम्पैटिबिलिटी (compatibility) का परीक्षण करें।
- मिडलवेयर (middleware) और कस्टम काम के लिए अतिरिक्त समय का बजट रखें।
सफलता के लिए स्वच्छ डेटा की नींव और चरणबद्ध दृष्टिकोण (phased approach) की आवश्यकता होती है। विश्वास बनाने के लिए 'क्विक विन्स' (quick wins) पर ध्यान केंद्रित करें।
वैकल्पिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi