AI Procure-to-Pay मधील ५ गंभीर चुका
AI खरेदी प्रक्रियेत (procurement) बदल घडवून आणण्याचे आश्वासन देते. तरीही, अनेक कंपन्या अयशस्वी अंमलबजावणीवर लाखो डॉलर्स वाया घालवतात. बहुतेक अपयश ही काही ठराविक आणि अंदाजित चुकांमुळे येते.
तुमच्या गुंतवणुकीचे संरक्षण करण्यासाठी या पाच चुका टाळा.
१. डेटाच्या गुणवत्तेकडे दुर्लक्ष करणे
AI ला स्वच्छ डेटाची गरज असते. जर तुमचे व्हेंडर रेकॉर्ड्स (vendor records) विस्कळीत असतील, तर AI अपयशी ठरेल. एका उत्पादकाने केवळ ३५% यश पाहिले कारण त्यांच्याकडे १,२०० ड्युप्लिकेट सप्लायर रेकॉर्ड्स होते. नावांमध्ये विसंगती असल्यामुळे AI इनव्हॉइसेसना (invoices) ऑर्डर्सशी जुळवू शकले नाही.
- प्रथम तुमची व्हेंडर मास्टर लिस्ट स्वच्छ करा.
- नावांच्या पद्धतींचे प्रमाणीकरण (standardize) करा.
- खर्चाच्या श्रेणी (spend categories) निश्चित करा.
- सुरुवात करण्यापूर्वी डेटा क्लीनिंगसाठी २ ते ३ महिने खर्च करा.
२. सर्व काही एकाच वेळी ऑटोमेट करण्याचा प्रयत्न करणे
पहिल्याच दिवशी जागतिक स्तरावर (global rollout) अंमलबजावणी करण्याचा प्रयत्न करू नका. एका किरकोळ विक्रेत्याने एकाच वेळी १५ देशांमध्ये AI तैनात करण्याचा प्रयत्न केला. यामुळे खर्च तीन पटीने वाढला आणि प्रकल्पाला १८ महिने लागले.
- एका लहान पायलट प्रोजेक्टपासून सुरुवात करा.
- एक बिझनेस युनिट किंवा एक सप्लायर प्रकार निवडा.
- ९० दिवसांसाठी निकालांचे मोजमाप करा.
- विस्तार करण्यापूर्वी समस्या सुधारा.
३. मानवी घटकाला विसरणे
AI हा केवळ तांत्रिक प्रकल्प नाही. तो लोकांचा प्रकल्प आहे. एका विमा कंपनीत कर्मचाऱ्यांचा AI वर विश्वास नसल्यामुळे त्याचा वापर कमी झाला. त्यांना त्यांच्या नोकऱ्यांची भीती वाटत होती.
- AI चा उद्देश सुरुवातीलाच स्पष्ट करा.
- नवीन वर्कफ्लोवर (workflows) कर्मचाऱ्यांना प्रशिक्षण द्या.
- भूमिका मॅन्युअल कामांकडून धोरणात्मक विश्लेषणाकडे (strategic analysis) वळवा.
- तुमच्या बजेटचा २५% हिस्सा चेंज मॅनेजमेंटवर (change management) खर्च करा.
४. चुकीचा पहिला युज केस (use case) निवडणे
गुंतागुंतीच्या आणि दुर्मिळ कामांपासून सुरुवात करू नका. एका आरोग्य सेवा प्रणालीने कॉन्ट्रॅक्ट विश्लेषणासाठी AI वापरण्याचा प्रयत्न केला. कॉन्ट्रॅक्ट्स क्वचितच होत असल्याने त्यातून फारसा फायदा झाला नाही. त्यांना अजूनही दरमहा ८,००० इनव्हॉइसेस मॅन्युअली प्रोसेस करावे लागत होते.
- मोठ्या प्रमाणात आणि वारंवार होणारी कामे निवडा.
- स्पष्ट नियम असलेल्या प्रक्रिया निवडा.
- प्रथम इनव्हॉइस प्रोसेसिंग किंवा PO मॅचिंगवर लक्ष केंद्रित करा.
५. इंटिग्रेशनच्या गरजा कमी लेखणे
AI नेहमी तुमच्या ERP मध्ये सहजपणे जोडले जात नाही. एका टेक कंपनीने एका प्लॅटफॉर्मवर $२ दशलक्ष खर्च केले, परंतु ते त्यांच्या लेगसी सिस्टमशी (legacy system) सिंक करू शकले नाहीत. यामुळे त्यांना अतिरिक्त $५००,००० आणि ८ महिने लागले.
- खरेदी करण्यापूर्वी सर्व इंटिग्रेशन्सचे मॅपिंग करा.
- API उपलब्धता तपासा.
- डेटा सुसंगतता (compatibility) तपासा.
- मिडलवेअर (middleware) आणि कस्टम कामासाठी अतिरिक्त वेळ राखून ठेवा.
यशासाठी स्वच्छ डेटाचा पाया आणि टप्प्याटप्प्याने येणारा दृष्टिकोन आवश्यक आहे. विश्वास निर्माण करण्यासाठी त्वरित मिळणाऱ्या यशावर (quick wins) लक्ष केंद्रित करा.
Optional learning community: https://t.me/GyaanSetuAi