רכש ויישומי AI
AI מוזיל את ההכנה למשא ומתן
העלות של הכנה טובה יורדת. כוח מיקוח עדיין צריך לבנות.
ספק מבקש להעלות את המחיר ב־8%. צוות הרכש מוריד את הדרישה ל־4%.
האם זו תוצאה טובה?
בלי להבין מה השתנה בעלויות הספק, מהן החלופות ומה תהיה המשמעות של סירוב, אי אפשר לדעת. מדדתם כמה ירד הספק מדרישת הפתיחה שלו, לא את איכות ההסכם.
כאן בינה מלאכותית (AI) יכולה לתרום לרכש. היא מצמצמת את המאמץ הדרוש לגיבוש עמדה מסחרית מבוססת לפני שהמשא ומתן מתחיל. התרומה הזו משמעותית יותר מניסוח מייל תקיף לספק.
הכנה יסודית דרשה השקעה רבה
לקראת משא ומתן עשוי להידרש ניתוח של מחירי חומרי גלם, עלויות עבודה ועיבוד, הובלה, מחירים היסטוריים, ביצועי ספקים, נתוני שוק, ויתורים קודמים ומקורות אספקה חלופיים.
בקטגוריה אסטרטגית המאמץ מוצדק. במאות תהליכי משא ומתן בהיקף קטן יותר, לעיתים קרובות הוא אינו כדאי.
כלים דיגיטליים ו־AI משנים את המצב הזה. ב־2024 פרסמה McKinsey מקרה שבו Sanofi שילבה מודלים לאומדן עלות על בסיס מרכיביה (should-cost), ניתוח נתונים ומשא ומתן הנתמך בכלים דיגיטליים. בין התוצאות שדווחו: צמצום הוצאות, קיצור זמן הערכת מכרזים והגדלת החיסכון במשא ומתן.
אין בכך הוכחה ש־AI לבדו יצר את החיסכון. הלקח הוא אחר: הכנה יסודית יכולה להשתלם במספר גדול יותר של תהליכי משא ומתן.
דרישה להעלאת מחיר ב־8% אינה מעידה שהעלויות עלו ב־8%
נבחן דוגמה להמחשה, שאינה מקרה לקוח.
רכיב עולה כיום 10.00 אירו. הספק מבקש 10.80 אירו.
צוות הרכש מנתח את שינויי העלות על סמך הנחות מתועדות.
| מרכיב העלות | עלות בסיס (€) | שינוי משוער | השפעה על המחיר (€) |
|---|---|---|---|
| חומרים | €5.00 | +6% | +€0.30 |
| עבודה ישירה | €1.50 | +4% | +€0.06 |
| עלויות ייצור אחרות | €1.50 | +2% | +€0.03 |
| הובלה | €0.50 | −10% | −€0.05 |
| הוצאות עקיפות אחרות | €0.50 | ללא שינוי | €0.00 |
| רווח הספק | €1.00 | נשאר קבוע בתרחיש זה | €0.00 |
| סך הכול | €10.00 | +€0.34 |
המחיר המשתמע בתרחיש: 10.34 אירו.
הניתוח אינו מוכיח שזה המחיר ״הנכון״. הוא מאפשר לשאול שאלה ממוקדת:
״הניתוח הנוכחי שלנו מסביר 0.34 אירו מתוך העלייה המבוקשת של 0.80 אירו. מה מסביר את 0.46 האירו הנותרים?״
ייתכן שיש הסבר מוצדק: השקעה בהגדלת כושר הייצור, עלות עמידה בדרישות, שינוי בכדאיות הכלכלית של ההזמנה או הנחת עבודה שלא הובאה בחשבון.
המשא ומתן צריך לברר את הפער, בלי להניח מראש שהספק טועה או שהדרישה מוצדקת.
ניתוח טוב אינו כוח מיקוח
נניח שהספק הוא מקור האספקה המאושר היחיד, ושיידרשו תשעה חודשים עד שחלופה תוכל לפעול.
לרכש עשוי להיות ניתוח מצוין, לצד כוח מיקוח מיידי מוגבל.
לכן צריך להבחין בין שלושה דברים:
נקודת ייחוס מבוססת עלות: מה אפשר להצדיק על בסיס הנתונים והראיות.
יעד המשא ומתן: מה צוות הרכש מבקש להשיג.
סף האישור: מה העסק מוכן לקבל בהתחשב בחלופות, בסיכון לרציפות האספקה ובחבילה המסחרית כולה.
ייתכן שנכון להסכים זמנית למחיר גבוה מנקודת הייחוס מבוססת העלות, בתמורה להבטחת כושר ייצור זמין או למנגנון מוסכם לבחינה מחדש של המחיר, בזמן שמפתחים מקור נוסף.
AI יכול לחזק את הטיעון. הוא אינו מייצר ספק חלופי.
מגדירים מי מכין, מי מחשב ומי מחליט
AI מסייע בהכנה ובבחינה ביקורתית: מאתר מידע שמותר לצוות לגשת אליו, משווה מסמכים, מזהה אי־התאמות ומציע תרחישים.
מודלים מבוקרים מבצעים את החישוב: שינויי עלות, ניתוחי רגישות, השפעות של שערי מטבע והשוואות בין הצעות צריכים להתבסס על נוסחאות שניתן לעקוב אחריהן.
אנשים מקבלים את ההחלטות: איש הרכש האחראי מאשר את ההנחות, הוויתורים, גבולות ההסכמה והחריגים.
ספירת תהליכי המשא ומתן שבהם נעזרו ב־AI מודדת פעילות, לא תוצאה. השאלה הניהולית היא:
״אילו החלטות מסחריות השתפרו, מה מוכיח זאת ומה נתנו בתמורה?״
דב עמר · Opyflow