מה מבינה בינה… ראיון עם קרן חדוות רוביו, מנכ"לית ביטק אלקטרוניקה

"הבינה המלאכותית לא מחליפה אנשי רכש, היא פשוט כבר החליפה את מי שמשתמש בה בלי להבין את השוק" מסבירה קרן חדוות רוביו, מנכ"לית ביטק אלקטרוניקה.

בעולם שבו כמעט כל החלטה עסקית עטופה היום במונחים כמו AI-driven ,Predictive  אוSmart, נדמה שהבינה המלאכותית הפכה לפתרון אוניברסלי.
גם בעולמות הרכש, ה-IT ושרשראות האספקה, מערכות חכמות מבטיחות לחזות ביקושים, להשוות מחירים, לזהות חריגות ולהפוך תהליכים מורכבים ליעילים ומהירים יותר. אבל ככל שהטכנולוגיה מתקדמת, מתבררת אמת פחות נוחה: הבינה המלאכותית אינה מקטינה סיכונים, היא רק משנה את סוגם ובמקרים מסוימים, היא אף מעמיקה אותם.

כשהמידע זמין לכולם, היתרון כבר לא במידע

בעבר, כוח היה מצוי אצל מי שהחזיק במידע.
מחירים, זמני אספקה, זהות ספקים ומצב מלאים, לא הכול היה נגיש, ובוודאי לא בזמן אמת.

היום המצב הפוך לחלוטין. המידע זמין, מוצף, ולעיתים אף סותר.
דווקא בעידן הזה, האתגר האמיתי אינו מחסור בנתונים, אלא עודף החלטות שמתקבלות על בסיס נתונים שלא פורשו בהקשר הנכון.

מערכת AI יכולה לומר לך שהמחיר נמוך, שהזמינות קיימת ושה-SKU תואם למפרט.
אבל היא לא יודעת להסביר למה המחיר ירד פתאום, מה עומד מאחורי הזמינות, והאם אותו רכיב בכלל נמצא בעדיפות ייצור אצל היצרן.

כאן בדיוק נוצר הפער שבין אוטומציה לבין שיקול דעת.

כשה-AI "צודק" וההחלטה מתבררת כשגויה

בשיחות עם מנהלי IT ורכש חוזר שוב אותו דפוס:
מערכת חכמה המליצה על ספק זול וזמין. הנתונים נראו מצוינים, ההזמנה בוצעה במהירות והכול עבד לכאורה.

רק חודשים מאוחר יותר התגלו הבעיות:
רכיב שאינו נתמך על-ידי היצרנית, קו ייצור שנכנס לירידה שקטה, גרסת Firmware לא תואמת, או ספק משנה שנעלם מהשוק.
החיסכון הראשוני התחלף בעלויות תיקון, עיכובים ופגיעה ב-SLA.

ה-AI לא טעה.
הוא פשוט לא ידע איזו שאלה לשאול.

נקודת מבט מהשטח

שיחה עם קרן חדוות רוביו, מנכ״לית B-Tech Electronics

כששואלים את קרן חדוות רוביו על כניסת הבינה המלאכותית לעולמות הרכש והאספקה, היא בוחרת גישה מאוזנת, נטולת הייפ, אך גם נטולת חשש.

"אני לא רואה ב-AI איום" היא אומרת, "אבל אני כן רואה בו מראה. הוא משקף בצורה מאוד חדה את רמת ההבנה של מי שמשתמש בו."

לדבריה, בשנים האחרונות יותר ויותר ארגונים מטמיעים מערכות חכמות מתוך ציפייה שהאלגוריתם יפתור בעיות עמוקות של שרשרת אספקה.
זו ציפייה בעייתית.

"שרשרת אספקה,” היא מסבירה, "היא לא נוסחה מתמטית. היא מורכבת מאנשים, אינטרסים, רגולציה, פוליטיקה, מים, אנרגיה ולחצים שלא תמיד מתועדים בדאטה. AI יכול לזהות תבניות, אבל הוא לא מבין למה הן נוצרו."
כמי שפועלת שנים בזירה הגלובלית של רכיבים ויבוא, קרן מדגישה שהידע הקריטי באמת כמעט אף פעם לא מופיע במסכים.

"יש דברים שלא תראה בשום מערכת," היא אומרת. "ספק שמתחיל להיות ‘זול מדי’, לא כי הוא יעיל, אלא כי הוא בלחץ. או רכיב שנראה זמין, אבל בפועל קו הייצור שלו כבר לא בעדיפות אצל היצרן."

בנקודות האלו, היא טוענת, שימוש לא מבוקר ב-AI עלול דווקא להעצים סיכון.

"ה-AI לא טועה," היא מחדדת, "אבל הוא עובד על מה שאתה נותן לו. ואם אין לך את הניסיון לשאול את השאלות הנכונות, אתה מקבל תשובות מסודרות, יפות, ולעיתים מסוכנות."

כששואלים אותה איפה כן נמצא הערך האמיתי של הבינה המלאכותית, התשובה ברורה:

"AI הוא מכפיל כוח. כשיש ניסיון, קשרים והבנה עמוקה של השוק – הוא מאפשר לראות רחב יותר, מהר יותר, ולזהות חריגות מוקדם. אבל כשאין את זה, הוא רק מקצר את הדרך לטעויות."

ב-B-Tech, היא מספרת, הטכנולוגיה תמיד מגיעה אחרי הבנת השטח, לא לפניה.

"אנחנו משתמשים במערכות, בניתוחים ובדאטה," היא מסכמת, "אבל ההחלטה הסופית תמיד נשענת על הבנה של אנשים, יצרנים ושרשרת ייצור. זה ההבדל בין מי שקונה רכיב לבין מי שמנהל אספקה."

AI, SI ושרשרת אספקה: השכבה הסמויה

מערכות AI ו-SI ימשיכו להיכנס לעולמות הרכש והלוגיסטיקה ובצדק. הן מסייעות לסנן רעש, לזהות חריגות ולהשוות תרחישים.

אבל הן אינן מחליפות: היכרות עם מפת הספקים, הבנת כיווני ייצור, זיהוי מוקדם של Grey Market, וקשרים שמאפשרים גמישות ברגעי אמת.

ולכן, ארגונים שמתקדמים באמת אינם שואלים איזו מערכת להטמיע, אלא עם מי נכון לעבוד כשמשתמשים במערכות האלה.

לסיכום

הבינה המלאכותית כאן כדי להישאר. היא משנה את עולם הרכש, ה-IT והלוגיסטיקה, ללא ספק.

אבל בעידן שבו המידע זמין לכולם, היתרון האמיתי כבר לא נמצא בטכנולוגיה עצמה, אלא ביכולת לפרש אותה נכון, לשאול את השאלות הנכונות, ולשלב אותה בתוך הבנה עמוקה של השוק.

ובדיוק שם, בין האלגוריתם למציאות, נולד שיתוף פעולה אמיתי, כזה שמבוסס לא על תחרות, אלא על ערך.