การจัดซื้อข้ามพรมแดน (Cross-border procurement) หมายถึงกิจกรรมการจัดซื้อชิ้นส่วน วัตถุดิบ และบริการจากซัพพลายเออร์ที่อยู่นอกประเทศที่บริษัทตั้งอยู่ ปัจจุบัน AI ได้เริ่มเข้ามาสนับสนุนการจัดซื้อข้ามพรมแดนในวงกว้าง ตั้งแต่การทำงานประจำอย่างการประมวลผลใบเสนอราคา ไปจนถึงการประเมินซัพพลายเออร์และการตรวจสอบความเสี่ยงของสัญญา

บทความนี้จัดทำขึ้นเพื่อเจ้าหน้าที่ฝ่ายจัดซื้อและจัดหาของบริษัทญี่ปุ่นที่จัดซื้อจากซัพพลายเออร์ในประเทศเกิดใหม่ เช่น กลุ่มประเทศอาเซียนและลาว โดยจะสรุปว่า AI มีประโยชน์ต่อการทำงานส่วนใดของการจัดซื้อข้ามพรมแดน รวมถึงวิธีเลือกงานที่เห็นผลลัพธ์ได้ง่ายและควรเริ่มต้นจากจุดใด เมื่ออ่านจบ คุณจะสามารถระบุได้ว่าควรทดลองเริ่มจากงานส่วนใดในบริษัทของคุณเป็นอันดับแรก

หัวใจสำคัญของ AI ในการจัดซื้อข้ามพรมแดน (Cross-border Procurement) ไม่ได้จำกัดอยู่เพียงแค่การทำงานแบบอัตโนมัติในงานประจำเท่านั้น แต่ยังรวมถึงการทำให้ข้อมูลของซัพพลายเออร์ที่เคยเข้าถึงได้ยากจากอุปสรรคด้านภาษา กฎระเบียบ และระยะทางนั้นมีความโปร่งใสชัดเจน เพื่อสนับสนุนการตัดสินใจของเจ้าหน้าที่จัดซื้อ

ที่ผ่านมา เมื่อพูดถึง "AI ในการจัดซื้อ" มักจะนึกถึงการเพิ่มประสิทธิภาพ เช่น การทำรายการสั่งซื้ออัตโนมัติหรือการอ่านใบแจ้งหนี้ แต่สำหรับการจัดซื้อข้ามพรมแดนนั้น คุณภาพของการตัดสินใจในประเด็นที่ว่า "จะประเมินคู่ค้าที่อยู่ห่างไกลได้อย่างไร" คือสิ่งที่สร้างความแตกต่างให้กับผลลัพธ์ที่ได้

การนำ IT มาใช้ในงานจัดซื้อที่ผ่านมา มักเน้นไปที่ "การเพิ่มประสิทธิภาพในการทำธุรกรรม" เป็นหลัก ไม่ว่าจะเป็นการเปลี่ยนข้อมูลการสั่งซื้อให้เป็นรูปแบบอิเล็กทรอนิกส์ด้วย EDI, การจัดทำขั้นตอนการอนุมัติผ่านระบบจัดซื้อ หรือการใช้ RPA เพื่อทำระบบอัตโนมัติสำหรับงานกรอกข้อมูลทั่วไป ทั้งหมดนี้ล้วนเป็นกลไกที่มุ่งเน้นให้ "ทำงานเดิมได้รวดเร็วและแม่นยำยิ่งขึ้น"

สิ่งที่เปลี่ยนไปจากการมาถึงของ Generative AI คือการเพิ่มชั้นของ "การสนับสนุนการตัดสินใจ" เข้ามา ตัวอย่างเช่น หากป้อนข้อมูลการจัดซื้อในอดีตเข้าไป AI สามารถสรุปเป็นภาษาที่เข้าใจง่ายได้ว่า รายจ่ายกระจุกตัวอยู่ในหมวดหมู่ใด หรือมีการสั่งซื้อสินค้าที่คล้ายคลึงกันแยกกันอยู่หรือไม่ นอกจากนี้ยังสามารถจัดระเบียบเงื่อนไขในใบเสนอราคาที่ได้รับจากซัพพลายเออร์ และชี้ให้เห็นประเด็นสำคัญโดยเปรียบเทียบกับราคาตลาดในอดีตได้อีกด้วย

กล่าวคือ AI กำลังขยายบทบาทจาก "ผู้ช่วยทำงานแทน" ไปสู่ "คู่คิดที่ช่วยชี้ประเด็น" ยิ่งในขอบเขตที่ข้อมูลกระจัดกระจายและตัดสินใจได้ยาก เช่น การจัดซื้อข้ามพรมแดน (Cross-border Procurement) ประโยชน์จากการเปลี่ยนแปลงนี้ก็จะยิ่งมีมากขึ้นเท่านั้น

การจัดซื้อภายในประเทศและการจัดซื้อข้ามพรมแดนมีความคาดหวังต่อบทบาทของ AI ที่แตกต่างกัน เนื่องจากในการจัดซื้อข้ามพรมแดนมีอุปสรรคสามประการที่การทำธุรกรรมภายในประเทศไม่ต้องคำนึงถึง

ประการแรกคือ อุปสรรคด้านภาษา (Language Barrier) ใบเสนอราคา เอกสารข้อมูลจำเพาะ และสัญญาต่างๆ จะถูกส่งมาเป็นภาษาอังกฤษหรือภาษาท้องถิ่น ทำให้เจ้าหน้าที่ต้องเสียเวลาแปลและตรวจสอบความถูกต้องของเนื้อหา เพียงแค่ในภูมิภาค ASEAN ก็มีทั้งภาษาไทย ภาษาเวียดนาม ภาษาลาว ฯลฯ ปะปนกันอยู่ ซึ่งมักนำไปสู่ความเข้าใจที่คลาดเคลื่อนในศัพท์เฉพาะทาง

ประการที่สองคือ อุปสรรคด้านระยะทาง (Distance Barrier) เนื่องจากไม่สามารถไปเยี่ยมชมโรงงานได้บ่อยครั้ง จึงทำให้ยากต่อการมองเห็นสถานะที่แท้จริงและความคืบหน้าของซัพพลายเออร์ ความกังวลที่ว่า "ในรูปถ่ายดูไม่มีปัญหา แต่หน้างานจริงเป็นอย่างไร" จึงเป็นสิ่งที่ตามหลอกหลอนอยู่เสมอ

ประการที่สามคือ อุปสรรคด้านกฎระเบียบ (Regulatory Barrier) ไม่ว่าจะเป็นหนังสือรับรองถิ่นกำเนิดสินค้า เอกสารศุลกากร กฎหมายคุ้มครองข้อมูลของแต่ละประเทศ ไปจนถึงกฎระเบียบการนำเข้าและส่งออก กฎเกณฑ์ที่ต้องปฏิบัติตามก่อนและหลังทำสัญญาจัดซื้อนั้นแตกต่างกันไปในแต่ละประเทศ

AI สามารถลดภาระของมนุษย์ต่ออุปสรรคทั้งสามประการนี้ได้ผ่านการแปล การสรุปความ และการตรวจสอบ ในทางกลับกัน หากนำเครื่องมือที่ออกแบบมาเพื่อการจัดซื้อภายในประเทศมาใช้โดยตรง ก็จะไม่สามารถแก้ไขปัญหาของการจัดซื้อข้ามพรมแดนได้ ในระหว่างที่เราให้การสนับสนุนด้าน DX ในประเทศต่างๆ ใน ASEAN เราพบว่า "การออกแบบกระบวนการทำงานโดยคำนึงถึงบริบทของท้องถิ่น" เป็นปัจจัยสำคัญที่ตัดสินความสำเร็จหรือความล้มเหลวในหลายๆ ครั้ง

เมื่อได้รับคำปรึกษาเรื่องการนำ AI มาใช้ คำถามแรกที่มักจะได้รับคือ "ควรเลือกใช้ AI เครื่องมือไหนดี" แต่สำหรับการจัดซื้อข้ามพรมแดน (Cross-border Procurement) การกำหนดว่า "ต้องการให้ AI ช่วยงานส่วนไหน" ก่อนที่จะเลือกเครื่องมือ จะช่วยลดความเสี่ยงที่จะล้มเหลวได้มากกว่า

เหตุผลนั้นเรียบง่าย เพราะแม้จะเป็น "AI ด้านการจัดซื้อ" เหมือนกัน แต่หากเป้าหมายต่างกัน เช่น ต้องการทำระบบวิเคราะห์รายจ่ายอัตโนมัติ, ต้องการประมวลผลใบเสนอราคาให้เร็วขึ้น หรือต้องการเฝ้าระวังความเสี่ยงของซัพพลายเออร์ ข้อมูลที่จำเป็นและระบบที่เหมาะสมก็จะแตกต่างกันออกไป หากกำหนดงานที่ต้องการให้ชัดเจนก่อน เราจะสามารถตัดสินใจได้ในภายหลังว่า Generative AI แบบทั่วไปนั้นเพียงพอหรือไม่ หรือจำเป็นต้องใช้ SaaS ที่ออกแบบมาเพื่อการจัดซื้อโดยเฉพาะ

บทความนี้จะเรียบเรียงเนื้อหาโดยแบ่งตามประเภทของงาน โดยจะเริ่มจากงานจัดซื้อ ตามด้วยการบริหารจัดการเวนเดอร์ (Vendor Management) และปิดท้ายด้วยหัวข้อ "ควรเริ่มจากตรงไหน" ตามลำดับ

AI は越境調達（Cross-border procurement）の上流工程、すなわち支出の可視化（Spend visibility）、サプライヤーの選定・評価（Supplier selection and evaluation）、ソーシング（Sourcing）およびオンボーディング（Onboarding）において特に高い効果を発揮します。これらはいずれも情報量が膨大であり、人手では処理しきれない領域だからです。

ここでは、成果につながりやすい三つの業務を順に見ていきます。

支出分析（スペンド分析）とは、自社が「何に・どこに・いくら」支払っているかを把握する業務である。越境調達において、この作業は特に困難を極める。複数国、複数通貨、複数システムに購買データが分散しており、品目の呼称も発注部署ごとにバラつきがあるためだ。

AIは、こうした乱雑なデータの整理に適している。例えば、品目名の表記ゆれを名寄せし、共通のカテゴリに分類することが可能だ。これにより、「同じ部材を3か国のサプライヤーから異なる単価で購入していた」「契約外の単発発注（マーベリック購買）が一定割合存在する」といった、コスト削減の糸口が見えてくる。

重要なのは、AIに渡す前のデータがある程度デジタル化されていることである。紙の請求書しかない状態では分析を始めることができない。逆に、ERPや会計システムに購買履歴が蓄積されていれば、AIによる支出の要約や異常検知はすぐに試すことが可能だ。

AIは、新しいサプライヤーを探し、評価する業務の支援にも有効です。国内であれば信用調査会社のレポートや業界の評判で判断できますが、新興国のサプライヤーはそうした情報が乏しいのが現状です。財務情報が公開されていなかったり、現地語のニュースしかなかったりするケースも珍しくありません。

AIは、断片的に散らばる情報を収集・整理する用途に活用できます。企業情報、現地ニュース、取引実績、認証の有無などを読み込ませ、評価の論点を一覧化させることで、担当者が一社ずつ手作業で行っていた一次スクリーニングの時間を短縮できます。

ただし注意すべき点は、AIの出力はあくまで「判断材料の整理」であり、「判断そのもの」ではないということです。与信や取引可否の最終判断は、現地訪問やサンプル取引といった人間の確認とセットで行う必要があります。AIが見落とした不利な情報がないか、出典を確かめる姿勢は欠かせません。

AI ช่วยประหยัดเวลาในขั้นตอนการจัดหาจนถึงการเริ่มงาน (Sourcing to Onboarding) เช่น การขอใบเสนอราคา (RFQ) การทำสัญญา และการลงทะเบียน หลังจากที่ได้คู่ค้าที่ต้องการแล้ว

ตัวอย่างเช่น สามารถให้ AI ร่างเนื้อหา RFQ ในหลายภาษาได้เพียงแค่ระบุเงื่อนไขของสินค้า นอกจากนี้ยังสามารถให้ AI สรุปใบเสนอราคาและเอกสารข้อมูลจำเพาะที่ได้รับมา พร้อมทั้งจัดทำตารางเปรียบเทียบความแตกต่างของเงื่อนไขต่างๆ ได้อีกด้วย การจัดทำรายการตรวจสอบเอกสารที่จำเป็นสำหรับการลงทะเบียนซัพพลายเออร์ รวมถึงการแปลและสรุปเอกสารที่ได้รับมาในภาษาท้องถิ่น ก็เป็นส่วนที่ AI สามารถเข้ามาช่วยสนับสนุนได้เช่นกัน

ในหน้างานการจัดซื้อข้ามพรมแดน ยังคงพบเห็นกรณีที่ใบเสนอราคาถูกส่งมาในรูปแบบไฟล์ PDF หรือรูปภาพทางแชท ซึ่งเจ้าหน้าที่ยังคงต้องคัดลอกข้อมูลลงในโปรแกรมตารางคำนวณด้วยตนเองอยู่บ่อยครั้ง เวลาที่เคยเสียไปกับการ "คัดลอกและแปล" นี้เอง คือส่วนที่ AI สามารถเข้ามาช่วยแบ่งเบาภาระได้เป็นอันดับแรก เพื่อให้สามารถนำเวลาที่เหลือไปทุ่มเทให้กับงานที่มนุษย์เท่านั้นที่ทำได้ เช่น การสร้างความสัมพันธ์กับซัพพลายเออร์และการเจรจาต่อรอง

การบริหารจัดการผู้ขาย (Vendor Management) คือขั้นตอนของ "การรักษาความสัมพันธ์และลดความเสี่ยง" หลังจากที่ได้เริ่มทำธุรกรรมกับซัพพลายเออร์แล้ว ในจุดนี้ AI จะเข้ามาช่วยสนับสนุนงานที่เกินกำลังคนจะทำได้ เช่น การติดตามตรวจสอบอย่างต่อเนื่องและการเฝ้าระวังสัญญา

หากการจัดซื้อ (Procurement) คือหน้าที่ของ "การเลือก" การบริหารจัดการผู้ขายก็คือหน้าที่ของ "การเฝ้าติดตาม" โดยจะขอพิจารณาประเด็นสำคัญสองประการโดยอ้างอิงจากความแตกต่างดังกล่าว

เมื่อเริ่มการซื้อขายกับซัพพลายเออร์ จำเป็นต้องมีการติดตามประสิทธิภาพอย่างต่อเนื่อง เช่น อัตราการส่งมอบตรงเวลา อัตราของเสีย (คุณภาพ) และความเร็วในการตอบสนอง ยิ่งไปกว่านั้น ในการจัดซื้อข้ามพรมแดน ความเสี่ยงด้านห่วงโซ่อุปทาน เช่น ภัยพิบัติ สถานการณ์ทางการเมือง และความปั่นป่วนด้านโลจิสติกส์ในประเทศคู่ค้า ก็กลายเป็นสิ่งที่ต้องเฝ้าระวังด้วยเช่นกัน

การติดตามข้อมูลเหล่านี้ด้วยแรงงานคนทุกวันนั้นไม่สามารถทำได้จริง AI จึงเหมาะสำหรับการนำมาใช้สรุปการเปลี่ยนแปลงของ KPI จากข้อมูลผลการดำเนินงานในระบบจัดซื้อ หรือใช้รวบรวมข่าวสารเกี่ยวกับประเทศคู่ค้าและบริษัทคู่ค้าเป็นระยะเพื่อแจ้งเตือนสัญญาณที่น่ากังวล ซึ่งจะช่วยสร้างระบบที่ทำให้สามารถรับรู้การเปลี่ยนแปลงได้รวดเร็ว เช่น "อัตราการส่งมอบล่าช้าของซัพพลายเออร์รายหนึ่งกำลังเพิ่มขึ้น" หรือ "การขนส่งในพื้นที่จัดซื้อกำลังหยุดชะงัก"

สิ่งสำคัญคือการวางตำแหน่งให้ AI เป็น "ตัวกรองการแจ้งเตือนขั้นต้น" โดยให้เจ้าหน้าที่ผู้รับผิดชอบตรวจสอบสัญญาณที่ AI ตรวจพบ แล้วนำไปสู่การสอบถามซัพพลายเออร์หรือพิจารณาแหล่งจัดซื้อสำรอง การแบ่งหน้าที่เช่นนี้จะช่วยให้สามารถขยายขอบเขตการเฝ้าระวังได้กว้างขึ้นในขณะที่ยังหลีกเลี่ยงการตอบสนองที่เกินความจำเป็นได้

การบริหารจัดการสัญญาก็เป็นอีกหนึ่งขอบเขตที่ AI มีความเชี่ยวชาญ สัญญาการจัดซื้อจัดจ้างข้ามพรมแดนมีปริมาณมากและใช้ภาษาที่หลากหลาย ทำให้ประเด็นสำคัญอย่างเงื่อนไขการชำระเงิน กำหนดส่งมอบ การรับประกันคุณภาพ และข้อกำหนดการยกเลิกสัญญา มักถูกละเลยได้ง่าย หากนำสัญญาเข้าสู่ระบบ AI ก็จะสามารถช่วยร่างการสกัดเงื่อนไขหลักหรือเปรียบเทียบความแตกต่างของเงื่อนไขระหว่างสัญญาได้

โดยเฉพาะอย่างยิ่งในการจัดซื้อจัดจ้างข้ามพรมแดน สิ่งที่มักถูกมองข้ามคือภาระผูกพันที่เกี่ยวข้องกับหนังสือรับรองถิ่นกำเนิดสินค้าและการปฏิบัติตามกฎระเบียบ (Compliance) เพื่อให้ได้รับสิทธิประโยชน์ทางภาษีศุลกากรภายใต้ความตกลงหุ้นส่วนทางเศรษฐกิจ เช่น RCEP หรือ ATIGA จำเป็นต้องปฏิบัติตามกฎว่าด้วยถิ่นกำเนิดสินค้าและจัดเตรียมเอกสารรับรองให้ครบถ้วน ซึ่ง AI สามารถช่วยสร้างรายการตรวจสอบ (Checklist) ของเอกสารที่จำเป็น และช่วยตรวจสอบความสอดคล้องระหว่างเงื่อนไขในสัญญาและข้อกำหนดในการปฏิบัติงานจริงได้

การตรวจสอบเช่นนี้มีความสำคัญอย่างยิ่งในการป้องกัน "Value Leakage" (การรั่วไหลของมูลค่า) ซึ่งเกิดจากการที่เงื่อนไขที่ตกลงกันไว้ในสัญญาไม่ได้รับการปฏิบัติตามในการทำงานจริงจนทำให้สูญเสียผลประโยชน์ ตัวอย่างเช่น การที่ส่วนลดตามปริมาณที่เจรจาต่อรองมาได้ไม่ถูกนำมาสะท้อนในใบแจ้งหนี้ ความคลาดเคลื่อนเหล่านี้สามารถตรวจพบได้ตั้งแต่เนิ่นๆ ด้วยการตรวจสอบเงื่อนไขโดยใช้ AI

อย่างไรก็ตาม กฎระเบียบต่างๆ เช่น ภาษีศุลกากร กฎว่าด้วยถิ่นกำเนิดสินค้า และกฎหมายคุ้มครองข้อมูล มีการปรับปรุงอยู่เสมอ จึงต้องถือว่าผลลัพธ์จาก AI เป็นเพียงร่างเบื้องต้นเท่านั้น โดยมีเงื่อนไขว่าการตรวจสอบขั้นสุดท้ายจะต้องอ้างอิงจากข้อมูลปฐมภูมิที่เป็นปัจจุบันที่สุดหรือปรึกษาผู้เชี่ยวชาญเป็นสำคัญ

สิ่งที่ควรเริ่มทำเป็นอันดับแรกคือ งานที่มีข้อมูลครบถ้วน มีเกณฑ์การตัดสินใจที่ชัดเจน และง่ายต่อการตรวจสอบโดยมนุษย์ หากฝืนเริ่มจากงานที่ยากเกินไป มักจะล้มเลิกก่อนที่จะเห็นผลลัพธ์

ในส่วนนี้จะสรุปวิธีคัดเลือกงานที่เหมาะสมสำหรับการนำร่อง และข้อควรระวังที่ต้องทราบก่อนเริ่มดำเนินการ

งานที่เหมาะสำหรับการเป็น "ก้าวแรก" ในการจัดซื้อข้ามพรมแดน (Cross-border Procurement) มีเงื่อนไขร่วมกัน 4 ประการ ดังนี้:

1. ข้อมูลถูกแปลงเป็นดิจิทัลแล้ว — ประวัติการจัดซื้อและใบเสนอราคามีอยู่ในรูปแบบ ERP, ระบบบัญชี หรือไฟล์อิเล็กทรอนิกส์ งานที่เป็นกระดาษเพียงอย่างเดียวจำเป็นต้องแปลงเป็นดิจิทัลก่อน
2. เกณฑ์การตัดสินใจสามารถเขียนเป็นลายลักษณ์อักษรได้ — เป็นงานที่สามารถระบุเป็นกฎเกณฑ์ได้ว่า "ถ้าเข้าเงื่อนไขนี้ถือว่าผ่าน" งานที่ต้องอาศัยสัญชาตญาณที่คลุมเครือจะส่งต่อให้ AI ได้ยาก
3. มีงานที่ต้องทำซ้ำๆ ด้วยแรงงานคนจำนวนมาก — ยิ่งเป็นงานที่มีปริมาณมากและน่าเบื่อหน่าย เช่น การคัดลอกข้อมูล การแปล การสรุปความ หรือการจัดหมวดหมู่ จะยิ่งเห็นผลลัพธ์ได้ชัดเจน
4. มนุษย์สามารถตรวจสอบความผิดพลาดได้ — เป็นงานที่ผู้รับผิดชอบสามารถตรวจสอบผลลัพธ์จาก AI และสังเกตเห็นข้อผิดพลาดได้ ควรหลีกเลี่ยงงานที่ผลลัพธ์ถูกส่งออกไปภายนอกโดยไม่ผ่านการตรวจสอบ

เมื่อพิจารณาตามเงื่อนไขทั้ง 4 ประการนี้ งานที่เริ่มทำได้ง่ายคือ การวิเคราะห์รายจ่าย, การสรุปใบเสนอราคา และการจัดระเบียบข้อมูลซัพพลายเออร์ในเบื้องต้น ในทางกลับกัน การมอบหมายการตัดสินใจขั้นสุดท้ายเรื่องสินเชื่อหรือการทำสัญญาสำคัญให้ AI นั้นยังถือว่าเร็วเกินไป แนวทางที่เป็นจริงคือการทดลองทำในขอบเขตเล็กๆ และขยายขอบเขตออกไปหลังจากยืนยันผลลัพธ์ได้แล้ว

ก่อนที่จะเริ่มนำ AI มาใช้งาน มีข้อควรระวัง 3 ประการที่ควรทราบ

ประการแรกคือ คุณภาพของข้อมูล (Data Quality) ผลลัพธ์จาก AI จะไม่มีทางดีไปกว่าคุณภาพของข้อมูลที่ป้อนเข้าไป หากป้อนข้อมูลการจัดซื้อที่มีรูปแบบไม่เป็นระเบียบหรือบันทึกที่มีข้อมูลขาดหายจำนวนมาก ผลลัพธ์ที่ได้จะเป็นการสรุปที่ผิดพลาด ดังนั้น การไม่ละเลยขั้นตอน "การเตรียมข้อมูลให้พร้อมก่อนการวิเคราะห์" จึงเป็นเรื่องสำคัญ

ประการที่สองคือ ธรรมาภิบาลและการคุ้มครองข้อมูล (Governance and Data Protection) ในการจัดซื้อข้ามพรมแดน จะมีสถานการณ์ที่ต้องนำข้อมูลผู้ติดต่อของซัพพลายเออร์หรือสัญญาต่างๆ เข้าสู่ระบบ AI ซึ่งในขณะนี้ประเทศต่างๆ ในอาเซียนกำลังเร่งพัฒนากฎหมายคุ้มครองข้อมูลส่วนบุคคล (เช่น PDPA ของไทย หรือกฎหมายคุ้มครองข้อมูลส่วนบุคคลของเวียดนามและลาว) ดังนั้น จึงจำเป็นต้องกำหนดกฎระเบียบภายในองค์กรให้ชัดเจนว่า ข้อมูลใดควรถูกส่งไปยังบริการ AI ตัวใด และต้องประมวลผลบนเซิร์ฟเวอร์ในประเทศใด

ประการที่สามคือ การใช้งาน AI อย่างมีความรับผิดชอบ (Responsible AI) คือการไม่หลงเชื่อผลลัพธ์จาก AI โดยทันที แต่ต้องรักษาโครงสร้างการตัดสินใจขั้นสุดท้ายไว้ที่มนุษย์ เพื่อป้องกันไม่ให้ข้อมูลที่เป็นลบต่อซัพพลายเออร์ถูกมองข้ามไปอย่างผิดๆ หรือในทางกลับกัน ไม่ให้การตัดสินใจยกเลิกการซื้อขายเกิดขึ้นจากข้อมูลที่ไม่มีหลักฐานรองรับที่เพียงพอ จึงควรผนวกขั้นตอนการตรวจสอบแหล่งที่มาและการทบทวนโดยมนุษย์เข้าไว้ในกระบวนการทำงาน

เราควรทำความเข้าใจว่าสิ่งเหล่านี้ไม่ใช่ "เหตุผลที่จะไม่ใช้ AI" แต่เป็น "รากฐานสำหรับการใช้งาน AI อย่างมั่นใจและต่อเนื่อง"

นี่คือคำถามที่พบบ่อยเกี่ยวกับการนำ AI มาใช้ในการจัดซื้อข้ามพรมแดน (Cross-border Procurement)

Q1. การนำ AI มาใช้ในการจัดซื้อข้ามพรมแดนมีค่าใช้จ่ายเท่าไร? ค่าใช้จ่ายจะแตกต่างกันอย่างมากตามวิธีการที่เลือก หากเป็นการใช้บริการ Generative AI ทั่วไปเพื่อสรุปหรือแปลใบเสนอราคา สามารถเริ่มทดลองได้ตั้งแต่หลักพันถึงหลักหมื่นเยนต่อเดือน ในทางกลับกัน การนำระบบ SaaS เฉพาะทางด้านการจัดซื้อหรือการเชื่อมต่อกับ ERP มาใช้งานจริงจะมีค่าใช้จ่ายที่สูงขึ้นตามขนาดขององค์กร แนวทางที่ปลอดภัยคือควรเริ่มจากงานที่ใช้ต้นทุนต่ำเพื่อทดสอบประสิทธิภาพก่อน แล้วจึงขยายขอบเขตการลงทุน ทั้งนี้ เนื่องจากราคาอาจมีการเปลี่ยนแปลง โปรดตรวจสอบราคาล่าสุดจากหน้าเว็บไซต์ของแต่ละบริการ

Q2. บริษัทขนาดกลางและขนาดย่อม (SME) สามารถใช้ AI ในการจัดซื้อข้ามพรมแดนได้หรือไม่? สามารถทำได้ ยิ่งสำหรับ SME ที่มีจำนวนพนักงานจำกัด การให้ AI ช่วยจัดการงานอย่างการคัดลอกข้อมูล การแปลภาษา และการสรุปเนื้อหา จะยิ่งเห็นผลลัพธ์ที่ชัดเจน โดยไม่จำเป็นต้องติดตั้งระบบเฉพาะทาง คุณสามารถเริ่มวิเคราะห์รายจ่ายหรือจัดระเบียบใบเสนอราคาได้เพียงแค่ใช้ข้อมูลการจัดซื้อที่มีอยู่ร่วมกับ Generative AI ทั่วไป สิ่งสำคัญไม่ใช่ขนาดขององค์กร แต่คือ "ข้อมูลถูกแปลงเป็นดิจิทัลแล้วหรือไม่" และ "มีความพร้อมที่จะเริ่มทดลองในสเกลเล็กหรือไม่"

Q3. สามารถใช้ AI ประเมินซัพพลายเออร์ในประเทศที่มีข้อมูลน้อย เช่น ลาว ได้หรือไม่? สามารถใช้เพื่อเพิ่มประสิทธิภาพในการคัดกรองเบื้องต้นได้ แต่ไม่ควรให้ AI ประเมินเพียงอย่างเดียว เนื่องจากในประเทศที่ข้อมูลทางการเงินหรือข่าวสารมีจำกัด ข้อมูลที่ AI รวบรวมได้ก็จะถูกจำกัดเช่นกัน ควรวางตำแหน่งให้ AI เป็นเครื่องมือสำหรับจัดระเบียบข้อมูลที่กระจัดกระจาย และใช้ควบคู่ไปกับการตรวจสอบโดยมนุษย์ เช่น การไปเยี่ยมชมสถานที่จริง การทดลองสั่งซื้อตัวอย่าง หรือการสอบถามจากพันธมิตรในพื้นที่ ยิ่งเป็นประเทศที่มีข้อมูลน้อย การ "ใช้ AI ควบคู่ไปกับความรู้ในพื้นที่" ยิ่งมีความสำคัญมาก

ในการจัดซื้อข้ามพรมแดน AI ไม่ได้เป็นเพียงเครื่องมือสำหรับทำงานประจำให้เป็นอัตโนมัติเท่านั้น แต่กำลังกลายเป็นตัวช่วยที่ทำให้ข้อมูลที่เคยเข้าถึงยากเนื่องจากอุปสรรคด้านภาษา ระยะทาง และกฎระเบียบมีความชัดเจนขึ้น และช่วยสนับสนุนการตัดสินใจของเจ้าหน้าที่จัดซื้อ

สิ่งสำคัญในการสร้างผลลัพธ์คือการเริ่มต้นจาก "กระบวนการทำงาน" ไม่ใช่เริ่มจาก "เครื่องมือ" ให้เริ่มทดลองจากงานเล็กๆ ที่มีข้อมูลพร้อม เกณฑ์การตัดสินใจชัดเจน และตรวจสอบโดยมนุษย์ได้ง่าย เช่น การวิเคราะห์รายจ่าย การสรุปใบเสนอราคา และการจัดระเบียบข้อมูลซัพพลายเออร์เบื้องต้น เมื่อเห็นผลลัพธ์ที่ชัดเจนแล้ว จึงค่อยขยายผลไปสู่การติดตามการจัดการผู้ขาย (Vendor Management) และการตรวจสอบสัญญา

สิ่งที่สำคัญที่สุดในการจัดซื้อข้ามพรมแดนคือมุมมองในการนำผลลัพธ์จาก AI มาตรวจสอบกับสถานการณ์จริงในพื้นที่ การนำประเด็นที่ AI สรุปไว้มาประกอบกับการลงพื้นที่จริงหรือความรู้จากพันธมิตรในท้องถิ่นเท่านั้นที่จะทำให้การทำธุรกรรมกับคู่ค้าที่อยู่ห่างไกลมีความมั่นคงและเชื่อถือได้ บริษัทของเราสนับสนุนการใช้ "AI ควบคู่ไปกับความรู้ในพื้นที่" ผ่านการสนับสนุนด้าน DX ในอาเซียนและลาว หากคุณกำลังพิจารณาการนำ AI มาใช้ในการจัดซื้อข้ามพรมแดนอย่างเป็นรูปธรรม ขอให้เริ่มจากการเลือกกระบวนการทำงานเพียงหนึ่งอย่างที่บริษัทของคุณสามารถทดลองทำได้ก่อนเป็นอันดับแรก