צוות הרכש של 2030: מה סוכני AI אומרים לאנשים שעושים את העבודה הזו
Noam Shakuri
בואו נתחיל עם השאלה שאף אחד ברכש לא שואל בקול רם אבל כולם חושבים עליה בפרטיות: האם AI יחליף אותי?
זו דאגה סבירה. ראית AI הופך לאוטומטים תהליכי סקירת מסמכים משפטיים, ניתוח פיננסי, שירות לקוחות ויצירת קוד תוכנה. קראת כותרות על צמצומי כוח אדם בחברות שמפרסות אוטומציה. ישבת בהדגמות של ספקים שבהן הביטוי "סוכני AI אוטונומיים" מופיע לצד גרפים המציגים רווחי יעילות שמרמזים על עשיית אותה עבודה עם פחות אנשים.
אז השאלה אינה פרנוית. היא רציונלית. והיא ראויה לתשובה ישירה וכנה במקום לתשובה המרגיעה אך ריקה מתוכן שרוב ספקי הטכנולוגיה נותנים כאשר הנושא הזה עולה.
הנה התשובה הישירה: סוכני AI לא יחסלו את המשרה שלך. הם יחסלו חלק משמעותי ממה שאתה מבלה בו את יומך כיום. האם זה יתגלה כשחרור או כהעקרה תלוי כמעט כולו במה שתעשה עם הזמן שיתפנה — ובבחירות שהארגון שלך יעשה לגבי מה שצוותי רכש בכלל נועדו לעשות.
זהו מאמר על הבחירות האלה. על מה שפונקצית הרכש נראית בפועל ב-2030, אילו מיומנויות חשובות, כיצד מבנה הארגון משתנה, וכיצד למקם את עצמך לצד הנכון של המעבר. הוא נכתב עם כבוד אמיתי למקצוע — לא כדי למכור לך משהו, אלא מכיוון שאנשים שעושים את העבודה הזו ראויים לתמונה ברורה יותר של מה שמגיע ממה שרוב הסיקור מספק.
האמת הכנה על מה שסוכני AI מחליפים
הדבר הראשון שחשוב הוא ספציפיות. "AI ישנה את הרכש" אינה מידע שימושי. מה שסוכני AI יטפלו בו בפועל, במונחים תפעוליים קונקרטיים, הוא:
שליחת הזמנות רכש ומעקב אחר אישורים. שליחת PO לספקים, ניטור אישורים, מעקב כשאישורים לא מגיעים, רישום נתוני האישור בחזרה ל-ERP. זהו תהליך שאצל יצרן עם 500 ספקים פעילים ומחזורי רכש סדירים צורך שעות של זמן קונה כל שבוע — לא מפני שמשימה בודדת מורכבת, אלא מפני שיש מאות מהן.
מעקב אספקה ותיאום עם ספקים. בדיקת הזמנות פתוחות המתקרבות לתאריך האספקה שלהן. שליחת מיילי בקשת סטטוס. מעקב כשתגובת הסטטוס לא מגיעה. הסלמה לאדם כשתגובת הספק מצביעה על בעיה. זוהי הקטגוריה שאנשי רכש רבים מתארים כחלק "ניהול תיבת הדואר" בתפקידם — שהיקפה יכול להצניח הכל אחר.
הזנת נתונים ל-ERP. לקיחת מידע ממיילי ספקים — כמויות מאושרות, תאריכי אספקה מתוקנים, תמחור חדש — והזנתו למערכת ה-ERP. הזנת נתונים ידנית בין תקשורות ספקים לרשומות ERP היא אחת המשימות הגוזלות זמן ורגישות לשגיאות ביותר ברכש ישיר.
שאלות שגרתיות לספקים. "מהו זמן האספקה להזמנה שתבוצע היום?" "האם תוכל לספק תאריך אספקה מתוקן ל-PO 40023?" "אנחנו זקוקים ל-CoC מעודכן עבור הרכיב הזה." אלו אינטראקציות לגיטימיות ונחוצות — והן גם בעלות פוטנציאל תבניתי גבוה, בנפח גבוה, וגוזלות זמן לניהול בקנה מידה.
התראות מחסור וזיהוי חריגות. ניטור הזמנות פתוחות לדפוסים המצביעים על סיכון אספקה — עיכובי אישור ספקים, החלקה של תאריכי אספקה, סימוני משלוח חלקי — ותגובת חריגות לבחינה אנושית. בצוות רכש המנהל מאות או אלפי הזמנות פתוחות בו-זמנית, ניטור ידני מסוג זה אינו ניתן לביצוע מקיף.
התאמת חשבוניות וסימון אי-התאמות. התאמה תלת-כיוונית בין PO, קבלת אספקה וחשבונית; זיהוי אי-התאמות; ניתוב לפתרון. שגרתי ל-AI; גוזל זמן לבני אדם.
מחקר מכמת עקביות כמה מהשבוע של איש הרכש משימות אלו צורכות. ניתוח של Hackett Group מצא שמשימות עסקאות ותפעול — הקטגוריה הכוללת את כל המפורט לעיל — מהוות 60 עד 70% מסך זמן צוות הרכש ברוב הארגונים. מחקר האוטומציה של McKinsey מזהה איסוף נתונים, עיבוד נתונים ועבודה פיזית צפויה כקטגוריות בעלות פוטנציאל האוטומציה הגבוה ביותר, ורוב הפעילויות התפעוליות ברכש נופלות בדלים אלה.
מה שזה אומר בפועל: אם אתה קונה אצל יצרן בינוני כיום, בין 60 ל-70% ממה שאתה עושה ביום שלישי טיפוסי ניתן לאוטומציה עם טכנולוגיית סוכני AI הנוכחית. לא יום אחד. עכשיו.
זהו מספר גדול. הוא ראוי להכרה, לא לצמצום.
מה לא מוחלף
30 עד 40% שנשארים — ושה-AI לא יכול לעשות — הוא החלק ברכש הדורש דברים שה-AI אינו מצויד לאמת ספק:
מערכות יחסים עם ספקים הדורשות שיקול דעת אנושי. ההבדל בין משא ומתן עם ספק מפתח שמסתיים בהצלחה ואחד שמסתיים בכישלון לעתים קרובות אינו קשור למספרים. הוא קשור לאמון, היסטוריה, דינמיקות מערכת יחסים וליכולת לקרוא חדר. מערכת יחסים של 15 שנה עם ספק רכיבים קריטי אינה משהו שסוכן AI מתחזק. האדם שהיה ברצפת ייצור של הספק, שיודע את מגבלות כושר הייצור שלהם מתצפית ישירה, שעזר להם בתקופה קשה — אדם זה אינו ניתן להחלפה בניהול מערכת היחסים ברגעים שחשובים.
מיקור אסטרטגי ופיתוח ספקים. בחירת ספק חדש לקטגוריה אסטרטגית כוללת שיקולים שלא ניתן לשיטתם לגמרי: הערכת התאמה תרבותית, הערכת עומק ניהולי, גיבוש עמדה על יציבות פיננסית מעבר למה שדירוגי אשראי לוכדים, החלטה האם מפת הדרכים לחדשנות של ספק קטן יותר מצדיקה את הסיכון של מערכת יחסים חדשה. AI יכול לפני מידע ולמדל תרחישים. הקריאה האסטרטגית היא קריאה אנושית.
ניהול משברים. כשספק מפתח נסגר בפתאומיות, כשאסון טבע משבש אזור אספקה, כשאירוע גיאופוליטי מציב פתאום מקור חומרי בסיכון — מצבים אלה דורשים מקבל החלטות אנושי שיכול לאסוף מידע במהירות, לקבל החלטות תחת אי-ודאות, ולעיתים לעלות על מטוס. רכש במשברים אינו ניתן לאוטומציה. הוא גם, בדיעבד, לעתים קרובות המקום שבו העבודה החשובה ביותר ברכש מתרחשת.
אסטרטגיית קטגוריה. אסטרטגיית קטגוריה שהופכת את הארגון שלך לתחרותי באמת — המאזנת עלות, איכות, סיכון, גישה לחדשנות וחוסן אספקה באופן המתאים לעסק שלך — היא תוצר אסטרטגי. AI יכול לדגל תרחישים, לנתח נתוני הוצאות ולהשוות לשוק. האסטרטגיה היא יצירה אנושית.
אינטואיציית סיכון. סיכון גיאופוליטי, רגולטורי, מוניטין, סיכון פיננסי של ספקים — אלה דורשים לא רק ניתוח נתונים אלא שיקול דעת הקשרי שקשה לפרמל. מנהל הרכש שחש שהמצב הפיננסי של ספק השתנה לפני שזה מופיע בנתונים ציבוריים, או שמזהה התפתחות רגולטורית שתשפיע על שרשרת אספקה עוד שנתיים — זה מפעיל סוג של שיקול דעת שה-AI לא משכפל.
הדפוס על פני כולם עקבי: מה שה-AI לא מחליף הוא שיקול דעת, מערכת יחסים ואסטרטגיה. מה שהוא כן מחליף הוא ביצוע, ניהול נתונים ותקשורת שגרתית. תפקיד הרכש הופך עתיר שיקול דעת יותר כתוצאה ישירה מכך שה-AI מטפל בביצוע.
מה המחקר באמת אומר
ההבחנה בין אוטומציה של משימות לאוטומציה של משרות אינה אמצעי רטורי. זוהי ממצא שכלכלני עבודה וחוקרי ניהול תיעדו בשיטתיות.
עבודת McKinsey על אוטומציה ועתיד העבודה מבחינה בין עיסוקים עם פוטנציאל אוטומציה גבוה של משימות לבין עיסוקים העומדים בסיכון גבוה להעקרת משרות. הם אינם אותו הדבר. עיסוקים עם פוטנציאל אוטומציה גבוה הכוללים גם שיקול דעת משמעותי, פתרון בעיות יצירתי ואינטראקציה בינאישית מורכבת מתמודדים בדרך כלל עם אוטומציה גבוהה של משימות אבל סיכון נמוך להעקרת משרות. המרכיבים השגרתיים של התפקיד מאוטמטים; המרכיבים עתירי שיקול הדעת מתרחבים.
הרכש יושב בעמדה מעניינת בניתוח זה. למרכיבי הביצוע התפעולי של הרכש — הזנת נתונים, מעקב סטטוס, תקשורת שגרתית — יש פוטנציאל אוטומציה גבוה מאוד. אלה בדיוק המשימות שסוכני AI מצוידים לטפל בהן. אבל למרכיבים עתירי שיקול הדעת של הרכש — מיקור אסטרטגי, ניהול מערכות יחסים עם ספקים, אסטרטגיית קטגוריה, ניהול סיכונים — יש סיכון העקרה נמוך.
הסקר השנתי של Deloitte ל-CPOs גלובליים עוקב אחר מגמה זו מספר שנים. CPOs מדווחים שהם מצפים לצמצומי כוח אדם בתפקידי קנייה תפעוליים ולגידול בתפקידים אסטרטגיים: מנהלי פיתוח ספקים, אסטרטגיסטים של קטגוריות, אנליסטים של סיכוני אספקה ומנהלים מסחריים. המקצוע לא מתכווץ. הוא ממבנה מחדש.
ההזדמנות המקצועית שאף אחד לא מדבר עליה בקול מספיק
הנה משהו שהסיקור של AI ומשרות עקביות מזלזל בו: עבור אנשי רכש שמעורבים באופן יזום עם כלי AI, מסלול הקריירה טוב באמת.
לרכש תמיד היה בעיית תדמית. זוהי פונקציה שיוצרת ערך עצום לארגונים אבל לעתים קרובות אין לה מושב ליד שולחן האסטרטגיה. הסיבה ברורה: כאשר 60 עד 70% מזמן הצוות שלך נצרך על ידי ביצוע תפעולי — מרדף PO, ניהול תיבות דואר, הזנת נתונים — קשה באמת לספק את העבודה האסטרטגית שמרוויחה השפעה ארגונית. הפונקציה נשפטת לפי ביצועים תפעוליים, מה שמגביל כיצד היא נתפסת.
כאשר סוכני AI סופגים את הביצוע התפעולי, אנשי הרכש יכולים להפנות מחדש את הזמן הזה לעבודה אסטרטגית. אסטרטגיות קטגוריה הופכות קפדניות יותר. תוכניות פיתוח ספקים הופכות מהותיות יותר. ניהול הסיכונים הופך פרואקטיבי יותר ולא תגובתי. התרומה האסטרטגית של הפונקציה הופכת גלויה יותר ומשפיעה יותר.
איש הרכש שפועל בסביבה מוגברת AI עושה עבודה שונה איכותית. ביום טיפוסי, הוא לא עוקב אחר אישורים — הוא סוקר את תור החריגות של ה-AI ומקבל החלטות על המצבים הדורשים שיקול דעת אנושי. הוא לא מזין נתוני ERP — הוא מנתח את הדפוסים בנתוני ביצועי הספקים שה-AI ריכז. הוא לא מנהל תיבת דואר — הוא בשטח, בונה מערכות יחסים עם ספקים, מבקר מתקנים, ועושה את העבודה שיוצרת יתרון תחרותי.
אנשי רכש בארגונים שפרסו סוכני AI מתארים את המעבר במונחים אלה. העבודה מרגישה מהותית יותר. התרומה גלויה יותר. התיק המקצועי קל יותר להצגה.
האזהרה אמיתית: אנשי רכש שלא מעורבים עם כלי AI, שמתנגדים למעבר, וממשיכים להגדיר את ערכם במונחים של משימות הביצוע שה-AI סופג — הם יועקרו. לא על ידי AI, אלא על ידי עמיתים שהסתגלו.
שינוי מבנה הארגון שכבר מתרחש
CPOs לא מחכים ל-2030 כדי להתחיל לארגן מחדש את צוותיהם. המעבר כבר בעיצומו בארגונים שפרסו כלי AI, והדפוס עקבי מספיק כדי לתאר אותו בספציפיות.
תפקידים שמתכווצים:
קונים תפעוליים — אנשי מקצוע שפעילותם העיקרית היא ניהול רכש עסקאות: שליחת PO, מעקב אישורים, ניהול תיבת הדואר, הזנת נתונים. בסביבה מוגברת AI לחלוטין, נפח העבודה שהגדיר תפקידים אלה עובר למערכות אוטומטיות.
מתאמי לוגיסטיקה — אנשי מקצוע שעבודתם העיקרית היא מרדף אחר ספקים לעדכונים על הזמנות מאוחרות או בסיכון. זוהי קטגוריית העבודה שסוכני AI ממוטבים ספציפית לטפל בה בקנה מידה.
תפקידים שמתרחבים:
מנהלי פיתוח ספקים — אנשי מקצוע המתמקדים בבניית יכולות ספקים, פיתוח שותפויות אסטרטגיות וניהול מערכות יחסים ארוכות טווח עם ספקים. ככל שהביצוע התפעולי מאוטמט, מתחזק תיק ההשקעה בפיתוח ספקים.
אנליסטים של סיכוני אספקה — אנשי מקצוע המוקדשים לניטור וניהול סיכון שרשרת האספקה: חשיפה גיאופוליטית, בריאות פיננסית של ספקים, סיכון ריכוז, ציות רגולטורי. ככל שה-AI מפני יותר נתונים ודפוסים, השכבה האנליטית האנושית חשובה יותר, לא פחות.
אסטרטגיסטים של קטגוריות — אנשי מקצוע שבבעלותם הכיוון האסטרטגי לקטגוריות הוצאות ספציפיות: ניתוח שוק, ניתוח make-vs.-buy, הערכת נוף ספקים, אסטרטגיית חוזים. תפקידים אלה מתרחבים בהיקפם ובהשפעתם הארגונית.
מנהלים מסחריים — אנשי מקצוע שבבעלותם משא ומתן מורכב עם ספקים ומערכות יחסים מסחריות. ככל שהתקורה התפעולית פוחתת, יש יותר רוחב פס ארגוני לעבודה המסחרית בעלת ההשפעה הישירה ביותר על ה-P&L.
צוות הרכש של 2030 אצל יצרן בינוני נראה בערך כך: במקום 12 קונים תפעוליים ו-3 תפקידים אסטרטגיים, ישנם 4 אנשי מקצוע מסחריים ואסטרטגיים מיומנים מאוד, הנתמכים על ידי מערכות AI המטפלות בנפח התפעולי שבעבר דרש 12 אנשים. התפוקה גבוהה יותר על כל ממד שחשוב אסטרטגית. העלות נמוכה יותר. ההשפעה הארגונית של הפונקציה גדולה יותר.
כיצד אבולינק חושבת על זה
באבולינק, פילוסופיית העיצוב לסוכני ה-AI שלנו מבוססת על תפיסה ספציפית של מערכת היחסים בין שיקול דעת אנושי לביצוע אוטונומי.
סוכני AI מטפלים בביצוע. בני אדם מטפלים באסטרטגיה. זה לא הצהרת שיווק — זה עיקרון ארכיטקטוני. כל פעולה שסוכן אבולינק מבצע מתועדת, ניתנת לסקירה ולביקורת. כל החלטה אוטונומית — לאשר הזמנה, לשלוח מעקב, לסמן חריגה — יכולה להיבחן על ידי האדם בלולאה. הסוכן פועל בתוך פרמטרים שאיש הרכש קובע, ואיש המקצוע יכול לעקוף כל החלטה בכל עת.
זה חשוב כי הערך של AI ברכש אינו רק רווח היעילות מאוטומציה של ביצוע. הוא איכות שיקול הדעת שהזמן האנושי המתפנה מאפשר. סוכן AI שמטפל ב-1,000 מיילי ספקים בשבוע הוא ערכי. איש הרכש שכתוצאה מכך יש לו 30 שעות בשבוע לבלות בפיתוח ספקים ואסטרטגיית קטגוריות במקום ניהול תיבת דואר — שם היתרון התחרותי באמת נמצא.
המטרה אינה להפוך אנשי רכש לעודפים. המטרה היא להפוך אותם לחזקים יותר.
עצות מעשיות לאנשי רכש
אם אתה ברכש כיום וחושב על כיצד למקם את עצמך היטב למעבר, הנה ההנחיה המעשית שמחקר וניסיון ארגונים מאמצים מוקדם תומכים בה.
פתח אוריינות נתונים. איש הרכש של 2030 הוא מי שיכול לקרוא ניתוח שנוצר על ידי AI ולשאול את השאלות הנכונות לגביו. אתה לא צריך להיות מדען נתונים. אתה צריך להיות מסוגל להעריך האם הדפוסים שה-AI מפני משמעותיים, האם הנתונים העומדים בבסיס ניתוח ניתן לסמוך עליהם, ואיפה שיקול דעת אנושי צריך לעקוף המלצה אלגוריתמית. זה ניתן ללמידה, וזה הולך וחיוני יותר.
השקע במערכות יחסים עם ספקים. היכולת שה-AI לא יכול לשכפל היא מערכות יחסים עמוקות ומבוססות אמון עם ספקים מפתח. איש הרכש שיש לו מערכות יחסים אמיתיות — שספקים מתקשרים אליו כשיש להם בעיה, שמקבל את הסיפור האמיתי לפני שהוא הופך למשבר ציבורי — אינו ניתן להחלפה בדרכים שקוניים תפעוליים אינם. הון מערכות יחסים הוא הון קריירה בעולם המוגבר AI.
פתח מיומנויות ניתוח סיכונים. ניתוח סיכוני שרשרת אספקה — הבנת חשיפה גיאופוליטית, בניית מודלים של תרחישים, מבחני עמידות לריכוז ספקים — היא יכולת עתירת שיקול דעת המתרחבת בחשיבות ארגונית. השקעה בסט מיומנות זה עכשיו ממקמת אותך לתפקידים שגדלים.
עורר מעורבות עם כלי AI באופן יזום. אנשי הרכש הממוקמים הטוב ביותר הם אלה שעבדו עם כלי AI, מבינים את יכולותיהם ומגבלותיהם, ויכולים לנהל שיחות מושכלות על כיצד לפרסם אותם. זה לא עניין של להיות מומחה טכנולוגיה. זה עניין של להיות איש מקצוע המשתמש בכלים הטובים ביותר הזמינים לעשיית עבודה טובה יותר.
שאל את השאלות הנכונות על כלי AI. בעת הערכת כל כלי AI לרכש, שאל: אילו החלטות ה-AI מקבל באופן אוטונומי לעומת מפני לבחינה אנושית? כיצד מזוהות ומוסלמות חריגות? כיצד נראה נתיב הביקורת? האם אני יכול לעקוף את ההמלצה של ה-AI, וכיצד זה מוזן בחזרה לשיפור המערכת?
אנשי הרכש שישגשגו ב-2030 אינם אלה המיומנים ביותר במשימות התפעוליות שה-AI משתלט עליהן. הם אלה המסוגלים ביותר לעשות את מה שה-AI לא יכול: בניית מערכות יחסים, קבלת החלטות אסטרטגיות, שיקול דעת תחת אי-ודאות, והובלת ארגונים דרך מורכבות שרשרת האספקה שאף אלגוריתם לא יכול לדגל לחלוטין.
העבודה הזו תמיד הייתה החלק הכי ערכי ממה שאנשי רכש עושים. היא עומדת לקבל הרבה יותר זמן לנשום.
אם אתם רוצים לראות כיצד רכש מוגבר AI נראה בפועל — לא בתיאוריה — קבעו דמו.