Walmart automatiserer leverandørforhandlinger med kunstig intelligens

Walmart er i samme båd som stort set alle virksomheder med omfattende indkøbsaktiviteter. De har ikke en jordisk chance for at gennemføre fokuserede forhandlinger med sine 100.000 leverandører. Mange af leverandørerne bliver derfor præsenteret for standardvilkår, der ikke er til forhandling. Det er ikke optimalt; men faktum er bare, at omkostningen ved at ansætte flere indkøbere til at foretage ordentlige forhandlinger overstiger den ekstra værdi, det kan tilvejebringe.

Walmart har løst den udfordring ved at indføre software drevet af kunstig intelligens. Softwaren omfatter blandt andet en tekstbaseret grænseflade (eller en såkaldt chatbot), der forhandler med menneskelige leverandører på vegne af Walmart.

Det beskriver fire forfattere i artiklen ”How Walmart Automated Supplier Negotiations”, der blev udgivet i Harvard Business Review i november 2022.

Fokus på betalingsbetingelser
Løsningen blev indført som pilotprojekt i Walmart Canada i januar 2021, og detailgiganten har siden forbedret løsningen og udbredt den i tre andre lande (USA, Chile og Sydafrika) med planer om yderligere udbredelse. Walmart har valgt at afgrænse kategorier til det, de kalder ’goods-not-for-resale’, altså varer eller ydelser, der ikke skal sælges videre til detailkunder. Det er for eksempel flådeservice, indkøbsvogne og andet udstyr til brug i butikker.

I det canadiske pilotprojekt fokuserede Walmart på betalingsbetingelser og tilbød 100 udvalgte leverandører kort betalingsfrist med rabat og forlænget betalingsfrist uden rabat. Til gengæld for ændrede betalingsvilkår tilbød Walmart leverandørerne ændring af 30, 60 eller 90 dages opsigelsesfrister til øjeblikkelig opsigelse. Walmart tilbød også muligheder for vækst i både sortiment og salgsvolumener til gengæld for prisreduktioner.

Ud af de 100 leverandører valgte 89 at deltage i pilotprojektet. Walmarts målsætning var succesfulde forhandlinger i 20 procent af tilfældene; men pilotprojektet resulterede faktisk i succesfulde forhandlinger for 64 procent af leverandørernes vedkommende. Den gennemsnitlige gennemløbstid for chatbot-forhandlingerne var 11 dage, og Walmart opnåede en gennemsnitlig besparelse på 1,5 procent samt en gennemsnitlig forlængelse af betalingsfrist på 35 dage.

I evalueringsinterviews med leverandørerne gav 83 procent udtryk for at:

• Systemet er let at betjene.
• De værdsætter muligheden for at kunne tilbyde et modtilbud.
• De selv kan bestemme tempo og gennemløbstid for forhandlingen.

De fire forfattere beskriver fire læringer fra Walmarts erfaringer med at gøre brug af kunstig intelligens i leverandørforhandlinger.

Læring 1: Skift hurtigt til driftspilot
Mindre end halvdelen af virksomheders projekter med kunstig intelligens formår ifølge Gartner at komme udover proof-of-concept og videre til et reelt driftspilotprojekt.

Årsagen til den lave rate er, at proof-of-concept fokuserer på tekniske færdigheder og ikke forretningsmål. Walmart besluttede tidligt at springe over proof-of-concept fasen og gå direkte til driftspilot fasen med fokus på forretningsmål.

Forretningsejere – altså medarbejdere med budgetansvar for indkøbskategorier som for eksempel driftsudstyr til butikker eller it software og hardware – hjalp med at skabe forhandlings-brugsmønstre og -scenaria. Walmarts indkøbere bidrog med specialviden, der blev brugt til at ’træne’ chatbotten ligesom, de nominerede leverandører til at deltage i piloten. Den juridiske afdeling var naturligvis også indover for at sikre, at chatbottens manuskripter er i overensstemmelse med Walmarts kontraktstandarder og -politik.

Læring 2: Start med indirekte indkøb
Walmart har gode erfaringer med at starte med indirekte indkøbskategorier og med leverandører, der på forhånd er vurderet af Walmarts indkøbere til både at have tilstrækkelig volumen og have god parathed til den form for forhandlinger. Fordelen er reduktion af risici.

Læs også: Indkøb i krisetider – sådan gør du

Læring 3: Vær skarp på afklaringer
Automatiseret indkøb kræver præcise definitioner af grænser for, hvad køberen er villig til at acceptere som modydelse for, hvad køberen ønsker fra leverandøren. Den kunstig intelligens-baserede chatbot skal for eksempel være fodret med viden om de specifikke ’trade-offs’ eller afvejninger, som køberen er villige til at tilbyde som modydelse for eksempelvis at ændre betalingsfrist 15, 20, 30, 45 eller 60 dage efter modtagelse af faktura. Er det for eksempel bedre opsigelsesvilkår eller muligheder for, at leverandøren kan udvide sin forretning med Walmart eller er det noget helt tredje?

Læring 4: Skaler via geografi, kategorier og brugsmønstre
Walmarts motto for pilotprojektet lyder ”nail it and scale it” – altså få styr på detaljerne før du breder det ud. Succesfulde driftspiloter var en stor hjælp for Walmarts arbejde med at ’sælge’ løsningen til andre dele af forretningen. Efter pilotprojekterne i Canada, USA, Chile og Sydafrika er det oplagt for detailkoncernen at gå videre til Mexico, Mellemamerika og Kina. På samme måde udvider Walmart gradvist og løbende indkøbskategorier til nye kategorier som for eksempel transport og enkelte varekategorier til direkte salg til forbrugere. Chatbotten er multisproglig.

Skalering forbedrer chatbotten produktivitet, fordi softwaren er selvlærende og derved løbende bliver skarpere og hurtigere. Chatbotten understøtter op til 2000 forhandlinger på samme tid – hvilket selvsagt er en hel del mere end menneskelige indkøbere kan varetage.

Indkøbere bliver mere strategiske
De fire forfattere fremhæver to store gevinster ved fremgangsmåden:

• I takt med, at vilkår og forhandlingsteknik bliver lagt over på algoritmer varetaget af chatbotter, vil færre leverandører og kategorier forblive uden reel ledelse og optimering.
• Indkøbsmedarbejdere vil i fremtiden få frigjort tid fra rutineprægede forhandlinger til i stedet at fokusere mere på strategiske og værdiskabende leverandørrelationer, håndtere forstyrrelser og sikre løbende forbedringer.