我们的上一篇文章讲述了人工智能的故事今天的优化，或者，更准确地说，今天的优化缺少AI。
尽管以最基本形式的“辅助智能”的人工智能在许多现代采购和采购平台上都很容易获得，正如我们之前的简报所证明的那样(AI在采购中和AI在采购中)，它还没有进入优化阶段。最先进的平台仅限于简单的约束创建、数据验证和硬约束检测(如Coupa)，或者简单的数据填充、基于向导的场景创建(使用标准模型模板)，以及自动化(如Keelvar)。在前一种情况下，基本的统计算法可以在一些现代机器学习技术的核心找到(但并不完全存在)，而在后一种情况下，机器人过程自动化(RPA)只不过是一个自动化的、手动定义的工作流。
但这并不意味着AI明天不会蔓延到优化。While it may not with the current vendors on the market (for different reasons with each vendor), that doesn’t mean that the next vendor to bring an optimization solution to the market won’t learn from the oversights of its predecessors and bring some obvious advancements to the table — especially when certain vendors are releasing their platforms with an open API to support an Intel-inside-like model where sourcing or AI vendors can build on leading optimization foundations to offer something truly differentiated.
这些差异化者可以是什么？我们会到达那个，但首先让我们回顾前提。
简单地说，在传统的缩写意义上，今天没有AI或人工智能，在任何源代码申请中，因为今天任何企业软件都没有AI。算法在当天越来越高，他们可以训练的数据集在当天越来越大，并且预测和计算在当天越来越准确 - 但它只是计算。就像你的旧HP计算器一样，即使它们可以更快地计算一百万次，计算机仍然是愚蠢的。
然而，随着术语的较弱定义，我们今天在我们的平台中拥有AI的元素。辅助智能功能在最佳的应用程序和平台中开始变得常见，并且“增强智能”能力开始达到基于点的问题。例如，明天的采购技术将自动而无法自动地购买您的代表，自动检测机会，甚至识别新兴类别。
但如果AI将扎根，它必须扎根于处，包括采购优化。那么我们明天可以看到什么？
让我们回过头来回顾一下优化的作用。它需要一组成本、约束条件和目标，然后确定一个奖励方案，该方案根据所提供的约束条件和成本使目标最大化。那么人工智能能在哪里提供帮助呢?