AI w zakupach. Co organizacja zrobi z odzyskanym czasem?
W Big Fish AI Procurement Signals śledzimy wdrożenia i badania dotyczące AI w zakupach. Analizujemy osiągnięte efekty, sprawdzając, które zadania przejmuje technologia, jak pracownicy kontrolują jej wyniki i co zmienia się w procesie. Zebrane informacje pomagają nam oceniać przydatność poszczególnych zastosowań oraz kompetencje potrzebne do ich wykorzystania.
Materiały zgromadzone od czerwca do połowy września, uzupełnione wcześniejszymi opisami wdrożeń, pokazują znaczne skrócenie czasu wybranych zadań zakupowych. Rzadziej firmy publikują dane o późniejszych zmianach obowiązków i wyników całych zespołów. W naszej ocenie przy planowaniu wykorzystania AI szczególnej uwagi potrzebuje praca następująca po przygotowaniu analiz. Od jej organizacji zależy, czy odzyskany czas pozwoli zwiększyć udział zakupów w rozwoju kategorii i współpracy z dostawcami.
Dwa wdrożenia, w których można prześledzić zmianę procesu
Wśród zastosowań opisanych w monitoringu wybraliśmy Deutsche Bank i Microsoft, ponieważ obie firmy przedstawiają przebieg pracy przed wdrożeniem i po nim. Ich doświadczenia dotyczą wybranych etapów oceny dokumentacji i obsługi danych dostawców.
W Deutsche Bank zespół zakupów i zarządzania dostawcami sprawdza ich dokumenty przy rozpoczynaniu współpracy i podczas okresowych przeglądów. Platforma TPRM AI dobiera pytania z zestawu wymagań banku, przygotowuje odpowiedzi na podstawie dokumentacji i proponuje ocenę wraz z fragmentami źródłowymi, które ją uzasadniają. Specjalista korzysta z tych wskazań przy weryfikacji rekomendacji i podejmowaniu ostatecznej decyzji.
Bank ilustruje efekt przeglądem dokumentacji ciągłości działania jednego z dostawców usług, przekazywanej w czterech–pięciu plikach. Praca, która wcześniej zajmowała około trzech godzin, z wykorzystaniem AI trwa około 30 minut, łącznie ze sprawdzeniem wyniku przez człowieka.
Microsoft usprawnił zbieranie i sprawdzanie danych emisyjnych dostawców. Zespół odpowiedzialny za zrównoważony rozwój w zakupach wcześniej ręcznie analizował dokumenty, weryfikował obliczenia i uzgadniał poprawki. Po zmianie AI odczytuje dane z przesłanych materiałów i wstępnie wypełnia ankietę, którą mogą sprawdzić dostawca i zespół zakupów. Kolejny model kontroluje kompletność danych oraz wskazuje błędy i braki bezpośrednio w portalu dostawcy.
Microsoft podaje, że po wdrożeniu AI i automatyzacji obiegu danych średni czas przeglądu zgłoszenia spadł z około 35 minut do mniej niż dwóch. Dostawca, który wcześniej czekał na informację zwrotną kilka tygodni, otrzymuje ją teraz niemal natychmiast, a po uzupełnieniu danych system ponownie je sprawdza.
W obu wdrożeniach system wykonuje zadanie według określonych wymagań dotyczących dokumentów i danych. Przy przenoszeniu podobnego rozwiązania do własnej organizacji część pracy będzie dotyczyć uzgodnienia tych wymagań oraz sposobu obsługi wyjątków. Gdy kategorie zakupowe podlegają różnym zasadom oceny, uwzględnienie ich w systemie może oznaczać przygotowanie kilku wariantów procesu.
Paradoks produktywności AI
Gartner w badaniu 101 CPO opisał rozbieżność między poprawą produktywności poszczególnych pracowników a wynikami zespołów. Analitycy wiążą ją ze zbyt wolnym dostosowywaniem ról i procesów do pracy z AI. W zakupach może ona wystąpić, gdy technologia przyspiesza przygotowanie informacji i analiz, a dalszy przebieg pracy zależy od uzgodnień z dostawcą i innymi działami.
Przy powtarzalnych analizach, dla których ustalono źródła danych i sposób kontroli wyniku, system może przejąć znaczną część prac przygotowawczych. Specjaliści mogą wtedy poświęcić więcej czasu na wypracowanie z biznesem i dostawcą zmian wynikających z analizy. W ich pracy większe znaczenie będzie miało prowadzenie rozmów, rozwiązywanie sporów i godzenie oczekiwań stron, które inaczej oceniają koszt, ryzyko lub termin wdrożenia.
Rozważmy Category Managera odpowiedzialnego za komponenty z tworzyw sztucznych, który łączy opracowywanie strategii kategorii z prowadzeniem procesu Source-to-Contract. Dzięki AI szybciej przygotowuje potrzebne do strategii analizy wydatków, warunków kontraktów, prognoz popytu i rynku dostawców. Szef zakupów chce, by Category Manager przeznaczył część zaoszczędzonego czasu na value improvement z kluczowym dostawcą, zaczynając od grupy podobnych komponentów zamawianych w różnych wariantach.
Category Manager i inżynier kosztowy przygotowują model should-cost uwzględniający zużycie surowca, poziom odpadu, czas cyklu i wykorzystanie formy. Podczas warsztatu z dostawcą, zespołem rozwoju produktu i przedstawicielami produkcji weryfikują parametry modelu oraz oceniają możliwość ujednolicenia części wariantów i zmiany geometrii detalu. Uzgadniają zakres prób potrzebnych do sprawdzenia, czy przy mniejszym zużyciu materiału lub krótszym cyklu uda się zachować wymagane parametry produktu.
Dostawca może uzależnić inwestycję w oprzyrządowanie od gwarancji wolumenu, podczas gdy produkcja chce wykorzystać obecne zapasy i ograniczyć zakłócenia harmonogramu. Category Manager prowadzi uzgodnienia dotyczące finansowania zmiany, terminu jej uruchomienia i podziału korzyści. W porównaniu TCO uwzględnia koszt formy, prób i kwalifikacji, wykorzystanie lub odpisanie zapasów oraz koszty jakości i logistyki po zmianie. Kalkulację odnosi do uzgodnionej prognozy popytu i pozostałego okresu życia produktu, a z działem finansów ustala sposób pomiaru korzyści po wdrożeniu, który pozwoli oddzielić efekt nowej specyfikacji od wpływu zmian cen surowca i wolumenu.
Jeśli Category Manager dotąd nie modelował kosztów ani nie prowadził warsztatów value improvement, przed podjęciem nowych zadań będzie potrzebował przygotowania. Czas i koszt nauki trzeba uwzględnić w planie wdrożenia AI, skoro uzasadnieniem inwestycji ma być większy udział zakupów w rozwoju kategorii. Gdy pracownik ma już te umiejętności, pozostaje uzgodnić z przełożonym, które zadania ograniczy, by regularnie pracować z dostawcą.
Plan wdrożenia powinien objąć współpracę z innymi działami
Przyspieszenie przygotowania analiz może zwiększyć liczbę propozycji kierowanych do zespołów rozwoju produktu, jakości i produkcji. W opisanej kategorii wąskim gardłem mogą stać się próby technologiczne, jeśli te same zespoły prowadzą równocześnie prace nad nowymi produktami. Uzgodnienie z tymi działami, ile propozycji mogą sprawdzić i które mają pierwszeństwo, powinno być częścią planu wdrożenia AI w zakupach.
Przed pilotażem CPO, właściciel procesu i menedżer zespołu, wspólnie z przedstawicielami działów, których pracę zmieni wdrożenie, powinni uzgodnić:
- Rezultat: jaki koszt, czas procesu, zakres kontroli lub jakość decyzji ma się zmienić i jak zostanie to sprawdzone.
- Standard wykonania: jakie wymagania musi spełnić wynik, kto go ocenia i kiedy dalsze dopracowywanie przestaje być uzasadnione.
- Podział pracy: które zadania się skrócą, co pracownicy będą wykonywać w odzyskanym czasie i kto odpowiada za wykorzystanie tego zasobu.
- Przygotowanie zespołu: jakie kompetencje trzeba rozwinąć, ile potrwa dojście do samodzielności i jakie koszty należy uwzględnić.
- Wpływ na inne działy: jak zmienią się zadania przekazywane współpracującym zespołom, czy mają one czas na ich wykonanie i kto uzgodni priorytety w razie przeciążenia.
Tańsza obsługa przy utrzymaniu jakości może być wystarczającą korzyścią, pod warunkiem że kalkulacja uwzględnia nakłady na wdrożenie, pracę kontrolną i utrzymanie rozwiązania. Gdy AI ma pomóc w wyborze nowej specyfikacji, warto porównać rekomendacje przygotowane tradycyjnie i z jego wsparciem na tych samych danych. Zespół zakupów może wspólnie z działem finansów i zespołem technicznym sprawdzić, czy analiza uwzględnia koszty zmiany specyfikacji i wskazuje, w jakich warunkach zmiana przestaje być opłacalna, na przykład przy niższym wolumenie lub opóźnieniu kwalifikacji.
Kompetencje AI w transformacji i codziennej pracy zakupów
Zmiany wymagań wobec pracowników analizujemy w Big Fish Procurement Career Signals, zestawiając informacje gospodarcze, branżowe, regulacyjne i technologiczne z decyzjami przedsiębiorstw oraz opisami stanowisk. Szukamy powtarzających się zjawisk na rynku i sprawdzamy, jak mogą zmienić zadania zakupów, zanim pojawią się w kryteriach rekrutacyjnych. W przypadku AI materiały wskazują zarówno na rozwój specjalistycznych ról wdrożeniowych, jak i na włączanie nowych narzędzi do istniejących stanowisk zakupowych.
W ofertach na stanowiska Procurement AI & Analytics Lead, Sourcing and Procurement Data & AI Senior Manager oraz Enterprise AI Value Strategist pracodawcy łączą rozwój AI z odpowiedzialnością za regularne wykorzystanie narzędzi w zakupach i ocenę ich efektów biznesowych. Liderowi produktu powierzają projektowanie, integrację i nadzór nad działaniem systemu, a w rolach strategicznych kładą większy nacisk na uzasadnienie inwestycji i przygotowanie organizacji do zmiany sposobu pracy. Przy rekrutacji Procurement Transformation Managera lub AI Transformation Leadera warto więc określić, ile w jego obowiązkach będzie rozwoju technologii, a ile organizowania pracy zespołów korzystających z gotowych rozwiązań. Równolegle w ofertach dla Procurement Managerów, Sourcing Managerów i osób zajmujących się analityką zakupową pojawiają się oczekiwania dotyczące stosowania AI w analizie danych, raportowaniu, przygotowaniu sourcingu i automatyzacji obiegu pracy. Część pracodawców łączy te obowiązki z rozwijaniem narzędzi, co nadaje stanowiskom charakter zakupowo-wdrożeniowy. Obserwujemy więc rozszerzanie zakresów istniejących ról, choć dostępne przykłady są jeszcze zbyt wyspecjalizowane, by uznać je za standard całego rynku.
Przewidujemy, że umiejętność efektywnej pracy z AI będzie stopniowo wchodzić do podstawowego warsztatu specjalistów i menedżerów zakupów, podobnie jak obsługa systemów ERP. Zakres potrzebnej wiedzy będzie zależał od zadań pracownika, ale przygotowanie danych i kontekstu, wybór zastosowania oraz ocena wyniku przed jego wykorzystaniem będą potrzebne w różnych obszarach zakupów.
O metodzie Big Fish
Big Fish AI Procurement Signals wykorzystuje regularny monitoring AI Procurement Market Scan. Analizujemy badania, wdrożenia, pilotaże oraz zmiany procesów i kompetencji. Sprawdzamy, co zostało wdrożone, jak zmierzono wynik i jaką część pracy obejmuje pomiar. Kilka publikacji o tym samym wdrożeniu traktujemy jako jeden przypadek. Przy materiałach firm wdrażających i dostawców technologii wskazujemy pochodzenie danych oraz ograniczenia ich interpretacji.
Big Fish Procurement Career Signals łączy monitoring gospodarki, branż, regulacji, decyzji przedsiębiorstw i rynku pracy. Porównujemy informacje z różnych źródeł, szukając powtarzających się zmian oraz możliwych konsekwencji dla zadań zakupów, zakresu odpowiedzialności i przydatności doświadczenia zawodowego. Oceniamy jakość dowodów, możliwą skalę wpływu i czas, w którym zmiana może pojawić się w procesach oraz rekrutacjach. W analizie stanowisk uwzględniamy ich obowiązki i wymagania kompetencyjne; pojedyncze przypadki pozostają sygnałami do dalszej obserwacji.
Monitoring jest jakościowy i nie stanowi reprezentatywnego pomiaru rynku. Artykuł wykorzystuje materiały zebrane od czerwca do połowy września 2026 r., wcześniejsze źródła kontekstowe i uzupełniającą weryfikację z 15 września.
Źródła i zakres wykorzystania
1. [Deutsche Bank — Putting agentic AI to work in third-party risk management](https://www.db.com/news/detail/20260513-putting-agentic-ai-to-work-in-third-party-risk-management?language_id=1), 12 maja 2026. Wdrożenie z grudnia 2025; dane własne banku. Skrócenie czasu z około trzech godzin do 30 minut dotyczy opisanego przeglądu dokumentacji ciągłości działania, z weryfikacją przez człowieka.
2. [Microsoft — obsługa danych emisyjnych dostawców](https://www.microsoft.com/en/customers/story/26164-microsoft-microsoft-power-platform), 27 lutego 2026. Firma opisuje własne rozwiązanie. Czas dotyczy przeglądu zgłoszenia; efekt łączy AI, automatyzację i zmianę procesu. Nie jest pomiarem redukcji emisji.
3. [Gartner — badanie CPO i paradoks produktywności AI](https://www.gartner.com/en/newsroom/press-releases/2026-05-19-gartner-survey-shows-just-36-perecent-of-chief-procurement-officers-are-very-confident-in-ability-to-redesign-function-for-ai), 19 maja 2026. Ankieta 101 CPO ze stycznia–lutego 2026; przyczyny rozbieżności są interpretacją analityków, nie wynikiem eksperymentu przyczynowego.
4. [Novartis — Sr. Procurement AI & Analytics Lead](https://www.novartis.com/eg-en/careers/career-search/job/details/req-10069230-sr-procurement-ai-analytics-lead), 18 sierpnia 2026, Hyderabad. Rola produktowo-technologiczna w funkcji zakupowej; projektowanie, rozwój, wdrażanie, integracja i nadzór nad rozwiązaniami AI.
5. [Accenture — Sourcing and Procurement Data & AI Senior Manager](https://www.accenture.com/us-en/careers/jobdetails?id=R00354716_en), odczyt 15 września 2026. Wdrożenia u klientów, odpowiedzialność za użytkowanie, niezawodność i skalowanie rozwiązania. Treść ma silny profil inżynieryjny mimo ogólnej nazwy stanowiska.
6. [Accenture — Sourcing and Procurement Senior Enterprise AI Value Strategist](https://www.accenture.com/us-en/careers/jobdetails?id=R00351261_en), odczyt 15 września 2026. Strategia AI, uzasadnienie biznesowe inwestycji, organizacja pracy i wyniki biznesowe klientów. Dwa ogłoszenia Accenture są dwoma zakresami ról u jednego pracodawcy.
7. [Sky — Senior Procurement Manager, Procurement Intelligence](https://sky.talent-community.com/projects/senior-procurement-manager-procurement-intelligence/71326?XMLdist=1), odczyt 15 września 2026. Zastosowania Copilot i Copilot Studio w analityce, raportowaniu, automatyzacji i samoobsłudze użytkowników; profil wyspecjalizowany w analityce.
8. [Optiver — Procurement Operations Manager](https://prod-www.optiver.com/join-us/jobs/risk-finance-and-legal/amsterdam/procurement-operations-manager/), odczyt 15 września 2026. Połączenie obowiązków operacyjnych z budową lub wdrażaniem agentów i automatyzacji; profil mieszany.
9. [Novartis — Sourcing Manager, IT & Digital](https://www.novartis.com/us-en/careers/career-search/job/details/req-10085754-sourcing-manager-it-digital), 18 sierpnia 2026, Hyderabad. Obowiązki sourcingowe i dostawcze wraz z prototypowaniem oraz wdrażaniem AI; profil mieszany, nie typowy Sourcing Manager.
Materiały własne: Big Fish AI Procurement Signals Weekly Scan z 11 sierpnia, 7 i 14 września 2026; Big Fish AI Procurement Strategic Outlook 2026 Q3; Weekly Evidence Scan z 14 września 2026. Aktualny zakres [SmartBuyer AI in Practice](https://www.e-bigfish.com.pl/pl/termin/104) sprawdzono 15 września 2026.