Sandra Cikic, Technology Alliances Manager bij Ivalua, en Niels van Nieuwenhuijzen, Partner Manager bij Altares Dun & Bradstreet, bespreken hoe AI inkoop verandert, waarom betrouwbare leveranciersdata belangrijker is dan ooit en hoe de volgende generatie inkoopintelligentie eruit zou kunnen zien.
Wat houdt inkoopverantwoordelijken vandaag bezig en wat is er het afgelopen jaar veranderd?
De inkoopmarkt verschuift duidelijk van praten over AI naar nadenken over de daadwerkelijke toepassing ervan. De bereidheid om te beginnen is groot, maar dat roept meteen praktische vragen op over rendement, mensen, processen en budgetten.
Zoals Niels uitlegt, draait het gesprek steeds vaker om de vraag: we moeten AI inzetten, maar hoe zorgen we dat het binnen onze organisatie werkt? Als AI bijvoorbeeld een groot deel van de klantenservicevragen kan afhandelen, wat betekent dat dan voor de mensen die dit werk nu doen? En wat betekent het voor de manier waarop organisaties hun processen inrichten?
Tegelijkertijd toont de markt veel belangstelling voor nieuwe AI-mogelijkheden. Sandra ziet dat direct terug in de reacties op de recente ontwikkelingen bij Ivalua, waaronder de uitbreiding van de integratie van D&B-data in Ivalua via een MCP-server. Sommige organisaties experimenteren al met deze mogelijkheden, terwijl andere nog onderzoeken hoe AI binnen hun inkoopstrategie past.
Van data naar advies: waar kan AI echt waarde toevoegen?
Een van de interessantste ontwikkelingen is de verschuiving van het simpelweg tonen van data naar het helpen interpreteren ervan. Binnen IVA Studio kan een gebruiker bijvoorbeeld vragen of die met een bepaalde leverancier kan samenwerken. In plaats van alleen een reeks datapunten te tonen, kan AI het antwoord van context voorzien. Bijvoorbeeld door uit te leggen waarom het risicoprofiel van een leverancier een bepaalde beoordeling krijgt.
Voor Sandra laat dit zien welke belangrijke rol AI binnen inkoop kan spelen. AI vervangt niet per definitie degene die de beslissing neemt. Het voegt uitleg en advies toe, zodat gebruikers de informatie beter begrijpen en beter onderbouwde beslissingen kunnen nemen.
Hetzelfde principe geldt voor vragen over bedrijfsstructuren. Voordat je een contract met een leverancier sluit, wil je misschien weten: “Wie is de uiteindelijke moedermaatschappij?” en “Werk ik al samen met bedrijven die dezelfde uiteindelijke moedermaatschappij hebben?” Op basis van de antwoorden kun je mogelijk een overeenkomst op groepsniveau sluiten en betere prijzen onderhandelen.
Waarom is de combinatie van Ivalua en Dun & Bradstreet belangrijk?
De waarde van de samenwerking wordt vooral duidelijk wanneer je kijkt naar het leveranciersrecord zelf. Het Golden Record gebruikt bijvoorbeeld het D-U-N-S® Number om bedrijven uniek te identificeren. Hierdoor kunnen leveranciersgegevens worden gekoppeld en dubbele records worden verwijderd. Zo ontstaat een betrouwbaardere basis voor inkoopprocessen.
In een AI-gestuurde inkoopomgeving wordt die basis steeds belangrijker. Hoe meer organisaties op AI vertrouwen om informatie te interpreteren en beslissingen te ondersteunen, hoe belangrijker het is dat de onderliggende data betrouwbaar is.
Voor Sandra is de samenwerking ook waardevol omdat deze twee complementaire perspectieven samenbrengt. Ivalua levert de inkooptechnologie en workflows, terwijl Dun & Bradstreet bedrijfsinformatie en bedrijfsdata levert. De nauwe samenwerking maakt het bovendien eenvoudiger om met klanten mee te denken en hen vanuit zowel bedrijfs- als IT-perspectief te begeleiden.
Wat gebeurt er als je leveranciers niet meer afzonderlijk bekijkt?
De volgende stap kan nog ingrijpender zijn: van het analyseren van individuele leveranciers naar het begrijpen van het bredere netwerk van bedrijven waarmee zij verbonden zijn.
Bedrijfsstructuren en onderlinge relaties kunnen afhankelijkheden zichtbaar maken die je niet direct ziet wanneer je alleen naar een rechtstreekse leverancier kijkt. Zodra verschillende databronnen met elkaar kunnen worden verbonden en gezamenlijk worden geanalyseerd, worden de grenzen tussen die bronnen minder belangrijk. Het gaat om het inzicht dat uit de combinatie ontstaat.
Dit kan de manier waarop inkoopteams risico’s benaderen fundamenteel veranderen. In plaats van alleen te vragen: “Wat is het risico van deze leverancier?”, kan een CPO vragen stellen als: “Wat gebeurt er met mijn toeleveringsketen als deze leverancier 20% van zijn capaciteit verliest?” Of: “Wat zou de impact zijn als de Straat van Hormuz vier weken gesloten wordt?”
Daarmee verschuift inkoop van het monitoren van afzonderlijke risico-indicatoren naar scenarioplanning. Financiële slagkracht, leveranciersdata, compliance-informatie, bedrijfsrelaties en externe ontwikkelingen kunnen samen de basis vormen voor een bredere analyse van mogelijke toekomstige ontwikkelingen.
Volgens Niels kan de samenwerking hier uiteindelijk een ander soort waarde voor CPO’s creëren. De kans ligt niet alleen in het aanbieden van meer datavelden, maar in het verbinden van data, zodat organisaties afhankelijkheden kunnen begrijpen en mogelijke scenario’s kunnen modelleren.
Van data naar software: Sandra’s perspectief vanuit beide werelden
Sandra heeft een bijzonder perspectief op de samenwerking. Voordat ze bij Ivalua begon, werkte ze bij Dun & Bradstreet. De overstap van een databedrijf naar een aanbieder van inkoopsoftware veranderde haar kijk op de markt.
De twee organisaties hebben op verschillende niveaus en in verschillende fasen van het aankoop- en implementatieproces contact met klanten. Data is relevant voor vrijwel ieder bedrijf. Bij inkoopsoftware gaat het om een specifiekere groep stakeholders, een langere softwarelevenscyclus en vraagstukken rondom implementatie.
Voor Sandra vullen deze twee perspectieven elkaar juist goed aan. Dat maakt het ook eenvoudiger om het gezamenlijke aanbod aan klanten uit te leggen.
Een voorbeeld is het Golden Supplier Record, waarbij D-U-N-S® Numbers de identificatie van leveranciers en het verwijderen van dubbele records rechtstreeks binnen de inkoopomgeving ondersteunen.
Die directe integratie is belangrijk. Wanneer betrouwbare data onderdeel wordt van het platform en de workflow zelf, kunnen gebruikers deze binnen hun reguliere inkoopproces raadplegen. Ze hoeven de informatie dan niet afzonderlijk te zoeken en samen te voegen.
Wat is de volgende stap in de samenwerking?
De ambitie gaat verder dan alleen het verbinden van databronnen. Naarmate AI informatie uit verschillende domeinen kan analyseren, wordt het minder belangrijk uit welke bron een specifiek datapunt afkomstig is. Het gaat erom of de gecombineerde informatie een bedrijfsvraag kan beantwoorden.
Voor inkoop kan dat betekenen dat het monitoren van leveranciersrisico’s plaatsmaakt voor veel geavanceerdere scenarioplanning. Daarbij draait het om inzicht in de wisselwerking tussen financiële, operationele, compliance-, geopolitieke en ketenrisico’s, en wat die wisselwerking voor de organisatie kan betekenen.
De vraag wordt dan minder: “Welke data heb ik?” en meer: “Wat kan ik begrijpen en voorzien doordat deze databronnen samenwerken?”
Als je één advies zou mogen geven aan een CPO die de organisatie de komende twee jaar klaar wil maken voor AI, waar zou die zich dan als eerste op moeten richten? En wat betekent dat in de praktijk?
Volgens mij moet de eerste stap het opschonen van data zijn. AI schoont die data niet vanzelf op. Het gebruikt ook vervuilde data en kan bestaande problemen daardoor versterken. De grootste waarde die AI voor inkooporganisaties kan bieden, is het leveren van inzichten die aansluiten op de specifieke context van je bedrijf.
Schone data is noodzakelijk om die context goed te kunnen begrijpen.
