סקירת Fairmarkit Total Agentic Sourcing: סוכני AI שמנסים להפוך רכש ארגוני לתהליך אוטונומי

בעולם שבו הרבה כלי AI ארגוניים נראים כמו שכבת צ׳אט מעל מערכת קיימת, הפתרון Total Agentic Sourcing של Fairmarkit מציג כיוון שאפתני יותר: סוכני AI שמבצעים בפועל שלבים מרכזיים בתהליך הרכש. מנקודת מבט של מנהל רכש, מנהל קטגוריה או צוות כספים, הבעיה ברורה מאוד. בקשות רכש מגיעות לא שלמות, יצירת RFQ או RFP גוזלת זמן, איתור ספקים מתאים דורש ניסיון ונתונים, והערכת הצעות הופכת במהירות לתהליך ידני, איטי ומפוזר בין מיילים, גיליונות ומערכות ERP. כאן Fairmarkit מנסה להכניס שכבת אוטומציה סוכנית שמנהלת את העבודה מקצה לקצה, תוך שמירה על מעורבות אנושית בשלבים רגישים.

הלב של המוצר הוא KIT, עוזר חכם שמגובה ברשת סוכנים ייעודיים לרכש. התהליך מתחיל ב-Intake Agent, שמטרתו לעזור למבקש העסקי להגדיר צורך בצורה מלאה יותר. במקום לפתוח בקשה חסרה ולשלוח אותה הלוך ושוב לתיקונים, הסוכן שואל שאלות, מחדד דרישות ומארגן את המידע בצורה שמתאימה לצוות הרכש. לאחר מכן RFx Agent יכול לבנות אירוע רכש מתאים, למשל RFQ, RFP, מכרז או אירוע מורכב יותר. בשלב הבא Supplier Agent מציע ספקים מתוך מאגר גדול שמונה, לפי נתוני החברה, יותר מ-2.7 מיליון ספקים, תוך התחשבות בהתאמה קטגוריאלית ובהסתברות לתגובה. Evaluation Agent מסייע בהשוואת הצעות, בניתוח תרחישים, בחישוב עלות בעלות כוללת ובמתן תצוגה מותאמת תפקידים. בנוסף, רכיב Auto Compliance אמור להחיל מדיניות לפי קטגוריה, אזור, סף הוצאה וכללי חברה.

הנקודה החשובה ביותר עבור משתמש הקצה היא לא רק עצם השימוש ב-AI, אלא השאלה האם הפלטפורמה משתלבת בתהליכי עבודה קיימים. בתחום הרכש, כלי שאינו מתחבר ל-SAP Ariba, SAP S/4HANA, Coupa, Oracle, ServiceNow או מערכות ERP ו-P2P אחרות עלול להפוך לעוד אי תפעולי. Fairmarkit מדגישה אינטגרציות למערכות אלו, וזה יתרון מהותי אם החיבור אכן מאפשר העברת דרישות, ספקים, הצעות ותוצאות בחזרה למערכות הארגוניות. בתרחיש טיפוסי, מפעל שצריך חלקי חילוף למסוע יכול לפתוח בקשה, לקבל השלמת דרישות אוטומטית, להריץ אירוע הצעות מחיר, לזהות ספקים מתאימים, להשוות הצעות לפי מחיר, זמינות וסיכון, ולבסוף להעביר את ההחלטה לאישור והמשך ביצוע במערכת הרכש המרכזית.

ההבטחה העסקית גדולה, אך יש להתייחס אליה בזהירות מקצועית. Fairmarkit מציינת דוגמאות מרשימות, כמו חיסכון של 115,000 שעות מחזור רכש בשנה אצל Boeing והפחתה של 85% בזמן מחזור רכש בחוזי MRO אצל Emirates Flight Catering. אלו נתונים חזקים, אבל לפני החלטת רכישה כדאי לאמת האם הם מתייחסים למוצר החדש כולו או ליכולות קודמות של KIT ושל פלטפורמת Fairmarkit. חשוב גם לבדוק עד כמה המערכת באמת אוטונומית: האם היא רק ממליצה, האם היא שולחת פניות לספקים באופן עצמאי, האם היא מסוגלת לנהל משא ומתן, והיכן נדרש אישור אנושי. עבור ארגונים גדולים, נקודות כמו audit trail, explainable AI, בקרות אישור, אי שמירת נתונים אצל ספקי LLM ותאימות SOC 2 Type 2 הן קריטיות. בשורה התחתונה, מדובר בפלטפורמה מרשימה ורלוונטית מאוד לארגונים עם נפח רכש גבוה, אך פחות מתאימה לחברות קטנות או לצוותים שמחפשים פתרון מיידי, זול ושקוף במחיר.

• רשת סוכני AI ייעודית לרכש: KIT מפעיל סוכנים שונים לפי שלבי התהליך, כולל קליטת דרישות, בניית RFx, התאמת ספקים והערכת הצעות., - אוטומציה של תהליך sourcing מקצה לקצה: המערכת מכסה בקשת רכש, יצירת אירוע, איתור ספקים, ניתוח הצעות, בדיקת תאימות והעברה למערכות ארגוניות., - תמיכה ברכש טקטי ואסטרטגי: הפלטפורמה ממוצבת כפתרון שיכול לטפל גם ברכישות קטנות וגם בחוזים גדולים ומורכבים., - מאגר ספקים רחב: לפי החברה, Supplier Agent פועל מול מאגר של יותר מ-2.7 מיליון ספקים ומדרג התאמה וסבירות תגובה., - ניתוח הצעות ותכנון תרחישים: Evaluation Agent מסייע בהשוואת הצעות, חישוב עלות בעלות כוללת וניהול תרחישי זכייה., - בקרות תאימות אוטומטיות: רכיב Auto Compliance מחיל מדיניות לפי קטגוריה, אזור, סף הוצאה והקשר ארגוני., - אינטגרציות רכש ו-ERP: המוצר מוצג כבעל חיבורים למערכות כמו SAP Ariba, SAP S/4HANA, Coupa, Oracle ו-ServiceNow.

• KIT כשכבת סוכנים: המערכת מבוססת על עוזר חכם ורשת סוכני sourcing ייעודיים, ולא על מודל שפה יחיד שמוצג לציבור., - מודלי LLM לא פורסמו בפירוט: במידע הזמין לא צוין האם המוצר משתמש ב-GPT, Claude, Gemini או מודלים אחרים, ולכן יש להתייחס לכך כמידע לא מאומת., - סוכני תהליך ייעודיים: Intake Agent, RFx Agent, Supplier Agent ו-Evaluation Agent מייצגים חלוקה פונקציונלית לפי שלבי הרכש., - שכבות דירוג וניתוח: Supplier Agent כולל, לפי החברה, דירוג התאמת ספק והסתברות תגובה, מה שמרמז על שילוב של מודלי חיזוי, נתוני ספקים וכללי רכש., - ממשל AI והסבריות: החברה מציינת explainable AI ו-audit trail, נקודות חשובות במיוחד כאשר המלצות AI משפיעות על בחירת ספקים והוצאות גדולות.

• מנהלי רכש ראשיים: בעלי אחריות על יעילות תהליכי sourcing, חיסכון והרחבת כיסוי רכש תחרותי., - צוותי sourcing ורכש אסטרטגי: משתמשים שצריכים לבנות RFQ, RFP, מכרזים ואירועי רכש מורכבים במהירות גבוהה יותר., - מנהלי קטגוריות: בעלי צורך להשוות ספקים, לנתח הצעות ולנהל מדיניות לפי קטגוריה ואזור., - צוותי כספים ותפעול בארגונים גדולים: יחידות שזקוקות לשליטה טובה יותר בהוצאות, ספקים ותהליכי אישור., - ארגונים עם מערכות ERP ו-P2P מורכבות: חברות שכבר משתמשות ב-SAP, Coupa, Oracle, ServiceNow או מערכות דומות.

• תקן SOC 2 Type 2: לפי חומרי ההשקה, Fairmarkit מציינת עמידה ב-SOC 2 Type 2, תקן חשוב עבור בקרות אבטחה, זמינות, סודיות ותהליכי ניהול נתונים בארגונים.
• שמירת נתונים מול LLM: החברה מציינת zero LLM data retention, כלומר נתוני לקוחות אינם אמורים להישמר אצל שכבת מודל השפה לצורכי אחסון או אימון, אך יש לאמת את המשמעות החוזית והטכנית בהסכם הארגוני.
• מסלול ביקורת מלא: audit trail הוא רכיב קריטי ברכש, משום שהוא מאפשר לבדוק מי אישר מה, אילו ספקים נבחנו, אילו המלצות ניתנו ולמה.
• הסבריות ובקרות: explainable AI חשוב במיוחד כאשר סוכן ממליץ על ספקים, דירוגים או תרחישי זכייה. ארגונים צריכים לבדוק האם ניתן להגדיר ספי אישור, הרשאות לפי תפקיד ומדיניות לפי אזור או קטגוריה.
• התאמה ארגונית: הפתרון מתאים יותר לארגונים עם צוותי אבטחת מידע, משפט ורכש שיכולים לבצע בדיקת vendor risk, בחינת DPA, בדיקת GDPR לפי אזורי פעילות ואימות מדיניות שימוש בנתוני ספקים.