معماری هوش مصنوعی در پلتفرم های کسب وکار به کسب وکار (B۲B) برای مدیریت درخواست استعلام قیمت و بهینه سازی زنجیره تامین

تحول دیجیتال در زنجیره های تامین کسب وکار به کسب وکار(B۲B) منجر به تغییر بنیادین در نحوه تعامل سازمان ها با تامین کنندگان شده است. با وجود دیجیتالی شدن بسیاری از فرآیندهای خرید، بخش مهمی از چرخه درخواست استعلام قیمت (RFQ) همچنان از ناکارآمدی هایی نظیر وابستگی به تصمیم انسانی، نبود تحلیل پیش بینانه، و عدم یکپارچگی داده ها رنج می برد. در سال های اخیر، هوش مصنوعی (AI) و تحلیل کلان داده ها (Big Data Analytics) به عنوان رویکردهای کلیدی برای گذار از سیستم های دیجیتال به سیستم های هوشمند مطرح شده اند (Davenport, ۲۰۱۸; Wamba et al., ۲۰۲۰). با این حال، اغلب مطالعات موجود بر بهینه سازی بخشی از فرآیند تمرکز دارند و فاقد یک معماری جامع end-to-end هستند. این مقاله یک معماری چندلایه مبتنی بر هوش مصنوعی برای پلتفرم های B۲B ارائه می دهد که هدف آن هوشمندسازی کامل چرخه RFQ از تحلیل نیاز تا انتخاب تامین کننده است. این معماری با ترکیب یادگیری ماشین، پردازش زبان طبیعی و یکپارچه سازی داده ها، امکان تصمیم گیری داده محور، سریع و قابل توضیح را فراهم می سازد.

کلیدواژه ها:

پلتفرم های B۲B ، RFQ ، هوش مصنوعی ، زنجیره تامین ، تصمیم گیری هوشمند