ปัญหาที่ซ่อนอยู่ในทุก Purchase Order
Procurement team ในองค์กรขนาดใหญ่ทำงานหนักมาก แต่ไม่ใช่ในงานที่ควรทำแทนที่จะโฟกัสกับ strategic sourcing (การจัดหาเชิงกลยุทธ์ การเลือก supplier และเจรจาเงื่อนไขที่ดีที่สุดให้องค์กรในระยะยาว) ทีมส่วนใหญ่ใช้เวลาไปกับการตาม email vendor การ compile quote ใน spreadsheet รอ approval ที่ไม่รู้ว่าค้างอยู่กับใคร และการแก้ข้อมูลที่ไม่ตรงกันระหว่าง PR (Purchase Requisition ใบขอซื้อ) กับ PO (Purchase Order ใบสั่งซื้อ)
Pain points ที่เกิดขึ้นซ้ำทุกสัปดาห์
Procurement officer แต่ละคนดูแล vendor หลายสิบรายพร้อมกัน แต่การมองเห็นภาพรวมของแต่ละ order อยู่ใน email inbox ส่วนตัวที่คนอื่นเข้าไม่ได้ เมื่อคนลาพักร้อน งานค้างทันที Finance ต้องการ spend data (ข้อมูลการใช้จ่าย) แต่ข้อมูลที่มีอยู่ใน ERP ล้าสมัยเพราะ Procurement update ช้า และ vendor บางรายได้รับ PO ช้าจนกระทบ delivery timeline ซึ่งทำให้ Operations ต้องมาตามแทน
ระบบเดิมที่ใช้งานอยู่
ERP สำหรับบันทึก PO, email สำหรับ communicate กับ vendor, spreadsheet สำหรับ track status และ Line หรือโทรศัพท์สำหรับ expedite (เร่งงาน) เมื่อมีความเร่งด่วน
เวลาที่ใช้ต่อ 1 operation
สำหรับ purchase request 1 รายการที่ต้องผ่านกระบวนการ sourcing จาก vendor ใหม่ ตั้งแต่รับ PR จนถึง approved PO ที่ส่งให้ vendor แล้ว ใช้เวลาเฉลี่ย 3–5 วันทำการ โดยมีเวลาที่แท้จริงที่ใช้ใน active work ประมาณ 2–4 ชั่วโมง แต่ elapsed time ยาวเพราะงานค้างรอในแต่ละขั้นตอนกรณีศึกษาจาก FMCG รายใหญ่ระดับโลกพบว่าการนำ AI มาใช้ใน purchase order processing ลดเวลาจาก 3 วันเหลือน้อยกว่า 2 ชั่วโมง Intellify
วิเคราะห์การทำงาน ปัญหาที่แท้จริงอยู่ที่ไหน
เมื่อ bricks FDS เข้ามา map workflow กับทีม Procurement สิ่งที่พบซ้ำกันในทุกองค์กรคือ Coordination Overhead (ต้นทุนการประสานงาน — เวลาและทรัพยากรที่ใช้ไปกับการส่งต่อข้อมูลระหว่างคนและระบบ แทนที่จะใช้กับงานจริง) คือต้นทุนที่ใหญ่ที่สุดแต่ไม่ปรากฏในงบกระบวนการ RFQ (Request for Quotation — การขอใบเสนอราคาจาก vendor) เป็นตัวอย่างที่ชัดที่สุด: Procurement officer ต้องเขียน spec, ส่ง email ให้ vendor หลายราย ติดตามว่าใครตอบแล้วใครยังไม่ตอบ รวบรวม quote มาเปรียบเทียบใน spreadsheet และนำเสนอให้ผู้อนุมัติ — ทั้งหมดนี้ทำด้วยมือและ emailสิ่งแรกที่แก้ได้ทันทีและ impact สูงสุดคือ Automated RFQ Workflow — ให้ AI ดูแล coordination ทั้งหมดตั้งแต่ส่ง RFQ ไปถึง vendor จน compile และ compare quote กลับมาเสนอให้ Procurement officer ตัดสินใจแค่ขั้นสุดท้าย
Workflow ที่ออกแบบสำหรับวันแรก
Procurement officer รับ Purchase Requisition (PR) เข้ามา
↓
AI อ่าน spec จาก PR และ identify vendor
ที่อยู่ใน approved vendor list
(รายชื่อ vendor ที่ผ่านการ qualify แล้ว)
↓
AI สร้าง RFQ อัตโนมัติและส่งให้ vendor
ที่เหมาะสม พร้อม deadline ที่ชัดเจน
↓
AI ติดตาม response จาก vendor
และ remind อัตโนมัติเมื่อใกล้ deadline
↓
Quote ที่ได้รับกลับมาถูก AI compile
และ rank ตาม criteria: ราคา, delivery time,
vendor performance history
↓
Procurement officer เห็น comparison
ที่พร้อมตัดสินใจ ไม่ใช่ raw data ที่ต้องแปลงเอง
↓
Approval route อัตโนมัติตาม policy
ที่กำหนด ส่งให้ผู้มีอำนาจอนุมัติที่ถูกต้อง
↓
เมื่อ approved — PO ถูกสร้างและส่งให้ vendor
พร้อม update สถานะกลับเข้า ERP อัตโนมัติ
Day One ไม่ได้ replace ERP หรือ vendor relationship แต่ AI จัดการ coordination layer ทั้งหมดที่เคยอยู่ใน email inbox ของ Procurement officer
เริ่ม Implementation
bricks FDE เริ่มจากการเชื่อมต่อ ERP, email system และ approved vendor database เข้ากับ bricks Worker platform จากนั้น build RFQ template library จาก historical RFQ ที่ทีมเคยใช้ เพื่อให้ AI สร้าง RFQ ได้ตรงกับมาตรฐานที่องค์กรใช้อยู่แล้วตั้ง approval routing rules ร่วมกับ Procurement manager และ Finance team เพื่อให้ระบบรู้ว่า purchase amount เท่าไรต้องผ่าน approval กี่ระดับ และส่งให้ใครทดสอบกับ purchase category ที่มี volume สูงสุดก่อน เพื่อเห็น impact ได้เร็วและ validate ว่าระบบทำงานถูกต้องก่อน expand ไปยัง category อื่น
Timeline: 4–6 สัปดาห์จาก integration ถึง production
ระบบเสร็จแล้ว ปัญหาก็ยังมีอยู่
หลัง go-live สิ่งที่มักเกิดขึ้นใน Procurement context:Vendor บางรายตอบ RFQ ในรูปแบบที่ต่างออกไปจากที่ระบบคาดไว้ ทำให้ AI parse ข้อมูลได้ไม่สมบูรณ์ Approval workflow บางเส้นทางที่ไม่ได้ cover ไว้ใน rule set เริ่มต้น ทำให้บาง PO ต้องการ manual intervention และ vendor ใหม่ที่ไม่อยู่ใน approved list ยังไม่มี process ที่ชัดเจนในการ onboard เข้าระบบ bricks Solution Partner เข้ามาแก้ต่อเนื่อง: ปรับ document parsing สำหรับ vendor response format ที่หลากหลาย เพิ่ม approval path ที่ขาดหายไป และ design vendor onboarding workflow ที่ AI ช่วย qualify vendor ใหม่ได้กึ่งอัตโนมัติ
ทุกปัญหาที่แก้คือ playbook ที่แข็งแกร่งขึ้นสำหรับ use case ถัดไป
Business Impact Projected ROI
สำหรับทีม Procurement ขนาด 5–15 คน ที่จัดการ purchase volume ระดับ medium-large ประมาณการ impact ที่คาดหวังภายใน 6–12 เดือน:RFQ cycle time ลดลงจาก 3–5 วันเหลือ ไม่เกิน 1 วันทำการ สำหรับ standard purchases
Procurement officer capacity เพิ่มขึ้น ทีมเดิมสามารถรับ volume ที่สูงขึ้นได้โดยไม่ต้องเพิ่มคน เพราะ coordination งานถูก AI รับไป
Spend visibility (การมองเห็นข้อมูลการใช้จ่ายแบบ real-time) ดีขึ้นอย่างมีนัยสำคัญ เพราะทุก transaction update เข้า ERP อัตโนมัติ ไม่ใช่รอให้ Procurement officer กลับมากรอก
Vendor consolidation opportunity — AI วิเคราะห์ spending pattern และ surface โอกาสในการรวม purchase เพื่อ negotiate ราคาที่ดีขึ้นองค์กรที่ลงทุนใน procurement digitization อย่างจริงจัง บรรลุเป้าหมาย cost savings ได้ 96% ของเวลา และ AI สามารถสร้าง efficiency gains ได้ 25–40% Ivalua
Projected ROI โดยรวม: ~42% ภายใน 12 เดือนแรก
(estimated จาก cycle time reduction, capacity gain และ spend optimization opportunity — ตัวเลขจริงขึ้นอยู่กับ purchase volume, vendor complexity และ approval structure ของแต่ละองค์กร)
Keep Compounding จากจุดนี้ไปเรื่อยๆ
เมื่อ Automated RFQ Workflow ทำงาน stable แล้ว
Vendor Performance Monitoring — AI ติดตาม on-time delivery, quality scores และ pricing trend ของแต่ละ vendor อัตโนมัติ และ surface risk (สัญญาณความเสี่ยง) ก่อนที่จะกลายเป็นปัญหาต่อ supply chain
Contract Renewal Automation — AI track วันหมดอายุของทุกสัญญา vendor และเริ่ม renewal process ล่วงหน้าตาม lead time ที่กำหนด โดยไม่ต้องให้ Procurement officer ตั้ง reminder เอง
Spend Analytics Dashboard — Finance และ Procurement เห็น spend data แบบ real-time แยกตาม category, vendor, department และ budget code โดยไม่ต้องรอ monthly report
Cross-function Integration กับ Legal — เมื่อ Contract Review AI ของทีม Legal ทำงานอยู่แล้ว Procurement สามารถส่ง vendor contract ใหม่เข้าระบบ Legal review อัตโนมัติ ทำให้ cycle time ของการ onboard vendor ใหม่ลดลงอีก
ทุก Use case ที่ deploy ทำให้ platform รู้จัก procurement pattern ขององค์กรคุณมากขึ้น และ ROI ของ use case ถัดไปสูงกว่าของเดิมเสมอ
