首页 科技 北京筑龙:大模型助力下的采购供应链智能化应用

北京筑龙:大模型助力下的采购供应链智能化应用

6月26日-28日,由中国石油和石化工程研究会联合中国石油、中国石化、中国海油、国家管网、国家能源、中国中化等单位举办的“中国石油石化智慧供应链技术交流大会暨石油石化企业供应链管理…

6月26日-28日,由中国石油和石化工程研究会联合中国石油、中国石化、中国海油、国家管网、国家能源、中国中化等单位举办的“中国石油石化智慧供应链技术交流大会暨石油石化企业供应链管理研讨会”在西安市召开。北京筑龙智能化事业部总经理、筑龙研究院副院长胡婧玥受邀出席,带来主题为“大模型加持下的采购供应链智能化应用”的分享,同与会嘉宾探讨北京筑龙基于AI大模型在采购供应链中的应用与探索。

胡婧玥指出,AI大模型技术虽在文档解析、对话交互等方面表现出色,但面临数据安全、业务建模、模型泛化等挑战。特别是在特定问题处理上,其答案可能缺乏数据支撑,影响应用的可信度和可靠性。

她表示,大模型在行业内的应用需结合行业数据的加工预处理、专业的提示工程及模型微调、结果的深加工处理才能获得预期的应用效果。并分享了北京筑龙通过应用大模型技术构建的招标采购智能化全景应用,重点分享了3个大模型在招标采购领域深度应用的场景。

图-北京筑龙招标采购智能化全景应用

智能辅助审查AI+数据驱动,提升审查效能与决策精准度

胡婧玥指出,确保招标文件的合法合规性是企业进行公正、公平、透明招标活动的基础。针对当前存在的一系列挑战,如准入门槛过高、地域限制、所有制歧视、差异得分、信用评价标准不统一以及不合理限制措施等,需采取智能化手段,优化和补充企业现有的审查机制。

北京筑龙以“提高审查效能,辅助各业务人员决策”为目标,应用AI大模型技术,结合业务场景,生成标书公平竞争审查大模型。助力招标人、招标代理、监督人等各业务人员更高效地处理标书审查工作,减少人工干预,提高审查效能。通过自动化和智能化的审查流程,企业能够更快速地识别潜在风险,制定更合理的审查策略,确保招标活动的公正、公平、透明。

智能辅助评审,AI辅助决策,让评审效率提升70%以上

胡婧玥指出,数字化时代,传统评标工具面临诸多困境:

一是效率问题,现在的评审环节与纸数字化质化时代区别并不大,仍需专家逐个评审,需要借助技术提升效率。

二是质量问题,专家评委的专业能力和主观性都会导致评标质量存在差异,标书文件数量大也会导致评审有遗漏。

三是围串标问题,传统的评标工具对于投标人之间的围串标发现能力略显不足,特别是在内容雷同和关系交叉等方面缺乏有效手段。

四是监管问题,对于评审专家的评标专业性、打分偏离度、投标人异常投标行为等内容也需要加强监管。

基于此北京筑龙借助大模型对标书文件的内容解析能力实现评审的智能化。以“提升评标效率、辅助专家决策”为目标,打造了“智能辅助评审”工具。可自动解析招标文件的要求、自动分析投标文件的构成、自动对比投标文件的响应情况、自动计算客观分及生成评标报告,将评标业务场景从耗时耗力的人力审查过渡到以算法检查为先,专家对结果进行复核决策的数字化、智能化时代。

物资编码智能化,让企业物料数据标准化,轻松实现一物一码

随后,胡婧玥介绍了北京筑龙在企业物资编码方面的智能化应用。她指出,部分国央企通过不断实践,在企业物料打通方面取得了阶段性的成果,但是也遇到了难以突破的问题。具体可以归纳为三点:

其一, 投入巨大。物料主数据的建设涉及到大量的物料品种以及海量的编码数据,少则几万,多则几十上百万,成本、建设周期、参与人员都需要极大的投入。

其二,规范性难以延续。物料主数据“三分建设、七分运营”,很多企业往往重视建设过程,却忽略了后期的使用,在数据的填报和审核都出现了很多不规范的现象,数据质量有待优化。

其三,与使用习惯不符。物资编码的管理是以物料码为主要对象,而使用者通常是以物料的属性参数描述来认知和区分物料的,这样就导致二者之间存在差异,编码的管理与使用习惯不太相符。

图-企业物料主数据“编码”难题

胡婧玥介绍了北京筑龙的解决方案,基于AI算法+大模型,打造了物料管理方法论。智能物料结合了传统的物料编码技术和自然语言处理技术(AI算法+大模型),实现智能赋码、智能推荐、智能排重、智能映射四方面智能化能力,可将原始杂乱的物料数据进行结构化、标准化转换,提升物料编码管理的效率与质量。其中智能推荐与智能排重解决企业物资编码的“新入库”编码与“存量编码”问题;智能赋码为采购物料清单快速获取编码;而智能映射将解决集团与下级单位编码数据统一问题。

图-北京筑龙部分企业客户

北京筑龙的成功实践为大模型技术的应用和发展提供了新的思路和方向,展示了AI技术在推动产业升级和数字化转型中的重要作用。下一步,北京筑龙将继续深化大模型在采购招标领域的应用,推动技术的裂变和智能化落地。同时,将依据沉淀的适应大模型B端落地的应用范式,为行业的数字化转型和产业升级贡献更多力量。

本文来自网络,不代表石家庄热线立场。转载请注明出处: http://www.shijiazhuanrx.com/keji/9406.html
上一篇
下一篇

为您推荐

返回顶部