Más inteligente, más rápido y escalable: cómo Keyrus aprovechó GenAI y UNSPSC para la clasificación de productos

Origen

EEl cliente es una empresa de software de eProcurement en la nube, especializada en soluciones procure-to-pay para organizaciones de biotecnología y ciencias de la vida. Su plataforma permite optimizar procesos de compras, acelerar operaciones y mejorar la visibilidad del gasto. Tras una ronda de inversión para crecimiento, la compañía necesitaba escalar su operación, mejorar la calidad de sus datos y habilitar analítica avanzada para toma de decisiones estratégicas.

Desafío

ELa organización enfrentaba un reto crítico en su estrategia de gestión de datos de compras: • Un catálogo de productos amplio y complejo • Clasificación manual e inconsistente por parte de proveedores • Solo 3 % del gasto correctamente categorizado • Baja visibilidad del gasto y reportes poco confiables Para habilitar analítica de procurement, optimización de categorías y estrategias de compra, era indispensable automatizar la clasificación bajo el estándar UNSPSC, de forma precisa, escalable y sostenible.

Enfoque

En Keyrus, diseñamos una solución basada en inteligencia artificial generativa, analítica de datos y arquitectura moderna en la nube, siguiendo un enfoque estructurado: - Nos involucramos desde el principio con las partes interesadas para alinear los objetivos comerciales, las prioridades taxonómicas y los criterios de éxito, centrándonos en los segmentos de alto impacto vinculados a la actividad confirmada de órdenes de compra. - Creamos una dimensión de producto central como parte del nuevo almacén de datos Snowflake del cliente utilizando AWS DMS para la ingestión y dbt para el modelado de datos, lo que garantizó una base estandarizada para la clasificación. - Implementamos un motor de clasificación GenAI utilizando AWS Lambda para orquestar las llamadas a OpenAI/ChatGPT, lo que permitió realizar predicciones UNSPSC automatizadas en los productos priorizados. - Se integró un proceso de validación con intervención humana, en el que expertos en la materia podían revisar los códigos predichos por la IA. Las clasificaciones confirmadas se almacenaron en una base de datos vectorial Snowflake para su futura recuperación por parte de la IA y la mejora del modelo. - Se estableció un embudo de revisión basado en la confianza, que solo mostraba las clasificaciones predichas por GenAI por encima de un umbral definido para el análisis posterior y las interfaces de usuario. - Se proporcionaron vistas de informes clave utilizando AWS QuickSight para realizar un seguimiento de la cobertura de la taxonomía, la comparación entre proveedores y GenAI, y las categorías emergentes de alto gasto, lo que permitió a los equipos comerciales revisar las estrategias de adquisición y las definiciones de categorías. - Se colaboró de manera interfuncional con los equipos de adquisiciones y análisis para garantizar que los resultados de la clasificación se ajustaran a los flujos de trabajo de los usuarios finales, las características del software de adquisiciones y los procesos de toma de decisiones.

Resultados clave

Beneficios

La solución transformó un proceso manual y poco escalable en un sistema automatizado de clasificación inteligente, generando beneficios clave: • Más de 20 veces mayor cobertura de taxonomía UNSPSC • Datos de compras más confiables y consistentes • Mejor experiencia de usuario en búsqueda y análisis de productos • Toma de decisiones basada en datos completos y de alta calidad • Plataforma preparada para escalar con nuevos modelos de IA Este enfoque garantiza sostenibilidad a largo plazo, eficiencia operativa y una base sólida para analítica avanzada en procurement.

Comparte esta key play