Ocena 280 dostawców: AI agreguje 24 metryki — top decyzja zakupowa

Sytuacja przed wdrożeniem

Producent maszyn rolniczych, 240 osób. 280 aktywnych dostawców. Ocena dostawców: ad-hoc, oparta na "kto akurat zawalił". Nie wiedzieliśmy systemowo, kto jest TOP, kto jest ryzykiem. Konsolidacja dostawców nie była robiona — kupowaliśmy te same łożyska od 6 dostawców.

Co zrobiliśmy

• AI tracking 24 metryki per dostawca:
• 1. On-time delivery (% w okresie).
• 2. In-full delivery (% zamówień bez braków).
• 3. Jakość (% defektów przy odbiorze).
• 4. Ceny vs średnia rynkowa.
• 5. Czas reakcji na zapytanie ofertowe.
• 6. Stabilność cen w czasie.
• 7. Dokumentacja (certyfikaty, świadectwa zgodności).
• 8. Komunikacja (responsywność).
• 9. Finansowa kondycja (z KRS).
• 10. ESG (jeśli ma raport).
• + 14 innych.
• Scoring 0–100 per dostawca + ranking.
• Identyfikacja: 8 dostawców kupowanych do 12 SKU, które obsługuje też 3-4 innych dostawców (możliwa konsolidacja).
• Negocjacje z TOP dostawcami: "konsolidujemy u Was 40% wolumenu, oczekujemy -8% ceny".
• Risky vendors: 4 dostawców z trendem pogorszenia → backup vendors uruchomione.

Rezultat

Koszty zakupów: -18% (negocjacje + konsolidacja). Liczba aktywnych dostawców: z 280 na 165. Średnia ocena dostawcy: 76 → 88. On-time delivery dostawców: z 81% na 94%. Defekty na odbiorze: -47%. Decyzja "u kogo kupić" oparta na danych, nie na "lubię Janusza z hurtowni".