Design guidelines for future procurement analytics software

Abstract

This Master’s Thesis addresses the future of the design of procurement analytics software. Amidst pressure from a competitive market, procurement analytics providers need to differentiate against competitors and increasingly intelligent do-it-yourself-solutions. The goal of this thesis is to identify key design guidelines for future procurement analytics by identifying the important future features and discussing how they should be designed.

Incorporating evidence from a literature review and interviews with Sievo’s, a Finnish procurement analytics provider, customers and employees, the thesis implies that artificial intelligence (AI) driven features as well as live data integrated to external applications are notable factors of procurement software’s future.

The results of the research show that designers going forward need to design AI-features for human override and control as default. AI agents should operate alongside human employees, with the possibility for human users to customize the extent of AI-driven operations. In addition, people should be able to take over and override AI-made recommendations and decisions to mitigate potential errors’ impact. Such control will lessen user resistance and enhance users’ trust in the AI-features.

In addition to users’ control of AI, transparency is a usability requirement of AI-driven features. Users should be able to view the reasoning behind AI-offered insights and be kept within the loop of AI executed actions. This way, they are more likely to be able to trust the recommendations and actions made by the AI which enhances its user experience and adoption.

Finally, integrated platforms and real-time data should be treated as accessibility contributors. Integrating an AI-agent to platforms the users already use would enable them to inspect data using natural language, whenever and wherever they are. In the case of global disruptions, such as natural disasters, the software could help the users by offering near immediate speculative scenarios relating to the recent event, helping them to take appropriate action in time.

Tämä Diplomityö käsittelee hankinta-analytiikkaohjelmistojen suunnittelun tulevaisuutta. Alan kilpailun aiheuttaman paineen keskellä hankinta-analytiikan tarjoajien on erottauduttava kilpailijoistaan sekä yhä älykkäämmistä tee-se-itse-ratkaisuista. Tutkielman tavoitteena on tunnistaa keskeisiä suunnitteluohjeita tulevaisuuden hankinta-analytiikalle määrittämällä tärkeät tulevaisuuden ominaisuudet ja pohtimalla, miten ne tulisi suunnitella.

Kirjallisuuskatsauksen sekä Sievon, suomalaisen hankinta-analytiikan tarjoajan, asiakkaiden ja työntekijöiden haastattelujen pohjalta tutkielma osoittaa, että tekoälyyn (AI) perustuvat ominaisuudet sekä reaalikaikainen data ulkoisiin applikaatioihin integroituna ovat merkittäviä tekijöitä hankintaohjelmistojen tulevaisuudessa.

Tutkimuksen tulokset osoittavat, että suunnittelijoiden tulee jatkossa kehittää tekoälyominaisuuksia siten, että ihmisellä on oletusarvoisesti mahdollisuus ohittaa ja hallita tekoälyn toimintaa. Tekoälyn tulisi toimia ihmisten rinnalla, ja käyttäjien tulisi voida mukauttaa tekoälypohjaisten toimintojen laajuutta. Lisäksi käyttäjien tulisi voida ohittaa tekoälyn suosituksia ja päätöksiä mahdollisten virheiden vaikutusten vähentämiseksi. Tällainen hallinta vähentää käyttäjien vastarintaa ja lisää heidän luottamustaan tekoälyominaisuuksia kohtaan.

Käyttäjien tekoälyn hallintamahdollisuuksien lisäksi läpinäkyvyys on tekoälypohjaisten ominaisuuksien käytettävyyden vaatimus. Käyttäjien tulisi voida nähdä tekoälyn tarjoamien näkemysten perustelut sekä pysyä ajan tasalla tekoälyn suorittamista toiminnoista. Näin käyttäjät todennäköisemmin luottavat tekoälyn tekemiin suosituksiin ja toimenpiteisiin, joka kohentaaa sen käyttökokemusta ja käyttöönottoa.

Lopuksi, integroituja alustoja ja reaaliaikaista dataa tulisi kohdella saavutettavuuden tekijöinä. Tekoälyagentin integroiminen alustoihin, joita käyttäjät jo hyödyntävät, mahdollistaisi datan tarkastelun helposti, luonnollista kieltä hyödyntäen, ajasta ja paikasta riippumatta. Maailmanlaajuisissa häiriötilanteissa, kuten luonnonkatastrofeissa, ohjelmisto voisi tukea käyttäjiä tarjoamalla lähes välittömiä spekulatiivisia skenaarioita tapahtumaan liittyen, mikä auttaisi heitä toimimaan ripeästi.