AI to ROI: kako je Dun & Bradstreet automatizovao procenu rizika dobavljača
Dun & Bradstreet (D&B) je kompanija sa 185 godina istorije u oblasti podataka i analitike, sa više od 590 miliona poslovnih zapisa u globalnoj bazi. U 2026. godini kompanija je zajedno s IBM-om izgradila D&B Ask Procurement — AI asistent dizajniran da automatizuje procenu rizika dobavljača za korporativne nabavne timove.
Šta sistem radi
Asistent radi na IBM WatsonX Orchestrate, integrisajući Meta Llama 3 i Mistral LLM s D&B-ovim propijetarnim podacima za zadatke koji su ranije zahtevali ručno istraživanje u više sistema: skoring rizika dobavljača, detekcija prevara, provera usklađenosti i onboarding dobavljača. Kritičan korak bila je integracija sa postojećim ERP i nabavnim sistemima kako bi rezultati direktno ulazili u procese donošenja odluka bez posrednog koraka ručnog prenosa.
Izmereni rezultati
Rezultati su bili konkretni. Višekorišćne analize dobavljača koje su ranije trajale satima svedene su na sekunde. Vreme utrošeno na nabavne zadatke smanjilo se za 10–20%. Procene rizika postale su konzistentnije i odbranjivije, uz rezultate izvedene iz strukturiranih podataka umesto iz individualnog analitičarevog suda — što ih čini auditabilnim i lakšim za interno opravdanje.
Tri lekcije za product manager-e
Autori Ray Rike i Peter Buchanan iz AI to ROI newslettera izdvajaju tri lekcije iz D&B implementacije.
Prva: propijetarni podaci su stvarni konkurentski rov. 590 miliona D&B zapisa čini asistenta korisnim tamo gde standardni LLM primenjen na iste zadatke ne bi bio dovoljan. AI sloj crpi vrednost iz podatkovnog aseta, a ne iz same modela.
Druga: integracija u radni tok je obavezna. Alat koji proizvodi tačan rezultat ali zahteva ručni prenos da bi dostigao donosioce odluka ne menja ukupno vreme rada. Efikasnost u D&B-u se materijalizovala zato što su rezultati ulazili u postojeće ERP sisteme bez posrednih koraka.
Treća: svaka efikasnost merena je na nivou zadatka — uštedeni sati po analizi, procentualno smanjenje vremena — što čini ROI račun odbranjivim pred menadžmentom. Apstraktne tvrdnje o mogućnostima ne preživljavaju budžetske razgovore; uštedeno vreme po zadatku — preživljava.
Za product manager-e B2B kompanija, ovaj case study nudi šablon za pozicioniranje AI funkcionalnosti: identifikovati propijetarni podatkovni asset, ugraditi rezultate direktno u postojeće radne tokove i meriti efikasnost na nivou zadataka — a ne kroz apstraktne tvrdnje o mogućnostima.