AI בניהול ספקים - איפה זה כבר עובד ואיפה עוד לא

ניהול ספקים הוא אחד התחומים במערכת האיכות שמייצר את העבודה הכי חוזרת ונשנית: שאלוני הערכה, מבדקים, מעקב אחר ביצועים, עדכון Approved Supplier Lists. זה גם תחום שבו ראיתי את ה-AI מביא ערך אמיתי, אבל גם תחום שבו חשוב להבין בדיוק מה הוא יכול ולא יכול לעשות, בהתאם לדרישות ISO 13485:2016 שחלות על כל שלב בתהליך.

הבסיס הרגולטורי: מה ISO 13485 דורש בניהול ספקים

לפני שמדברים על AI, חשוב לעגן את הדיון בדרישות. ISO 13485:2016 מגדיר את ניהול הספקים בסעיף 7.4, עם שלושה חלקים מרכזיים:

• סעיף 7.4.1 — תהליך הרכש: הארגון חייב לבסס ולתחזק תהליכים להבטחה שהמוצרים שנרכשים עומדים בדרישות. דרישת המפתח כאן היא ש"הארגון יעריך ויבחר ספקים על בסיס יכולתם לספק מוצר שעומד בדרישות הארגון". ההערכה צריכה להיות מבוססת על קריטריונים מוגדרים, ותוצאותיה מתועדות.

• סעיף 7.4.2 — מידע לרכש: כל הזמנת רכש צריכה לכלול תיאור מדויק של המוצר הנרכש, כולל דרישות לאישור, לכשירות, ולתהליכים.

• סעיף 7.4.3 — אימות מוצר שנרכש: הארגון חייב לקיים פעילויות לאימות שהמוצרים שנרכשו עומדים בדרישות, ברמה שמבוססת על סיכון.

מעבר לכך, MDSAP מוסיף דרישות ספציפיות לתיעוד ולהדגמה של הערכת ספקים.

איפה ה-AI כבר עובד בניהול ספקים

הכנת שאלוני הערכה ראשוניים

זה אחד השימושים הכי מוצלחים שמצאתי. לפני מבדק ספק, אני מתארת ל-AI את הספק: מה הוא מספק, מה רמת הסיכון, אילו תהליכים רלוונטיים, אילו דרישות חלות. ה-AI מייצר שאלון הערכה ראשוני תוך דקות.

השאלון תמיד עובר עריכה. אני מוסיפה שאלות ספציפיות שנובעות מהיסטוריה עם הספק, מממצאי מבדקים קודמים, מנושאים שעלו בתלונות. אבל הבסיס מגיע מהר, ואני לא מתחילה מדף לבן.

ניסוח הסכמי איכות (Quality Agreements)

הסכמי איכות עם ספקים קריטיים הוא דרישה שה-ISO מצפה לה. ה-AI יכול לייצר טיוטת הסכם ראשונית שמכסה את הנושאים המרכזיים: הגדרת אחריות, דרישות להודעה על שינויים (Change Notification), דרישות תיעוד, הזכות למבדק של הארגון ולביקורת רגולטורית.

כמו תמיד, הטיוטה דורשת עריכה ואימות. אבל עצם יצירת המבנה ורשימת הנושאים היא עבודה שה-AI מקצר משמעותית.

ניתוח מגמות בביצועי ספקים

אם יש נתוני ביצועים (אחוזי אי-עמידה, מספר NCRs, זמני תגובה ל-SCAR), ה-AI יכול לסייע בניתוח המגמות, בזיהוי דפוסים, ובניסוח סיכום שמשרת את דרישת סעיף 8.4 של ISO 13485 לניתוח נתונים. זה מהווה שימוש יעיל במיוחד כשיש כמות גדולה של ספקים ונתונים.

תיעוד תוצאות ביקורות ספקים

לאחר המבדק, AI יכול לסייע בניסוח הממצאים ובמבנה הדוח, כמו שדנו במאמר על דוחות מבדקים. עבור ספקים, הדגש הוא על קישור ברור בין הממצא לדרישה החוזית או לדרישת ISO 13485, ועל בהירות לגבי מה נדרש כפעולה מתקנת.

איפה ה-AI עוד לא עובד בניהול ספקים

הערכת סיכון ספק: שיפוט שאינו ניתן להאצלה

ה"לב" של ניהול ספקים לפי ISO 13485 הוא הערכה מבוססת סיכון. מה רמת הסיכון שהספק הזה מייצג? האם הוא Critical Supplier? האם המוצרים שלו הם חלק ישיר של המכשיר הרפואי, או תומכים בייצור? האם יש ספק חלופי זמין?

ההחלטות האלה דורשות הבנה של המוצר, של שרשרת האספקה, של ההשפעה הקלינית הפוטנציאלית של כשל. AI יכול לספק מסגרת לחשיבה, אבל ההחלטה עצמה חייבת להגיע מאדם שמבין את ההקשר.

בניית אמון ויחסי עבודה

ניהול ספקים הוא לא רק תהליך, הוא גם מערכת יחסים. ספק שסומך עליך ומתייעץ איתך לפני שהוא מבצע שינוי, שמדווח לך מיד כשיש בעיה, שמשקיע בעמידה בדרישות כי הוא מבין למה זה חשוב, הוא נכס. בניית היחסים האלה היא עבודה אנושית לחלוטין.

SCAR מורכב

כשספק מקבל ממצא משמעותי, תהליך ה-SCAR דורש הבנה של תהליך הייצור שלו, של ההיסטוריה שלו, ושל מה שהיה אפשרי ומה לא. AI יכול לסייע בניסוח, אבל ההבנה של האם תוכנית הפעולה שהספק מציע היא ריאלית ואפקטיבית, זה שיפוט אנושי.

מבדקי פתע ושיקולי הסלמה (Escalation)

מתי מבצעים מבדק פתע? מתי מחליטים להוריד ספק מ-Approved Supplier List? מתי מדרגים ספק מ-Approved ל-Conditional? אלה החלטות שדורשות נתונים, שיפוט, ולעיתים גם אומץ. לא AI.

ניהול ספקים ב-EU MDR: שכבה נוספת

תחת MDR Article 10(9)(d), היצרן חייב לקיים מערכת איכות שכוללת בקרה על ספקים וקבלני משנה. אבל מה שיצרנים רבים לא מודעים אליו הוא שהנוטיפייד בודי עצמו מוסמך, לפי Annex VII Section 4.5.2(b) של ה-MDR, לבקר ישירות אצל ספקי היצרן, כאשר פעילות הספק משפיעה באופן מהותי על התאימות של המכשיר הסופי.

המשמעות המעשית היא משמעותית: ניהול ספקים לקוי הוא לא רק ממצא פנימי שמטופל בתוך מערכת האיכות. הוא יכול להפוך לממצא ישיר בביקורת של הנוטיפייד בודי, כולל ביקורת שמתבצעת בשטח אצל הספק עצמו. נוטיפייד בודי שמגיע לספק ומוצא שאין הסכם איכות, שאין תיעוד של הערכה תקופתית, או שבקרת הספקים של היצרן לא אפקטיבית, יתעד את זה כממצא כנגד היצרן.

לכן, כשמשתמשים ב-AI לניהול ספקים, התיעוד שמופק, שאלוני ההערכה, דוחות הביקורת, הסכמי האיכות, צריכים להיות ברמה שמחזיקה לא רק מבדק פנימי, אלא גם ביקורת של נוטיפייד בודי.

כלי AI ספציפיים שמתחילים לצוץ בניהול ספקים

ראוי לציין שמעבר לשימוש ב-AI ככלי כתיבה, מתחילות להופיע מערכות איכות שמשלבות AI פונקציונלי בניהול ספקים: מערכות שמנתחות אוטומטית שאלוני ספקים, מאתרות חריגות בביצועים, ומדרגות ספקים על בסיס נתונים היסטוריים.

אם ארגון מאמץ מערכות כאלה, חוזרות הדרישות שדיברנו עליהן במאמר על ולידציה: המערכת עצמה דורשת תיקוף לפי ISO 13485 סעיף 4.1.6, ויש לתעד איך היא משתלבת בתהליך ניהול הספקים.

לסיום: AI מייעל, ניסיון מחליט

ניהול ספקים הוא תחום שבו הניסיון מדבר. אודיטור שביקר מאות ספקים יודע לזהות בעשר דקות ראשונות של ביקורת אם יש בעיה. הוא מזהה את הסימנים שלא כתובים בשאלון: איך הספק מקבל אתכם, האם מנהל האיכות יודע לענות ממקום של ידע או ממקום של ניירת, איך הם מדברים על הממצאים הקודמים שלהם.

AI לא יהיה בחדר ההוא. הוא יכול לעזור לך להתכונן אליו. וזה ערך אמיתי.