جائعة للبيانات: كيف يمكن للذكاء الاصطناعي في سلسلة التوريد أن يصل إلى نقطة التحول

الذكاء الاصطناعي (AI) في سلسلة التوريد هو أمر يعتمد على العلاقة بين البيانات والرؤية. هناك من يثني على الذكاء الاصطناعي لما له من قدرة على خلق رؤية أكبر لسلسلة التوريد. ولكن هذا قد كان صحيحًا عندما لم تكن الرؤية الشاملة والفورية لسلسلة التوريد ممكنة. ولكن الذكاء الاصطناعي التحولي في سلسلة التوريد – بما في ذلك الذكاء الاصطناعي التوليدي القوي، الذي يخلق رؤى وأفكار وعمليات وكفاءات جديدة من مجموعات بيانات ضخمة – يتطلب منا قلب المعادلة رأسًا على عقب. الرؤية أولا، ثم الابتكار المدفوع بالذكاء الاصطناعي التوليدي في جميع أنحاء سلسلة التوريد.

تخيل مديرًا إقليميًا للتجزئة، أو موزعًا، أو مصنعًا، أو ضابط شراء يستيقظ في يوم الإثنين ويشغل روبوت محادثة مألوف (ربما حتى تفعيل الصوت) ويسأل باللغة الطبيعية إذا كانت سلسلة التوريد محسنة للأسبوع. وإذا لم تكن كذلك، فيسأل كيف يمكن تعديل سلسلة التوريد لتحقيق أهدافه. يتيح الذكاء الاصطناعي التوليدي هذه التفاعلات مع أنظمة سلسلة التوريد.

ولكن الطريقة الوحيدة التي يمكن للذكاء الاصطناعي التوليدي أن يقدم إجابات تلقائية هي إذا كان يعرف حالة وموقع ووضع وحركة كل منتج وكل صندوق وكل علبة وكل palette في سلسلة التوريد. والطريقة الوحيدة التي يمكن أن يعرفها هو إذا كان المنتجات نفسها يمكن أن تتصل تلقائيًا بالمعلومات دون تدخل بشري. اليوم، يمكنها ذلك من خلال منصة رؤية شاملة تعرف باسم إنترنت الأشياء المحيط.

الذكاء الاصطناعي التوليدي في سلسلة التوريد

تقدر شركة إرنست ويونغ الاستشارية العالمية أن 40٪ من شركات سلسلة التوريد تستثمر في الذكاء الاصطناعي التوليدي. لقد استخدموا الذكاء الاصطناعي التوليدي لتحديد شبكات سلسلة التوريد المعقدة، وتنفيذ سيناريوهات “ماذا لو”، وتوقعات التوريد في اتجاهات الصعود والهبوط، وتنمية روبوتات محادثة حتى يتمكن الشركاء من الحصول على إجابات بسهولة أكبر، وحتى توليد عقود جديدة بناءً على اتفاقيات سابقة أو موجودة.

في مثل هذه الحالات، تقوم الشركات بتدريب نماذج الذكاء الاصطناعي على بياناتها التاريخية الخاصة وما يمكنها استخلاصه من الشركاء. ثم يسألون الذكاء الاصطناعي التوليدي عن كيفية تعزيز الكفاءة. ولكن كما يقول محللو إرنست ويونغ، “أدوات الذكاء الاصطناعي التوليدي قوية فقط كما هو 입력 البيانات، لذلك فهي مقيدة بجودة ومتاحية البيانات من شركاء سلسلة التوريد”.

الغرض الأسمى من الذكاء الاصطناعي في سلسلة التوريد هو توليد طرق وعمليات وتصاميم منتجات وقوائم موردين جديدة بناءً على البيانات في الوقت الفعلي – والقيام بذلك بسرعة أكبر مما يمكن القيام به من قبل البشر (أسرع مما يمكن للبشر القيام به). أو كما قال أحد التنفيذيين لمجلة هارفارد بيزنس ريفيو، “عندما تحدث أزمة سلسلة التوريد، المفتاح للتنافس هو أن تكون أسرع في العثور على موردين بديلين أكثر من الجميع لأن الجميع يبحثون عن القيام بنفس الشيء”.

يتطلب هذا تدريب حلول الذكاء الاصطناعي التوليدي على كميات أكبر – وأكثر حداثة – من البيانات حول عمليات سلسلة التوريد الفعلية. أدخل إنترنت الأشياء المحيط.

إنترنت الأشياء المحيط: لغة سلسلة التوريد

مع إنترنت الأشياء المحيط، تحمل المنتجات والتعبئة والأماكن التوقيعات الرقمية، والتي هي لغة الرؤية في الوقت الفعلي لسلسلة التوريد، والتي تغذي في النهاية إلى نماذج اللغة الكبيرة (LLMs) التي هي أساس الذكاء الاصطناعي التوليدي. هذه التوقيعات تحملها بيكسلات إنترنت الأشياء، وهي علامات إلكترونية ذاتية القوة ومحمولة بحجم الطوابع، تثبت على أي شيء في سلسلة التوريد يحتاج إلى تتبع ومراقبة. تتضمن بيكسلات إنترنت الأشياء قوة الحوسبة الخاصة بها وأجهزة الاستشعار والاتصالات اللاسلكية Bluetooth، مما يسمح للمنتجات والتعبئة بوصف رحلتها في سلسلة التوريد بالبيانات التي يمكن أن يستهلكها نماذج اللغة الكبيرة. في النهاية، تمثل جسرًا بين العالمين المادي والرقمي، مما يجعل بيانات سلسلة التوريد متاحة لأول مرة، والتي يمكن أن توضح وتتنبأ وتنظم العمليات.

تتصل بيكسلات إنترنت الأشياء المحيط بالبيانات عبر شبكة موجودة من الأجهزة اللاسلكية، مثل الهواتف الذكية والنقاط الوصول اللاسلكية، أو عبر جسور وبوابات معيارية سهلة التنصيب. في الواقع، مع الإذن والاحترام اللازمين للخصوصية، يمكن لبيكسلات إنترنت الأشياء المحيط توسيع رؤية سلسلة التوريد حتى المستهلك، مما يسمح بتبادل البيانات حول استخدام المنتجات وإعادة استخدامها وتدويرها، مما يوفر أساسًا لنمذجة الذكاء الاصطناعي التوليدي المتقدمة.

وهي ترسل البيانات بشكل مستمر. على عكس سجلات سلسلة التوريد المستخدمة لتدريب نماذج الذكاء الاصطناعي التوليدي اليوم، تصف بيانات إنترنت الأشياء المحيط سلسلة التوريد الآن. مع هذه الرؤية، كل ما تبقى هو تنفيذ الذكاء الاصطناعي التوليدي لتقديم إجابات لنا، “ما الذي أراه في سلسلة التوريد الآن؟”

الرؤية في الوقت الفعلي وبيانات إنترنت الأشياء المحيط التي تُولَد في جميع أنحاء سلسلة التوريد يمكن أن تساعد حتى في معالجة واحدة من تحديات الذكاء الاصطناعي التوليدي: أن البيانات المستخدمة لتدريب نماذج اللغة الكبيرة تعكس بالضرورة التحيزات غير المقصودة في البيانات من مصادرها، والتي غالبًا ما تشمل أنظمة الشركات المختلفة لبرامج تخطيط الموارد.

المنتجات التي تتبعها إنترنت الأشياء المحيط في سلسلة التوريد تتحدث الحقيقة الموضوعية لأن المنتجات موجودة في المكان الذي تقوله إنترنت الأشياء المحيط، عندما تقوله. و由于 إنترنت الأشياء المحيط لا يتطلب عمالًا يحملون مسحرات RFID لتتبع الشحنات، يمكن تقليل الأخطاء البشرية.

بيانات إنترنت الأشياء المحيط تصف بالضبط المسار والوقت الذي تأخذه المنتجات في سلسلة التوريد. والمنتجات تحمل في جوازات سفرها الرقمية بيانات حول الأطراف والمرافق المشاركة في التعامل معها. إذا كان ذلك مناسبًا، يمكن لبيكسلات إنترنت الأشياء المحيط إضافة معلومات حول درجة الحرارة والرطوبة والانبعاثات الكربونية في كل خطوة.

وفقًا لشركة إرنست ويونغ، واحدة من المجالات التي تستكشفها شركات سلسلة التوريد استخدام الذكاء الاصطناعي التوليدي هي التقارير التنظيمية والإبلاغ عن الشؤون البيئية والاجتماعية والحوكمة (ESG). أفضل طريقة وأكثر فعالية لجمع البيانات الضخمة بحيث ينتج الذكاء الاصطناعي التوليدي معلومات متوافقة هي من خلال إنترنت الأشياء المحيط.

من روبوت المحادثة إلى التأتمت

يوميًا، هناك طريقتان يمكن أن يستفيد منها اتحاد إنترنت الأشياء المحيط والذكاء الاصطناعي التوليدي سلسلة التوريد. أولًا، سوف يسمح لعدد أكبر من الأشخاص في سلسلة التوريد بفهم الحالات المتطورة واتخاذ خطوات نشطة لتحسين أو تصحيح عمليات سلسلة التوريد. لا تحتاج إلى أن تكون محلل بيانات أو خبير شراء لاسأل روبوت محادثة عن حالة الشحنات أو استفسار عن موردين بديلين، على الرغم من أن الشركات سوف تحتاج إلى خبراء بيانات لضمان تطور نماذج اللغة الكبيرة وأدوات الذكاء الاصطناعي التوليدي لتحقيق نتائج مفيدة. ولكن توفير تحليل سلسلة التوريد والاستفسار يمكن أن يسمح بالاتخاذ السريع للقرارات اللازمة للتنافس.

ثانيًا، يمكن للذكاء الاصطناعي التوليدي وأدوات الذكاء الاصطناعي الأخرى المساعدة في بناء جسر نحو التأتمت أكبر في سلسلة التوريد. من خلال التعلم الآلي، وخاصة التعلم التعزيزي الموجود في أنظمة التحكم، يمكن تدريب البرمجيات على اتخاذ قرارات تحقق نتائج أفضل. في النهاية، يمكن تدريبها على اكتشاف انقطاعات سلسلة التوريد قبل حدوثها وتشغيل موردين أو شحنات بديلة تلقائيًا. أو يمكنها بدء الصيانة التنبؤية من خلال تحديد ما إذا كانت أنظمة أو خطوط معينة في المستودع أو التصنيع قد تفشل.

يفعلون ذلك من خلال التعلم من مجموعات بيانات كبيرة، بما في ذلك بيانات سلسلة التوريد التي تولدها إنترنت الأشياء المحيط.

كما تعلمنا في السنوات الأخيرة، سلسلة التوريد المعقدة توجد على حافة شفرة. يمكن لعوامل صغيرة أن تسبب فوضى. سيكون الذكاء الاصطناعي حاسمًا في تجنب الفوضى المستقبلية. ولكن للوصول إلى هناك، تحتاج سلسلة التوريد إلى فتح البيانات للأشياء التي لا يمكن رؤيتها حاليًا. توفر إنترنت الأشياء المحيط بيانات الرؤية التي سيتم بناء ابتكارات الذكاء الاصطناعي التوليدي الغد على أساسها.