Uloga generativne umjetne inteligencije u lancima opskrbe

Baš kao što su poremećaji u opskrbnom lancu postali česta tema rasprava u odborima 2020., Generative AI je brzo postao vruća tema 2023. Uostalom, OpenAI-jev ChatGPT dosegao je 100 milijuna korisnika u prva dva mjeseca, što ga čini najbrže rastućim usvajanjem potrošačkih aplikacija u povijesti.

Lanci opskrbe su u određenoj mjeri prikladni za primjene generativne umjetne inteligencije, budući da funkcioniraju i generiraju ogromne količine podataka. Raznolikost i količina podataka te različite vrste podataka dodaju dodatnu složenost iznimno složenom problemu stvarnog svijeta: kako optimizirati performanse opskrbnog lanca. I dok su slučajevi upotrebe generativne umjetne inteligencije u opskrbnim lancima ekspanzivni – uključujući povećanu automatizaciju, predviđanje potražnje, obradu i praćenje narudžbi, prediktivno održavanje strojeva, upravljanje rizikom, upravljanje dobavljačima i više – mnogi se također primjenjuju na prediktivnu umjetnu inteligenciju i već su usvojeni i raspoređeni u mjerilu.

Ovaj dio opisuje nekoliko slučajeva upotrebe koji su posebno prikladni za generativnu umjetnu inteligenciju u opskrbnim lancima i nudi neke mjere opreza koje bi voditelji opskrbnog lanca trebali razmotriti prije ulaganja.

Potpomognuto donošenje odluka

Glavna svrha AI i ML u opskrbnim lancima je olakšati proces donošenja odluka, nudeći obećanje veće brzine i kvalitete. Prediktivna umjetna inteligencija to čini pružanjem preciznijih predviđanja i prognoza, otkrivanjem novih obrazaca koji još nisu identificirani i korištenjem vrlo velike količine relevantnih podataka. Generativna umjetna inteligencija može ovo učiniti korak dalje podržavajući različita funkcionalna područja upravljanja opskrbnim lancem. Na primjer, upravitelji opskrbnog lanca mogu koristiti generativne AI modele za postavljanje razjašnjavajućih pitanja, traženje dodatnih podataka, bolje razumijevanje čimbenika utjecaja i uvid u povijesnu izvedbu odluka u sličnim scenarijima. Ukratko, generativna umjetna inteligencija korisniku znatno ubrzava i olakšava proces due diligencea koji prethodi donošenju odluka.

Štoviše, na temelju temeljnih podataka i modela, generativna umjetna inteligencija može analizirati velike količine strukturiranih i nestrukturiranih podataka, automatski generirati različite scenarije i dati preporuke na temelju predstavljenih opcija. To značajno smanjuje posao bez dodane vrijednosti koji trenutačno obavljaju upravitelji opskrbnog lanca i omogućuje im da provedu više vremena u donošenju odluka temeljenih na podacima i bržem reagiranju na tržišne promjene.

(Moguće) rješenje za nedostatak talenta za upravljanje lancem opskrbe

Tijekom proteklih nekoliko godina, poduzeća su patila od manjka talenata za opskrbni lanac zbog iscrpljenosti planera, iscrpljivanja i strme krivulje učenja za nove zaposlenike zbog složene prirode funkcije posla. Generativni modeli umjetne inteligencije mogu se prilagoditi standardnim operativnim postupcima poduzeća, poslovnim procesima, tijekovima rada i softverskoj dokumentaciji, a zatim mogu odgovoriti na korisničke upite kontekstualiziranim i relevantnim informacijama. Konverzacijsko korisničko sučelje koje se obično povezuje s generativnom umjetnom inteligencijom značajno olakšava interakciju sa sustavom podrške i pruža mogućnost preciziranja upita, dodatno ubrzavajući vrijeme potrebno za pronalaženje prave informacije.

Kombinacija generativnog sustava učenja i razvoja temeljenog na umjetnoj inteligenciji s generativnim donošenjem odluka potpomognutog umjetnom inteligencijom može pomoći u ubrzavanju rješavanja raznih problema upravljanja promjenama. Također može ubrzati prijem novih zaposlenika smanjenjem vremena potrebnog za obuku i zahtjeva za radnim iskustvom. Što je još važnije, generativno AI može osnažiti osobe s invaliditetom poboljšanjem komunikacije, poboljšanjem kognicije, pomoći u čitanju i pisanju, pružanjem osobne organizacije i podržavanjem kontinuiranog učenja i razvoja.

Dok se neki boje da će generativna umjetna inteligencija dovesti do gubitka radnih mjesta u nadolazećim godinama, drugi misle da hoće podignite razinu posla uklanjanjem zadataka koji se ponavljaju i stvaranjem mjesta za one strateškije. U međuvremenu se predviđa da će riješiti današnji kronični lanac opskrbe i nedostatak digitalnih talenata. Zato je važno naučiti kako raditi s tehnologijom.

Izgradnja modela digitalnog lanca opskrbe

Lanci opskrbe moraju biti otporni i agilni, što zahtijeva vidljivost između poduzeća. Opskrbni lanac mora "poznavati" cijelu mrežu radi vidljivosti. Međutim, izgradnja digitalnog modela cijele mreže opskrbnog lanca s n razina često je previsoka. Velika poduzeća imaju podatke raširene po desecima ili stotinama sustava, sa većina velikih poduzeća upravlja s više od 500 aplikacija istovremeno preko ERP-a, CRM-a, PLM-a, nabave i izvora, planiranja, WMS-a, TMS-a itd. Uz svu ovu složenost i fragmentiranost, izuzetno je teško logično spojiti te različite podatke. Ovo se pogoršava kada organizacije gledaju dalje od dobavljača prve ili druge razine tamo gdje prikupljanje podataka u strukturiranom formatu nije vjerojatno.

Generativni AI modeli mogu obraditi goleme količine podataka, uključujući strukturirane (glavni podaci, podaci o transakcijama, EDI) i nestrukturirane podatke (ugovori, fakture, skenirane slike), kako bi identificirali obrasce i kontekst uz ograničenu prethodnu obradu podataka. Budući da generativni modeli umjetne inteligencije uče iz uzoraka i koriste izračune vjerojatnosti (uz nešto ljudske intervencije) za predviđanje sljedećeg logičkog izlaza, oni mogu stvoriti istinitiji digitalni model n-slojne mreže opskrbe – brže i na skali – i optimizirati inter- i intra -suradnja i vidljivost tvrtke. Ovaj n-slojni model može se dodatno obogatiti kako bi podržao ESG inicijative uključujući, ali ne ograničavajući se na identifikaciju konfliktnih minerala, korištenje ekološki osjetljivih resursa ili područja, izračunavanje emisija ugljika proizvoda i procesa i više.

Iako generativna umjetna inteligencija pruža značajnu priliku liderima opskrbnog lanca da budu inovativni i stvore stratešku prednost, postoje određeni problemi i rizici koje treba razmotriti.

Vaš lanac opskrbe je jedinstven

Opća upotreba generativne umjetne inteligencije, poput ChatGPT-a ili Dall-E-a, trenutno je uspješna u rješavanju zadataka koji su šire prirode jer se modeli obučavaju na ogromnim količinama javno dostupnih podataka. Kako biste doista iskoristili mogućnosti generativne umjetne inteligencije za lanac opskrbe poduzeća, ovi će modeli morati biti fino podešeni na odgovarajućim podacima poduzeća i kontekstu specifičnom za vašu organizaciju. Drugim riječima, ne možete koristiti model koji je općenito obučen. Izazovi upravljanja podacima poput kvalitete podataka, integracije i performansi koji ometaju trenutne projekte transformacije također mogu utjecati na generativna ulaganja u umjetnu inteligenciju, što dovodi do vremenski intenzivne i skupe vježbe bez odgovarajućeg rješenja za upravljanje podacima koji već postoji.

Generativna AI ovisi o razumijevanju obrasci unutar podataka o obuci i ako su stručnjaci za lanac opskrbe išta naučili u posljednje tri godine to je da će se lanci opskrbe i dalje suočavati s novim rizicima i prilikama bez presedana.

Sigurnost i propisi

Osnovni zahtjev generativnih AI modela je pristup golemim količinama podataka za obuku kako bi se razumjeli obrasci i kontekst. Ipak, ljudsko sučelje generativnih AI aplikacija može dovesti do lažnog predstavljanja korisnika, krađe identiteta i drugih sigurnosnih problema. Dok ograničeni pristup obuci za modele može dovesti do slabijeg učinka umjetne inteligencije, odobravanje nesmetanog pristupa podacima u opskrbnom lancu može dovesti do incidenata u vezi s informacijskom sigurnošću u kojima kritične i osjetljive informacije postaju dostupne neovlaštenim korisnicima.

Također nije jasno kako će različite vlade odlučiti regulirati generativnu umjetnu inteligenciju u budućnosti budući da usvajanje nastavlja rasti i otkrivaju se nove primjene generativne umjetne inteligencije. Nekoliko stručnjaka za umjetnu inteligenciju izrazilo je zabrinutost zbog rizik koji predstavlja AI, tražeći od vlada da pauziraju divovske eksperimente s umjetnom inteligencijom dok tehnološki čelnici i kreatori politika ne uspostave pravila i propise kako bi se osigurala sigurnost.

Generativna umjetna inteligencija nudi obilje mogućnosti poboljšanja za one organizacije koje mogu iskoristiti ovu tehnologiju i stvoriti multiplikator snage za ljudsku genijalnost, kreativnost i donošenje odluka. Uz to, sve dok ne budu obučeni i eksplicitno dizajnirani modeli za slučajeve upotrebe lanca opskrbe, najbolji način za napredovanje je uravnotežen pristup generativnim ulaganjima u umjetnu inteligenciju.

Uspostavljanje odgovarajućih zaštitnih ograda bit će razborito kako bi se osiguralo da AI poslužuje skup optimiziranih planova za svakog korisnika za pregled i odabir koji su usklađeni s poslovnim procesima i ciljevima. Poduzeća koja kombiniraju "poslovne priručnike" s generativnom umjetnom inteligencijom najbolje će moći povećati kapacitet timova za planiranje, odlučivanje i izvođenje dok još uvijek optimiziraju željene poslovne rezultate. Prije ulaganja u novu generativnu tehnologiju umjetne inteligencije organizacije bi također trebale razmotriti čvrstu poslovnu argumentaciju, sigurnost podataka i korisnika te mjerljive poslovne ciljeve.