Peran Generative AI dalam Rantai Pasokan

Just seperti gangguan rantai pasokan menjadi subjek diskusi ruang rapat pada tahun 2020, Generative AI dengan cepat menjadi topik hangat pada tahun 2023. Setelah semua, OpenAI’s ChatGPT mencapai 100 juta pengguna dalam dua bulan pertama, membuatnya menjadi aplikasi konsumen dengan adopsi pertumbuhan tercepat dalam sejarah.

Rantai pasokan, sampai batas tertentu, sangat cocok untuk aplikasi generative AI, mengingat mereka berfungsi pada dan menghasilkan sejumlah besar data. Varietas dan volume data serta jenis data yang berbeda menambah kompleksitas pada masalah dunia nyata yang sangat kompleks: bagaimana mengoptimalkan kinerja rantai pasokan. Dan sementara kasus penggunaan generative AI dalam rantai pasokan sangat luas – termasuk peningkatan otomatisasi, peramalan permintaan, pemrosesan dan pelacakan pesanan, perawatan prediktif mesin, manajemen risiko, manajemen supplier, dan lain-lain – banyak juga yang berlaku untuk AI prediktif dan telah diadopsi dan diterapkan dalam skala besar.

Bagian ini menguraikan beberapa kasus penggunaan yang sangat cocok untuk generative AI dalam rantai pasokan dan menawarkan beberapa peringatan yang harus dipertimbangkan oleh pemimpin rantai pasokan sebelum membuat investasi.

Pembuatan Keputusan yang Dibantu

Tujuan utama AI dan ML dalam rantai pasokan adalah untuk memudahkan proses pengambilan keputusan, menawarkan janji peningkatan kecepatan dan kualitas. AI prediktif melakukan ini dengan menyediakan prediksi dan peramalan yang lebih akurat, menemukan pola baru yang belum diidentifikasi, dan menggunakan volume data yang sangat besar. Generative AI dapat membawa ini lebih jauh dengan mendukung berbagai area fungsional manajemen rantai pasokan. Sebagai contoh, manajer rantai pasokan dapat menggunakan model generative AI untuk mengajukan pertanyaan klarifikasi, meminta data tambahan, memahami faktor-faktor yang mempengaruhi, dan melihat kinerja historis keputusan dalam skenario yang serupa. Dengan singkat, generative AI membuat proses due diligence yang mendahului pengambilan keputusan menjadi jauh lebih cepat dan mudah bagi pengguna.

Lebih lagi, berdasarkan data dan model yang mendasarinya, generative AI dapat menganalisis sejumlah besar data terstruktur dan tidak terstruktur, secara otomatis menghasilkan berbagai skenario, dan memberikan rekomendasi berdasarkan opsi yang disajikan. Ini secara signifikan mengurangi pekerjaan yang tidak bernilai tambah yang dilakukan oleh manajer rantai pasokan saat ini dan memberdayakan mereka untuk menghabiskan lebih banyak waktu dalam membuat keputusan yang didorong oleh data dan merespons perubahan pasar dengan lebih cepat.

(Mungkin) Solusi untuk Kekurangan Talenta Manajemen Rantai Pasokan

Selama beberapa tahun terakhir, perusahaan telah menderita karena kekurangan talenta rantai pasokan karena kelelahan perencana, turnover, dan kurva belajar yang curam untuk pegawai baru karena sifat pekerjaan yang kompleks. Model generative AI dapat disesuaikan dengan prosedur operasional standar perusahaan, proses bisnis, alur kerja, dan dokumentasi perangkat lunak, lalu dapat merespons kueri pengguna dengan informasi yang kontekstual dan relevan. Antarmuka pengguna konversasional yang umumnya terkait dengan generative AI membuatnya jauh lebih mudah untuk berinteraksi dengan sistem pendukung dan memberikan kemampuan untuk memperbaiki kueri, lebih mempercepat waktu yang dibutuhkan untuk menemukan informasi yang tepat.

Menggabungkan sistem pembelajaran dan pengembangan berbasis generative AI dengan pengambilan keputusan yang dibantu oleh generative AI dapat membantu mempercepat resolusi berbagai masalah manajemen perubahan. Ini juga dapat mempercepat waktu pelatihan pegawai baru dengan mengurangi waktu pelatihan dan persyaratan pengalaman kerja. Lebih penting lagi, generative AI dapat memberdayakan orang-orang dengan disabilitas dengan meningkatkan komunikasi, memperbaiki kognitif, membantu membaca dan menulis, memberikan organisasi pribadi, dan mendukung pembelajaran dan pengembangan yang berkelanjutan.

Sementara beberapa orang takut bahwa generative AI akan menyebabkan kehilangan pekerjaan dalam beberapa tahun mendatang, yang lain berpikir itu akan mengangkat pekerjaan dengan menghilangkan tugas-tugas berulang dan membuat ruang untuk tugas-tugas yang lebih strategis. Sementara itu, diperkirakan akan menyelesaikan kekurangan talenta rantai pasokan dan digital yang kronis saat ini. Itulah mengapa mempelajari cara bekerja dengan teknologi ini sangat penting.

Membangun Model Rantai Pasokan Digital

Rantai pasokan perlu tangguh dan gesit, yang memerlukan visibilitas antar perusahaan. Rantai pasokan perlu “mengetahui” jaringan seluruhnya untuk visibilitas. Namun, membangun model digital dari seluruh jaringan rantai pasokan n-tier sering kali tidak ekonomis. Perusahaan besar memiliki data yang tersebar di seluruh sistem, dengan sebagian besar perusahaan besar mengelola lebih dari 500 aplikasi secara bersamaan di seluruh ERPs, CRMs, PLMs, Pengadaan & Sourcing, Perencanaan, WMS, TMS, dan lain-lain. Dengan semua kompleksitas dan fragmentasi ini, sangat sulit untuk logis mengumpulkan data yang berbeda ini. Ini diperburuk ketika organisasi melihat melampaui supplier pertama atau kedua ke tempat pengumpulan data dalam format terstruktur tidak mungkin.

Model generative AI dapat memproses sejumlah besar data, termasuk data terstruktur (data master, data transaksi, EDIs) dan data tidak terstruktur (kontrak, faktur, pemindaian gambar), untuk mengidentifikasi pola dan konteks dengan pra-pengolahan data yang terbatas. Karena model generative AI belajar dari pola dan menggunakan perhitungan probabilitas (dengan beberapa intervensi manusia) untuk memprediksi output logis berikutnya, mereka dapat membuat model digital yang lebih akurat dari jaringan rantai pasokan n-tier – lebih cepat dan dalam skala – dan mengoptimalkan kolaborasi dan visibilitas antar dan intra perusahaan. Model n-tier ini dapat diperkaya lebih lanjut untuk mendukung inisiatif ESG termasuk tetapi tidak terbatas pada mengidentifikasi mineral konflik, penggunaan sumber daya yang sensitif lingkungan atau area, menghitung emisi karbon produk dan proses, dan lain-lain.

Meskipun generative AI menawarkan kesempatan signifikan bagi pemimpin rantai pasokan untuk berinovasi dan menciptakan keunggulan strategis, ada beberapa kekhawatiran dan risiko yang perlu dipertimbangkan.

Rantai Pasokan Anda Unik

Penggunaan umum generative AI, seperti ChatGPT atau Dall-E, saat ini sukses dalam menangani tugas-tugas yang lebih luas karena model-model ini dilatih pada sejumlah besar data yang tersedia secara publik. Untuk benar-benar memanfaatkan kemampuan generative AI untuk rantai pasokan perusahaan, model-model ini perlu disesuaikan dengan data perusahaan yang bersangkutan dan konteks khusus untuk organisasi Anda. Dengan kata lain, Anda tidak dapat menggunakan model yang dilatih secara umum. Tantangan manajemen data seperti kualitas data, integrasi, dan kinerja yang menghambat proyek transformasi saat ini juga dapat mempengaruhi investasi generative AI, menyebabkan latihan yang memakan waktu dan biaya tanpa solusi manajemen data yang tepat sudah ada.

Generative AI bergantung pada pemahaman polanya dalam data pelatihan dan jika profesional rantai pasokan telah belajar sesuatu dalam tiga tahun terakhir, itu adalah bahwa rantai pasokan akan terus menghadapi risiko baru dan kesempatan yang belum pernah terjadi sebelumnya.

Keamanan & Regulasi

Persyaratan dasar model generative AI adalah akses ke sejumlah besar data pelatihan untuk memahami pola dan konteks. Itu dikatakan, antarmuka manusia seperti generative AI dapat menyebabkan impersonasi pengguna, phishing, dan kekhawatiran keamanan lainnya. Sementara akses terbatas ke pelatihan model dapat menyebabkan kinerja yang buruk oleh AI, pemberian akses tak terbatas ke data rantai pasokan dapat menyebabkan insiden keamanan informasi di mana informasi kritis dan sensitif tersedia untuk pengguna yang tidak berwenang.

Tidak jelas bagaimana pemerintah akan memilih untuk mengatur generative AI di masa depan karena adopsi terus tumbuh dan aplikasi baru generative AI ditemukan. Beberapa ahli AI telah mengungkapkan kekhawatiran tentang risiko yang ditimbulkan oleh AI, meminta pemerintah untuk menghentikan eksperimen AI raksasa sampai pemimpin teknologi dan kebijakan dapat menetapkan aturan dan regulasi untuk memastikan keamanan.

Generative AI menawarkan sejumlah besar kesempatan perbaikan untuk organisasi yang dapat memanfaatkan teknologi ini dan menciptakan pengganda kekuatan untuk kejeniusan manusia, kreativitas, dan pengambilan keputusan. Itu dikatakan, sampai ada model yang dilatih dan dirancang secara eksplisit untuk kasus penggunaan rantai pasokan, cara terbaik untuk melangkah maju adalah dengan pendekatan seimbang terhadap investasi generative AI.

Membangun penghalang yang tepat akan bijak untuk memastikan AI menyajikan serangkaian rencana yang dioptimalkan untuk setiap pengguna untuk ditinjau dan dipilih yang sesuai dengan proses bisnis dan tujuan. Bisnis yang menggabungkan “buku pedoman bisnis” dengan generative AI akan dapat meningkatkan kapasitas tim untuk merencanakan, memutuskan, dan melaksanakan sambil tetap mengoptimalkan hasil bisnis yang diinginkan. Organisasi juga harus mempertimbangkan kasus bisnis yang kuat, keamanan data dan pengguna, dan tujuan bisnis yang dapat diukur sebelum berinvestasi dalam teknologi generative AI baru.