Fame di dati: come l’intelligenza artificiale nella catena di approvvigionamento può raggiungere il suo punto di inflessione

L’intelligenza artificiale (AI) nelle catene di approvvigionamento è una questione di uovo e gallina. Ci sono quelli che esaltano l’AI per il suo potenziale di creare una maggiore visibilità nelle operazioni della catena di approvvigionamento. In altre parole, AI prima, visibilità seconda.

Che potrebbe essere stato vero quando una visibilità pervasiva e in tempo reale della catena di approvvigionamento non era altrimenti raggiungibile. Ma l’AI trasformativa della catena di approvvigionamento — compresa la potentissima intelligenza artificiale generativa, che crea nuove informazioni, risultati, processi ed efficienze da enormi set di dati — richiede che capovolgiamo l’equazione. Visibilità prima, seguita da innovazione guidata da GenAI in tutta la catena di approvvigionamento.

Immagina un responsabile di vendita regionale, un distributore, un produttore o un funzionario di approvvigionamento che si sveglia lunedì, avvia un noto chatbot AI (forse anche attivato vocalmente) e chiede in linguaggio naturale se la sua catena di approvvigionamento è ottimizzata per la settimana. E se non lo è, chiede come la catena di approvvigionamento possa essere regolata per raggiungere i suoi obiettivi. GenAI consente questa interazione con i sistemi della catena di approvvigionamento.

Ma l’unico modo in cui una soluzione di catena di approvvigionamento basata su GenAI può fornire automaticamente tali risposte è se conosce lo stato, la posizione, la condizione, il movimento, ecc. di ogni prodotto, scatola, caso, pallet, ecc. nella catena di approvvigionamento. E l’unico modo in cui lo sa è se i prodotti stessi possono comunicare automaticamente le informazioni senza intervento umano. Oggi, possono farlo attraverso una piattaforma di visibilità ubiqua chiamata internet delle cose (IoT) ambientale.

GenAI nella catena di approvvigionamento

La società di consulenza globale Ernst & Young stima che il 40% delle società di catena di approvvigionamento sta investendo in GenAI. Hanno utilizzato GenAI per mappare complesse reti di approvvigionamento, eseguire scenari “e se”, prevedere l’approvvigionamento a monte e a valle, sviluppare chatbot in modo che i partner possano ottenere risposte più facilmente e persino generare nuovi contratti in base ad accordi passati o esistenti.

In tali casi, le aziende stanno formando modelli di intelligenza artificiale con i propri dati storici e con ciò che possono ricavare dai partner. Quindi chiedono a GenAI di trovare modi per aumentare l’efficienza. Ma come affermano gli analisti di EY, “Gli strumenti GenAI sono potenti quanto i dati di input, quindi sono limitati dalla qualità e dalla disponibilità dei dati dei partner della catena di approvvigionamento”.

Il Santo Graal dell’AI della catena di approvvigionamento, tuttavia, è generare nuove rotte, processi, progetti di prodotti e liste di fornitori in base a dati in tempo reale — e farlo il più velocemente possibile (il che è più veloce di quanto sia possibile per l’uomo). O, come ha detto un dirigente alla Harvard Business Review, “Quando si verifica una crisi della catena di approvvigionamento, la chiave per essere competitivi è trovare alternativi fornitori più velocemente di tutti gli altri, perché tutti stanno cercando di fare la stessa cosa”.

Ciò richiede la formazione di soluzioni GenAI su molti più dati — e più attuali — sulle operazioni effettive della catena di approvvigionamento. Entra l’IoT ambientale.

IoT ambientale: il linguaggio delle catene di approvvigionamento

Con l’IoT ambientale, i prodotti, l’imballaggio e i luoghi portano firme digitali, che sono il linguaggio di visibilità in tempo reale della catena di approvvigionamento, che alla fine alimenta i modelli linguistici grandi (LLM) che sono la base di GenAI. Queste firme sono trasportate tramite IoT Pixel, etichette elettroniche autoalimentate e delle dimensioni di un timbro, fissate a qualsiasi cosa nella catena di approvvigionamento che necessiti di tracciamento e monitoraggio. Gli IoT Pixel includono potenza di calcolo, sensori e comunicazioni Bluetooth, consentendo ai prodotti e all’imballaggio di descrivere il loro viaggio nella catena di approvvigionamento in termini di dati che gli LLM possono consumare. In definitiva, rappresentano un ponte tra il mondo fisico e quello digitale, rendendo disponibili per la prima volta dati sulla catena di approvvigionamento che possono effettivamente mostrare, prevedere e ottimizzare le operazioni.

Gli IoT Pixel comunicano dati tramite una rete stabilita di dispositivi wireless esistenti, come smartphone e punti di accesso wireless, o attraverso ponti e gateway standardizzati facilmente distribuibili, installati in negozi, magazzini, camion di consegna e altro. In effetti, con le autorizzazioni e le protezioni della privacy adeguate, gli IoT Pixel possono estendere la visibilità della catena di approvvigionamento fino al consumatore, comunicando dati sull’uso, riutilizzo e riciclaggio dei prodotti, fornendo la base per modelli GenAI più avanzati.

E inviano dati continuamente. A differenza dei registri della catena di approvvigionamento utilizzati per formare i modelli GenAI oggi, i dati dell’IoT ambientale descrivono la catena di approvvigionamento ora. Con questa visibilità, tutto ciò che rimane da fare è implementare GenAI per rispondere alle nostre domande: “Cosa sto vedendo nella mia catena di approvvigionamento, ora?”

La visibilità in tempo reale e la generazione di dati dell’IoT ambientale in tutta la catena di approvvigionamento potrebbero anche aiutare a risolvere una delle sfide di GenAI: che i dati utilizzati per formare gli LLM riflettono inevitabilmente pregiudizi di dati non intenzionali dalle loro fonti di generazione, che spesso includono i vari sistemi ERP delle aziende.

I prodotti tracciati nella catena di approvvigionamento con l’IoT ambientale parlano la verità oggettiva perché i prodotti sono effettivamente situati dove l’IoT ambientale dice che sono, quando lo dice. E poiché l’IoT ambientale non richiede lavoratori con scanner RFID per tracciare le spedizioni, gli errori umani possono essere minimizzati.

I dati dell’IoT ambientale descrivono esattamente il percorso e il tempo che i prodotti impiegano nella catena di approvvigionamento. E i prodotti portano nei loro passaporti digitali dei prodotti dati sulle parti e sulle strutture coinvolte nel loro trattamento. Se applicabile, gli IoT Pixel potrebbero aggiungere a un LLM informazioni sulla temperatura, l’umidità e le emissioni di carbonio ad ogni passaggio.

Secondo EY, un’area in cui le società di catena di approvvigionamento stanno esplorando l’uso di GenAI è la segnalazione normativa e ESG. Il modo migliore e più economico per raccogliere vasti dati in modo che GenAI produca informazioni conformi è attraverso l’IoT ambientale.

Dal chatbot all’automazione

Nel quotidiano, ci sono due modi in cui un matrimonio tra IoT ambientale e GenAI potrebbe beneficiare le catene di approvvigionamento. In primo luogo, consentirebbe a più persone nella catena di approvvigionamento di comprendere le situazioni in evoluzione e intraprendere azioni attive per ottimizzare o correggere le operazioni della catena di approvvigionamento. Non è necessario essere un analista di dati o un specialista di approvvigionamento per chiedere a un chatbot GenAI lo stato delle spedizioni o chiedere fornitori alternativi, sebbene le aziende continueranno ad avere bisogno di esperti di dati per assicurarsi che gli LLM e gli strumenti GenAI si evolvano per produrre risultati utili. Ma la democratizzazione dell’analisi e dell’inchiesta della catena di approvvigionamento potrebbe consentire la rapida presa di decisioni necessaria per essere competitivi.

In secondo luogo, GenAI e altri strumenti di intelligenza artificiale possono aiutare a costruire un ponte verso una maggiore automazione della catena di approvvigionamento. Attraverso l’apprendimento automatico, in particolare l’apprendimento per rinforzo spesso trovato nei sistemi di controllo, il software può essere addestrato per prendere decisioni che producono migliori risultati. Alla fine, ad esempio, potrebbero essere addestrati a rilevare le interruzioni della catena di approvvigionamento prima che si verifichino e attivare automaticamente fornitori o spedizionieri alternativi. O possono avviare la manutenzione predittiva determinando se determinati sistemi o linee di magazzino o di produzione potrebbero avere problemi.

Lo fanno imparando da grandi set di dati, compresi i dati sulla catena di approvvigionamento generati dall’IoT ambientale.

Come abbiamo imparato negli ultimi anni, le catene di approvvigionamento complesse esistono su un filo sottile. Un paio di fattori minori possono farle precipitare nel caos. L’intelligenza artificiale sarà cruciale per evitare il caos futuro. Ma per arrivarci, le catene di approvvigionamento devono sbloccare i dati per le cose che non possono attualmente vedere. L’IoT ambientale fornisce i dati di visibilità su cui si baseranno le innovazioni di GenAI di domani.