Il Ruolo dell’Intelligenza Artificiale Generativa nelle Catene di Fornitura

Proprio come le interruzioni della catena di fornitura sono diventate l’argomento frequente delle discussioni nelle sale riunioni nel 2020, l’Intelligenza Artificiale Generativa è diventata rapidamente l’argomento caldo del 2023. Dopo tutto, ChatGPT di OpenAI ha raggiunto 100 milioni di utenti nei primi due mesi, rendendolo l’applicazione consumer con il tasso di adozione più veloce della storia.

Le catene di fornitura sono, in una certa misura, ben adattate alle applicazioni dell’intelligenza artificiale generativa, poiché funzionano e generano grandi quantità di dati. La varietà e il volume di dati e i diversi tipi di dati aggiungono ulteriore complessità a un problema reale estremamente complesso: come ottimizzare le prestazioni della catena di fornitura. E mentre i casi d’uso per l’intelligenza artificiale generativa nelle catene di fornitura sono estensivi – tra cui aumento dell’automazione, previsione della domanda, elaborazione e tracciamento degli ordini, manutenzione predittiva delle macchine, gestione dei rischi, gestione dei fornitori e altro – molti si applicano anche all’intelligenza artificiale predittiva e sono già stati adottati e distribuiti su larga scala.

Questo articolo descrive alcuni casi d’uso che sono particolarmente adatti all’intelligenza artificiale generativa nelle catene di fornitura e offre alcune cautele che i leader delle catene di fornitura dovrebbero considerare prima di effettuare un investimento.

Supporto alle Decisioni

Lo scopo principale dell’AI e del ML nelle catene di fornitura è semplificare il processo decisionale, offrendo la promessa di aumentare la velocità e la qualità. L’intelligenza artificiale predittiva fa questo fornendo previsioni e previsioni più accurate, scoprendo nuovi modelli non ancora identificati e utilizzando grandi quantità di dati rilevanti. L’intelligenza artificiale generativa può portare questo ulteriormente avanti supportando varie aree funzionali della gestione della catena di fornitura. Ad esempio, i manager della catena di fornitura possono utilizzare modelli di intelligenza artificiale generativa per chiedere chiarimenti, richiedere ulteriori dati, comprendere meglio i fattori di influenza e visualizzare le prestazioni storiche delle decisioni in scenari simili. In breve, l’intelligenza artificiale generativa rende il processo di due diligence che precede la decisione significativamente più veloce e facile per l’utente.

Inoltre, sulla base dei dati e dei modelli sottostanti, l’intelligenza artificiale generativa può analizzare grandi quantità di dati strutturati e non strutturati, generare automaticamente vari scenari e fornire raccomandazioni in base alle opzioni presentate. Ciò riduce notevolmente il lavoro non aggiunto di valore che i manager della catena di fornitura attualmente svolgono e li autorizza a trascorrere più tempo prendendo decisioni basate sui dati e rispondendo più velocemente ai cambiamenti del mercato.

Una (Possibile) Soluzione alla Carenza di Talento nella Gestione della Catena di Fornitura

Negli ultimi anni, le imprese hanno sofferto di una carenza di talenti nella catena di fornitura a causa dell’esaurimento dei pianificatori, del turnover e di una ripida curva di apprendimento per i nuovi assunti a causa della natura complessa del lavoro. I modelli di intelligenza artificiale generativa possono essere regolati in base alle procedure operative standard delle imprese, ai processi aziendali, ai flussi di lavoro e alla documentazione del software e quindi possono rispondere alle query degli utenti con informazioni contestualizzate e rilevanti. L’interfaccia utente conversazionale comunemente associata all’intelligenza artificiale generativa rende significativamente più facile interagire con un sistema di supporto e consente di raffinare la query, accelerando ulteriormente il tempo necessario per trovare le informazioni corrette.

Combinare un sistema di apprendimento e sviluppo basato sull’intelligenza artificiale generativa con un supporto alle decisioni basato sull’intelligenza artificiale generativa può aiutare ad accelerare la risoluzione di vari problemi di gestione del cambiamento. Ciò può anche accelerare l’avvio di nuovi dipendenti riducendo il tempo di formazione e i requisiti di esperienza lavorativa. Ancor più importante, l’intelligenza artificiale generativa può potenziare le persone con disabilità migliorando la comunicazione, la cognizione, l’assistenza alla lettura e alla scrittura, fornendo organizzazione personale e supportando l’apprendimento e lo sviluppo continuo.

Mentre alcuni temono che l’intelligenza artificiale generativa porterà a perdite di lavoro nei prossimi anni, altri pensano che porterà il lavoro a un livello superiore rimuovendo i compiti ripetitivi e creando spazio per compiti più strategici. Nel frattempo, si prevede che risolverà l’attuale carenza cronica di talenti nella catena di fornitura e digitale. È per questo che è importante imparare a lavorare con questa tecnologia.

Costruire il Modello di Catena di Fornitura Digitale

Le catene di fornitura devono essere resilienti e agili, il che richiede visibilità a livello di impresa. La catena di fornitura deve “conoscere” l’intera rete per la visibilità. Tuttavia, costruire il modello digitale dell’intera rete di catena di fornitura n-tier è spesso proibitivo in termini di costi. Le grandi imprese hanno dati distribuiti su decine o centinaia di sistemi, con la maggior parte delle grandi imprese che gestiscono più di 500 applicazioni contemporaneamente su ERPs, CRMs, PLMs, Procurement & Sourcing, Planning, WMS, TMS e altro. Con tutta questa complessità e frammentazione, è estremamente difficile riunire logicamente questi dati disparati. Ciò è aggravato quando le organizzazioni guardano oltre i fornitori di primo o secondo livello a dove la raccolta di dati in un formato strutturato è improbabile.

I modelli di intelligenza artificiale generativa possono elaborare grandi quantità di dati, compresi dati strutturati (dati master, dati transazionali, EDIs) e dati non strutturati (contratti, fatture, immagini), per identificare modelli e contesto con un limitato pre-elaborazione dei dati. Poiché i modelli di intelligenza artificiale generativa apprendono dai modelli e utilizzano calcoli di probabilità (con un certo intervento umano) per prevedere la prossima output logica, possono creare un modello digitale più vero della rete di catena di fornitura n-tier – più veloce e su larga scala – e ottimizzare la collaborazione e la visibilità inter- e intra-aziendale. Questo modello n-tier può essere ulteriormente arricchito per supportare le iniziative ESG, tra cui ma non limitato a identificare i minerali in conflitto, l’uso di risorse o aree sensibili ambientalmente, calcolare le emissioni di carbonio dei prodotti e dei processi e altro.

Anche se l’intelligenza artificiale generativa offre un’opportunità significativa per i leader delle catene di fornitura di essere innovativi e creare un vantaggio strategico, ci sono alcune preoccupazioni e rischi da considerare.

La Tua Catena di Fornitura è Unica

Gli usi generali dell’intelligenza artificiale generativa, come ChatGPT o Dall-E, sono attualmente di successo nell’indirizzare compiti che sono più ampi in natura perché i modelli sono stati addestrati su grandi quantità di dati pubblicamente disponibili. Per sfruttare veramente le capacità dell’intelligenza artificiale generativa per la catena di fornitura aziendale, questi modelli devono essere regolati sui dati aziendali e sul contesto specifico dell’organizzazione. In altre parole, non è possibile utilizzare un modello addestrato in generale. Le sfide di gestione dei dati come la qualità dei dati, l’integrazione e le prestazioni che ostacolano gli attuali progetti di trasformazione possono anche influire sugli investimenti nell’intelligenza artificiale generativa, portando a un esercizio lungo e costoso senza la giusta soluzione di gestione dei dati già in atto.

L’intelligenza artificiale generativa dipende dalla comprensione dei modelli all’interno dei dati di addestramento e se i professionisti della catena di fornitura hanno imparato qualcosa negli ultimi tre anni, è che le catene di fornitura continueranno ad affrontare nuovi rischi e opportunità senza precedenti.

Sicurezza e Regolamentazioni

Il requisito di base dei modelli di intelligenza artificiale generativa è l’accesso a grandi quantità di dati di addestramento per comprendere i modelli e il contesto. Ciò detto, l’interfaccia utente umanoide delle applicazioni di intelligenza artificiale generativa può portare a impersonificazione dell’utente, phishing e altre preoccupazioni relative alla sicurezza. Mentre l’accesso limitato all’addestramento del modello può portare a prestazioni insufficienti dell’AI, concedere un accesso senza restrizioni ai dati della catena di fornitura può portare a incidenti di sicurezza delle informazioni in cui le informazioni critiche e sensibili vengono rese disponibili a utenti non autorizzati.

Non è ancora chiaro come i vari governi sceglieranno di regolamentare l’intelligenza artificiale generativa in futuro mentre l’adozione continua a crescere e vengono scoperte nuove applicazioni dell’intelligenza artificiale generativa. Diversi esperti di intelligenza artificiale hanno espresso preoccupazione per il rischio posto dall’AI, chiedendo ai governi di interrompere gli esperimenti di intelligenza artificiale giganti fino a quando i leader tecnologici e i responsabili politici non potranno stabilire regole e regolamentazioni per garantire la sicurezza.

L’intelligenza artificiale generativa offre numerose opportunità di miglioramento per le organizzazioni che possono sfruttare questa tecnologia e creare un moltiplicatore di forza per l’ingegno umano, la creatività e la presa di decisioni. Ciò detto, fino a quando non ci saranno modelli addestrati e progettati esplicitamente per casi d’uso della catena di fornitura, il modo migliore per procedere è un approccio equilibrato agli investimenti nell’intelligenza artificiale generativa.

Stabilire le garanzie adeguate sarà prudente per assicurarsi che l’AI fornisca un set di piani ottimizzati per ogni utente da esaminare e selezionare che siano allineati con i processi aziendali e gli obiettivi. Le aziende che combinano “playbook aziendali” con l’intelligenza artificiale generativa saranno in grado di aumentare la capacità dei team di pianificare, decidere ed eseguire mentre ottimizzano ancora i risultati aziendali desiderati. Le organizzazioni dovrebbero anche considerare un caso d’uso aziendale forte, la sicurezza dei dati e degli utenti e gli obiettivi aziendali misurabili prima di investire in nuova tecnologia di intelligenza artificiale generativa.