Il Ruolo dell’Intelligenza Artificiale Generativa nelle Catene di Fornitura

Proprio come le interruzioni delle catene di fornitura sono diventate l’argomento frequente delle discussioni nelle sale riunioni nel 2020, l’Intelligenza Artificiale Generativa è diventata 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 adatte alle applicazioni dell’intelligenza artificiale generativa, dato che funzionano e generano grandi quantità di dati. La varietà e il volume dei dati e i diversi tipi di dati aggiungono ulteriore complessità a un problema del mondo 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 – inclusi aumento dell’automazione, previsione della domanda, elaborazione e tracciamento degli ordini, manutenzione predittiva delle macchine, gestione dei rischi, gestione dei fornitori e molto 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’AI predittiva fa questo fornendo previsioni e forecast più precisi, scoprendo nuovi modelli non ancora identificati e utilizzando grandi quantità di dati rilevanti. L’intelligenza artificiale generativa può andare oltre questo punto 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 porre domande di chiarimento, richiedere ulteriori dati, comprendere meglio i fattori di influenza e visualizzare le prestazioni storiche delle decisioni in scenari simili. In sintesi, l’intelligenza artificiale generativa rende il processo di dovuta diligenza che precede la presa di decisioni 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 spendere 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 talento nella catena di fornitura a causa dell’esaurimento dei pianificatori, del turnover e di una curva di apprendimento ripida per i nuovi assunti a causa della natura complessa del lavoro. I modelli di intelligenza artificiale generativa possono essere regolati per seguire le procedure operative standard delle imprese, i processi aziendali, i flussi di lavoro e la 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 offre la possibilità di raffinare la query, accelerando ulteriormente il tempo necessario per trovare le informazioni corrette.

Combining 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’addestramento dei 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 alcune persone 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 quelli più strategici. Nel frattempo, si prevede che risolverà la carenza cronica di talento nella catena di fornitura e digitale di oggi. È per questo che imparare a lavorare con questa tecnologia è importante.

Costruire il Modello di Catena di Fornitura Digitale

Le catene di fornitura devono essere resilienti e agili, il che richiede visibilità cross-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 diffusi in decine o centinaia di sistemi, con la maggior parte delle grandi imprese che gestiscono più di 500 applicazioni contemporaneamente tra 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, dove raccogliere dati in un formato strutturato è improbabile.

I modelli di intelligenza artificiale generativa possono elaborare grandi quantità di dati, inclusi dati strutturati (dati master, dati transazionali, EDIs) e dati non strutturati (contratti, fatture, immagini scansionate), 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, incluse ma non limitate all’identificazione di minerali in conflitto, all’uso di risorse sensibili ambientalmente o aree, al calcolo delle 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’addressare compiti più ampi in natura perché i modelli sono stati addestrati su grandi quantità di dati pubblicamente disponibili. Per sfruttare truly le capacità dell’intelligenza artificiale generativa per la catena di fornitura aziendale, questi modelli devono essere regolati sui dati aziendali rispettivi 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 impattare gli investimenti in 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. Detto questo, l’interfaccia utente umanoide delle applicazioni di intelligenza artificiale generativa può portare a impersonificazione degli utenti, phishing e altre preoccupazioni relative alla sicurezza. Mentre l’accesso limitato all’addestramento del modello può portare a prestazioni inferiori dell’AI, concedere un accesso senza limiti ai dati della catena di fornitura può portare a incidenti di sicurezza delle informazioni in cui le informazioni critiche e sensibili vengono rese disponibili agli utenti non autorizzati.

Non è ancora chiaro come i vari governi sceglieranno di regolamentare l’intelligenza artificiale generativa in futuro, man mano che 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 delle politiche non potranno stabilire regole e regolamentazioni per garantire la sicurezza.

L’intelligenza artificiale generativa offre un’abbondanza di opportunità di miglioramento per le organizzazioni che possono sfruttare questa tecnologia e creare un moltiplicatore di forza per l’ingegno, la creatività e la presa di decisioni umana. Detto questo, 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 in intelligenza artificiale generativa.

Stabilire le adeguate protezioni 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 “libri di gioco aziendali” con l’intelligenza artificiale generativa saranno in grado di aumentare la capacità delle squadre di pianificare, decidere ed eseguire mentre ottimizzano ancora i desiderati risultati aziendali. Le organizzazioni dovrebbero anche considerare un solido caso aziendale, la sicurezza dei dati e degli utenti e gli obiettivi aziendali misurabili prima di investire in nuova tecnologia di intelligenza artificiale generativa.