生成AIがサプライチェーンに果たす役割

2020年にサプライチェーンの混乱が頻繁に_boardroom_での議論の対象になったように、2023年には生成AIが熱いトピックになった。実際、OpenAIのChatGPTは、最初の2ヶ月で1億ユーザーに達し、これは歴史上最も速い消費者アプリケーションの採用となった。

サプライチェーンは、ある程度、生成AIの適用に適している。なぜなら、サプライチェーンは大量のデータを生成し、機能しているからである。データの種類と量の多さは、すでに非常に複雑な現実世界の問題であるサプライチェーンのパフォーマンスを最適化する方法をさらに複雑にしている。而且、サプライチェーンにおける生成AIのユースケースは広範囲にわたるものの、自動化の増加、需要予測、注文処理および追跡、機械の予測メンテナンス、リスク管理、サプライヤー管理など、多くのものが予測AIにも適用され、すでに大規模に採用および展開されている。

この記事では、サプライチェーンにおける生成AIに特に適した、いくつかのユースケースを概説し、サプライチェーンのリーダーが投資を決定する前に考慮すべき注意事項を示す。

支援された意思決定

サプライチェーンにおけるAIとMLの主な目的は、意思決定プロセスを容易にすることであり、速度と品質の向上を約束する。予測AIは、より正確な予測と予報を提供し、まだ特定されていない新しいパターンを発見し、非常に大量の関連データを使用することでこれを実現する。生成AIは、これをさらに進めることができる。たとえば、サプライチェーンマネージャーは、生成AIモデルを使用して、明確化する質問を尋ね、追加のデータを要求し、影響要因をよりよく理解し、類似のシナリオでの歴史的なパフォーマンスを確認することができる。簡単に言えば、生成AIは、意思決定の前の尽力プロセスを大幅に高速化し、ユーザーにとって容易にする。

さらに、生成AIは、基礎となるデータとモデルに基づいて、構造化されたおよび非構造化された大量のデータを分析し、自動的にさまざまなシナリオを生成し、提示されたオプションに基づいて推奨事項を提供することができる。これにより、現在サプライチェーンマネージャーが行っている非価値添加作業が大幅に削減され、データに基づいた意思決定を行い、市場の変化に迅速に反応する時間が増える。

サプライチェーン管理のタレント不足への（可能な）解決策

過去数年間、企業は、プランナーの焼き尽き症、離職、そして仕事の複雑さによる新入社員の急激な学習曲線のために、サプライチェーンのタレント不足に苦しんできた。生成AIモデルは、企業の標準的な運用手順、ビジネスプロセス、ワークフロー、ソフトウェアのドキュメントに合わせて調整でき、そしてユーザーのクエリに、文脈化された関連情報で応答できる。生成AIに一般的に関連付けられる会話型ユーザーインターフェースは、サポートシステムとやり取りすることを大幅に容易にし、さらにクエリを絞り込むことができるため、正しい情報を見つけるまでの時間が大幅に短縮される。

生成AIベースの学習および開発システムと生成AIによる支援された意思決定を組み合わせることで、さまざまな変更管理の問題を解決する時間を短縮することができる。また、新しい従業員のランプアップ時間と仕事の要件を削減することができる。さらに重要なことは、生成AIは、障害を持つ人をエンパワーメントすることができる。コミュニケーションを強化し、認知を改善し、読み書きの支援を提供し、個人の組織化をサポートし、継続的な学習と開発をサポートするからである。

一部の人は、生成AIが将来の数年間で仕事の喪失につながることを恐れているが、他の人々は、繰り返しのタスクを除去し、より戦略的なタスクを作成することで仕事をレベルアップすることを考えている。現在、生成AIは、今日の慢性的サプライチェーンおよびデジタルタレント不足を解決することが予測されている。したがって、このテクノロジーを使用する方法を学ぶことが重要である。

デジタルサプライチェーンモデルの構築

サプライチェーンは、回復力と柔軟性が必要であり、クロスエンタープライズの可視性が必要である。サプライチェーンは、ネットワーク全体を「知る」必要がある。ただし、全n階層のサプライチェーンネットワークのデジタルモデルを構築することは、多くの場合、コスト的に実行可能ではない。大量の企業は、システムを跨いでデータを管理しており、大規模企業のほとんどが、ERP、CRM、PLM、調達＆ソーシング、計画、WMS、TMSなど、500以上のアプリケーションを同時に管理している。このような複雑さと断片化のため、論理的にこの分散したデータをまとめることは非常に困難である。これは、企業が最初または2次のサプライヤーを超えて、構造化された形式でデータを収集することが不可能である場合にさらに悪化する。

生成AIモデルは、構造化されたデータ（マスターデータ、トランザクションデータ、EDI）と非構造化されたデータ（契約、請求書、画像スキャン）を含む大量のデータを処理し、パターンとコンテキストを特定し、限られたデータの事前処理で、n階層のサプライネットワークのより真のデジタルモデルを作成し、企業間および企業内のコラボレーションと可視性を最適化することができる。さらに、このn階層モデルは、紛争鉱物の特定、環境に敏感なリソースまたは地域の使用、製品とプロセスの炭素排出量の計算など、ESGイニシアチブをサポートするためにさらに豊富にできる。

生成AIは、サプライチェーンのリーダーが革新し、戦略的な優位性を創造するための重要な機会を提供するにもかかわらず、考慮すべき懸念とリスクもある。

あなたのサプライチェーンはユニークである

ChatGPTやDALL-Eのような生成AIの一般的な使用法は、モデルが大量の公開データでトレーニングされているため、より広範な性質のタスクに成功している。サプライチェーンの企業向けに生成AIの機能を真正に活用するには、これらのモデルを各企業のデータとコンテキストに合わせてファインチューンする必要がある。言い換えれば、一般的にトレーニングされたモデルを使用することはできない。データ管理の課題、たとえばデータの品質、統合、パフォーマンスは、現在の変革プロジェクトを妨げるものであり、生成AIへの投資にも影響を及ぼし、適切なデータ管理ソリューションがすでに整備されていない場合、時間のかかるコストのかかる作業につながる。

生成AIは、トレーニングデータ内でのパターンの理解に依存しており、サプライチェーンの専門家が過去3年間で学んだことの1つは、サプライチェーンが新しいリスクや前例のない機会に直面し続けることである。

セキュリティ＆規制

生成AIモデルの基本的な要件は、パターンとコンテキストを理解するために大量のトレーニングデータへのアクセスである。生成AIアプリケーションの人間のようなインターフェースは、ユーザー擬装、フィッシング、その他のセキュリティ上の懸念につながる可能性がある。モデルトレーニングへのアクセスが制限されると、AIのパフォーマンスが低下する可能性がある一方で、サプライチェーンデータへの無制限のアクセスは、重要で機密性の高い情報が承認されていないユーザーに公開される情報セキュリティのインシデントにつながる可能性がある。

生成AIを規制する方法については、将来、採用が拡大し、新しい生成AIのアプリケーションが発見されるにつれて、政府がどのように選択するかは不明である。いくつかのAIの専門家は、AIによるリスクについて懸念を表明し、テクノロジーと政策立案者のリーダーが安全性を確保するためのルールと規制を確立するまで、巨大なAIの実験を一時的に停止するよう政府に求めている。

生成AIは、人間の創造性、意思決定、発明を増幅させる力を生み出すことができる組織にとって、改善の機会を多数提供する。ただし、サプライチェーンのユースケースに特にトレーニングされ、設計されたモデルが存在するまで、生成AIへの投資にバランスのとれたアプローチが最も効果的な方法である。

適切なガードレールを確立することは、AIがビジネスプロセスと目標に一致した最適化されたプランのセットを各ユーザーがレビューして選択できるようにするために、慎重であることである。ビジネスの「プレイブック」と生成AIを組み合わせる企業は、チームの計画、意思決定、実行能力を増やすと同時に、望ましいビジネス成果を最適化することができる。企業は、強力なビジネスケース、データとユーザーのセキュリティ、および測定可能なビジネス目標を考慮する必要がある、新しい生成AIテクノロジーに投資する前に。