サプライチェーンにおけるジェネレーティブAIの役割

2020年にサプライチェーンの混乱が頻繁に起こり始めたように、ジェネレーティブAIは2023年のホットトピックとなった。OpenAIのChatGPTは、初めての2ヶ月で100万ユーザーを獲得し、史上最速の消費者アプリケーション採用となった。

サプライチェーンは、ジェネレーティブAIの適用に適している。大量のデータを生成し、機能するからである。データの種類と量の多さは、すで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探る上で、さらに複雑性を加える。ジェネレーティブAIの用途は、自動化の強化、需要予測、注文処理と追跡、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、広範囲にわたるが、多くの用途は予測AIにも適用され、すでに採用・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ジェネレーティブAIのいくつかの用途を紹介し、サプライチェーンのリーダーが投資する前に考慮すべき注意点を示す。

支援された意思決定

AIとMLをサプライチェーンで使用する主な目的は、意思決定プロセスを容易にすることである。予測AIは、より正確な予測と予報を提供し、新しいパターンを発見し、関連する大量のデータを使用する。ジェネレーティブAIは、サプライチェーン管理のさまざまな機能領域をサポートすることで、このプロセス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、ジェネレーティブAIモデルを使用して、明確化する質問を求め、追加のデータを要求し、影響要因をよりよく理解し、同様のシナリオでの決定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、ジェネレーティブAIは、意思決定に先行する尽力プロセスを顧客にとってはるかに迅速で簡単にしている。

さらに、ジェネレーティブAIは、基礎となるデータとモデルに基づいて、構造化されたデータと非構造化されたデータを分析し、さまざまなシナリオを自動的に生成し、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、サプライチェーンマネージャーが現在行っている非付加価値作業が大幅に削減され、データ駆動型の意思決定と市場の変化への対応に重点を置くことができる。

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、そして新入社員のために仕事の複雑さによる急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。ジェネレーティブ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、ソフトウェアドキュメントに合わせて調整でき、ユーザーの質問に文脈化された関連情報で応答できる。ジェネレーティブAIに通常関連付けられる会話型ユーザーインターフェイスにより、サポートシステムとやり取りすることがはるかに簡単になり、さらに質問を絞り込むことができるため、正しい情報を見つけるのにかかる時間が短縮される。

ジェネレーティブAIベースの学習および開発システムとジェネレーティブ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迅速に解決することができる。また、新しい従業員のトレーニング時間と労働経験の要件を短縮することで、新しい従業員のスピードアップを支援できる。さらに重要な点として、ジェネレーティブ AIは、障害を持つ人をエンパワーメントし、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、個人の組織化を支援し、継続的な学習と開発を支援することができる。

ジェネレーティブAIが将来の数年間に仕事を失う原因になるのではないかという懸念がある一方で、他の人々は、繰り返しのタスクを取り除き、より戦略的なタスクのためのスペースを作ることで仕事をレベルアップさせるのではないかと考える。現在、ジェネレーティブAIは、今日の慢性的なサプライチェーンとデジタルの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、このテクノロジーと一緒に働く方法を学ぶことが重要である。

デジタルのサプライチェーンモデルを構築する

サプライチェーンは、回復力と敏捷性が必要であり、エンタープライズ全体の可視性が必要である。サプライチェーンは、「知る」必要があるネットワーク全体の可視性が必要である。ただし、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、コストがかかりすぎる。大量の企業は、ERPs、CRMs、PLMs、調達およびソーシング、計画、WMS、TMSなど、数十または数百のシステムにわたるデータを管理しており、大企業のほとんどが、500を超えるアプリケーションを同時に管理している。すべてのこの複雑さと断片化により、離散したデータを論理的にまとめることは非常に難しい。これは、企業が最初または2番目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困難な領域を見るときに、さらに悪化する。

ジェネレーティブ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、限られた事前のデータ処理で、n階層のサプライネットワークのより真実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。

ジェネレーティブAIは、サプライチェーンのリーダーが革新し、戦略的な優位性を生み出すための重要な機会を提供するものの、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

ジェネレーティブAIの一般的な使用例、たとえばChatGPTやDall-Eは、現在、より広範なタスクに成功している。これは、これらの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である。企業のサプライチェーンでジェネレーティブAIの機能を真正に活用するには、これらのモデルを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。つまり、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、たとえばデータ品質、統合、パフォーマンスは、現在の変換プロジェクトを妨げるものであり、ジェネレーティブ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と、時間のかかるコストのかかる作業につながる。

ジェネレーティブ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と前例のない機会に直面し続けることである。

セキュリティと規制

ジェネレーティブ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。ジェネレーティブAIアプリケーションの人間のようなインターフェイスは、ユーザー擬似化、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インシデントにつながる可能性がある。

ジェネレーティブAIが将来的にどのように規制されるかは、まだ不明である。ジェネレーティブAIの採用が拡大し、新しい用途が発見され続けるにつれて、AIの専門家は、テクノロジーと政策立案者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実験を停止するよう政府に求めている。たとえば、AIのリスクについて声明を出している。

ジェネレーティブAIは、人類の創造性、意思決定、工夫を増幅する力となる組織にとって、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化したモデルがトレーニングされ、設計されるまで、ジェネレーティブ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である。

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に提示することを保証するために、慎重であることが賢明である。ビジネスプレイブックとジェネレーティブAIを組み合わせた企業は、チームの計画、意思決定、実行の能力を最適化しながら、望ましいビジネス成果を最適化することができる。組織は、新しいジェネレーティブAIテクノロジーに投資する前に、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。

oks” with generative AI will be best able to increase teams’ capacity to plan, decide, and execute while still optimizing desired business outcomes. Organizations should also consider a strong business case, security of data and users, and measurable business objectives before investing in new generative AI technology.