데이터에 대한 욕구: 공급망 AI가 전환점에 도달하는 방법

공급망에서 인공지능(AI)은 닭과 달걀의 문제와 같다. 일부에서는 공급망 운영에 대한 더 큰 가시성을 창출할 수 있는 AI의 잠재력을 강조한다. 즉, AI가 먼저 오고 가시성이 그 다음이다.

이것은 普遍적인 실시간 공급망 가시성이 달성되지 않았을 때 진실했을지도 모른다. 그러나 변革적인 공급망 AI — 대규모 데이터셋에서 새로운 통찰력, 결과, 프로세스 및 효율성을 생성하는 막대한 전력의 생성적 AI를 포함하여 — 방정식을 뒤집는 것이 필요하다. 가시성이 먼저 오고, 그 다음에 공급망 전체에서 GenAI 주도 혁신이 따른다.

월요일에醒きた 지역 소매 관리자, 배급자, 제조업체, 또는 조달 담당자가 익숙한 AI 채팅봇(아마도 음성 활성화)을 시작하고 공급망이 그 주에 최적화되었는지 물어본다. 그리고 그것이 아니라면, 공급망을 목표에 맞게 조정하는 방법을 묻는다. GenAI는 공급망 시스템과의 이러한 상호작용을 가능하게 한다.

그러나 GenAI 기반 공급망 솔루션이 자동으로 이러한 답변을 제공할 수 있는 유일한 방법은 모든 제품, 박스, 케이스, 팔레트 등 공급망의 상태, 위치, 상태, 이동 등에 대한 정보를 알고 있는 경우이다. 그리고 그것을 알 수 있는 유일한 방법은 제품 자체가 인간의 개입 없이 자동으로 정보를 전달할 수 있는 경우이다. 오늘날, 그것은 가능하다. 즉, 공급망의 모든 제품, 포장, 장소가 디지털 서명을携帯する 普遍적인 가시성 플랫폼인 ambiente 인터넷 사물(Internet of Things, IoT)을 통해 가능하다.

공급망에서의 GenAI

글로벌 컨설팅 회사인 Ernst & Young에 따르면, 40%의 공급망 회사들이 GenAI에 투자하고 있다. 그들은 GenAI를 사용하여 복잡한 공급망 네트워크를 매핑하고, “what-if” 시나리오를 실행하고, 상류 및 하류 공급을 예측하고, 파트너가 더 쉽게 답변을 얻을 수 있는 채팅봇을 개발하고,甚至 기존 계약을 기반으로 새로운 계약을 생성했다.

이러한 경우, 회사들은 자신의 역사적 데이터와 파트너로부터 얻을 수 있는 정보를 사용하여 AI 모델을 훈련시킨다. 그리고 그 다음에 효율성을 높이는 방법을 찾도록 GenAI를 요청한다. 그러나 EY 분석가들은 “GenAI 도구는 입력 데이터만큼 강력하기 때문에, 공급망 파트너의 데이터 품질과 가용성에 의해 제한된다”고 말한다.

그러나 공급망 AI의 성배는 실시간 데이터를 기반으로 새로운 경로, 프로세스, 제품 설계, 공급망 목록을 생성하는 것이다. 그리고 그것을 인간이 할 수 있는 것보다 더 빠르게 하는 것이다. 또는 한 임원이 하버드 비즈니스 리뷰에 말한 것처럼, “공급망 위기가 발생했을 때, 경쟁력을 갖추기 위한 핵심은 모든 사람이 동일한 것을 하려는 동안 대체 공급자를 더 빠르게 찾는 것이다.”

이것은 실제 공급망 운영에 대한 훨씬 더 많은 데이터와 더 최신의 데이터를 GenAI 솔루션에 훈련시키는 것을 필요로 한다. ambiente IoT가 등장한다.

ambiente IoT: 공급망의 언어

ambiente IoT에서는 제품, 포장, 장소가 디지털 서명을携帯한다. 이것은 공급망의 실시간 가시성 언어이며, 궁극적으로 GenAI의 기초가 되는 대규모 언어 모델(Large Language Model, LLM)에 피드된다. 이러한 서명은 IoT 픽셀(IoT Pixel)이라고 하는 자가 구동형, 스탬프 크기의 전자 태그를 통해 전달된다. IoT 픽셀에는 자신의 컴퓨팅 파워, 센서, 블루투스 통신이 포함되어 있어 제품과 포장이 공급망을 통해 이동하는 것을 데이터 용어로 설명할 수 있다. 궁극적으로,它们는 물리적 세계와 디지털 세계를 연결하는 다리이며, 공급망 데이터를 실제로 보여주고, 예측하고, 최적화할 수 있는 공급망 데이터를 처음으로 제공한다.

ambiente IoT 픽셀은 기존 무선 장치, 스마트폰, 무선 액세스 포인트, 또는 쉽게 배포할 수 있는 표준화된 브리지와 게이트웨이를 통해 데이터를 전송한다. 실제로, 적절한 권한과 개인 정보 보호를 통해, ambiente IoT 픽셀은 소비자에게까지 공급망 가시성을 확장할 수 있다. 제품 사용, 재사용, 재활용에 대한 데이터를 전송할 수 있으며, 더 발전된 GenAI 모델의 기초를 제공한다.

그리고它们는 데이터를 지속적으로 전송한다. 오늘날 GenAI 모델을 훈련시키는 공급망 기록과 달리, ambiente IoT 데이터는 공급망을 현재 설명한다. 이러한 가시성으로, 우리에게 남은 것은 GenAI를 구현하여 우리에게 “내 공급망에서 현재 무엇을 보는가?”라고 물어보는 것이다.

실시간 가시성과 ambiente IoT 데이터 생성은 공급망 전체에서 GenAI의 또 다른 도전을 해결할 수 있다. 즉, LLM을 훈련하는 데 사용되는 데이터는 종종 회사들의 다양한 ERP 시스템에서 비롯되는 비의도적인 데이터 편향을 반영한다는 것이다.

ambiente IoT를 통해 공급망에서 추적되는 제품은 객관적인 진실을 말한다. 제품은 실제로 ambient IoT가 말하는 위치에 있으며, 언제 있는지 정확히 알 수 있다. 그리고 ambiente IoT는 공급망에서 제품을 추적하기 위해 RFID 스캐너를 사용하는 작업자가 필요 없기 때문에, 인간의 오류를 최소화할 수 있다.

ambiente IoT 데이터는 제품이 공급망을 통해 이동하는 경로와 시간을 정확히 설명한다. 그리고 제품에는 디지털 제품 여권에 처리에 참여한 당사자와 시설에 대한 데이터가 포함되어 있다. 적용 가능한 경우, ambiente IoT 픽셀은 LLM에 온도, 습도, 탄소 배출에 대한 정보를 추가할 수 있다.

Ernst & Young에 따르면, 공급망 회사들이 GenAI를 사용하는 한 분야는 규제 및 ESG 보고이다. 규제 준수 정보를 생성하기 위한 방대한 데이터를 수집하는 가장 좋은 방법은 ambiente IoT를 통해이다.

채팅봇에서 자동화까지

일상적으로, ambiente IoT와 GenAI의 결합은 두 가지 방법으로 공급망에 도움이 될 수 있다. 첫째, 더 많은 사람들이 공급망에서 진화하는 상황을 이해하고 공급망 운영을 최적화하거나 수정하기 위한 적극적인 조치를 취할 수 있다. 당신은 데이터 분석가 또는 조달 전문가가 아니어도 GenAI 채팅봇에게 배송 상태 또는 대체 공급자를 문의할 수 있다. 그러나 회사들은 유용한 결과를 생성하기 위해 LLM과 GenAI 도구가 발전하는 것을 보장하기 위해 데이터 전문가를 필요로 할 것이다. 그러나 공급망 분석과 문의의 민주화는 경쟁력을 갖추기 위해 필요한 빠른 의사결정을 가능하게 할 수 있다.

둘째, GenAI와 다른 AI 도구는 공급망 자동화로의 다리를 구축하는 데 도움이 될 수 있다. 기계 학습, 특히 제어 시스템에서 자주 발견되는 강화 학습을 통해, 소프트웨어는 더好的 결과를 달성하는 결정을 내릴 수 있다. 궁극적으로,它们는 공급망 중단이 발생하기 전에 자동으로 대체 공급자 또는 운송업체를 참여시키거나 예측 유지 보수를 시작할 수 있다. 또는 특정 창고 또는 제조 시스템 또는 라인이 실패할 수 있는지 결정할 수 있다.

그들은 대규모 데이터셋, 포함하여 ambiente IoT 생성 공급망 데이터에서 학습함으로써这样한다.

최근 몇 년 동안 우리는 복잡한 공급망이 날카로운 모세에 존재한다는 것을 배웠다. 몇 가지 작은 요인들이 혼란으로 빠지게 할 수 있다. 인공지능은 미래의 혼란을 피하는 데 중요할 것이다. 그러나 그곳에 도착하기 위해, 공급망은 현재 볼 수 없는 것들을 위한 데이터를 해방시켜야 한다. ambiente IoT는 내일의 GenAI 혁신을 구축할 가시성 데이터를 제공한다.