공급망에서 생성적 AI의 역할

공급망 중단이 2020년에 이사회에서 자주 논의되는 주제가 된 것처럼, 생성적 AI는 2023년에 가장 인기 있는 주제가 되었습니다. 오픈AI의 ChatGPT는 출시 후 2개월 만에 1억 명의 사용자를 기록했으며, 이는 역사상 가장 빠른 소비자 애플리케이션 채택률입니다.

공급망은 생성적 AI의 적용에 적합합니다. 공급망은大量의 데이터를 생성하고 처리하며, 데이터의 다양성과 양이 복잡성을 더합니다. 생성적 AI는 예측 AI와 달리 다양한 기능적 영역에서 지원을 제공할 수 있습니다. 예를 들어, 공급망 관리자는 생성적 AI 모델을 사용하여 명확한 질문을 하거나, 추가 데이터를 요청하거나, 영향 요인을 더 잘 이해하거나, 유사한 시나리오에서 이전 결정의 성과를 볼 수 있습니다. 생성적 AI는 의사 결정 과정에서_due diligence_를 더 빠르고 쉽게 만듭니다.

또한, 생성적 AI는大量의 구조화된 및 비구조화된 데이터를 분석하여 다양한 시나리오를 자동으로 생성하고, 제시된 옵션에 기반한 추천을 제공할 수 있습니다. 이는 공급망 관리자가 현재 수행하는 비가치 작업을 줄이고, 데이터 기반 의사 결정과 시장 반응에 더 많은 시간을 할애할 수 있도록 합니다.

지원된 의사 결정

AI와 ML은 공급망에서 의사 결정 과정을 쉽게 하기 위한 주요 목적을 가지고 있습니다. 예측 AI는 더 정확한 예측과 예측을 제공하며, 생성적 AI는 다양한 기능적 영역에서 지원을 제공할 수 있습니다.

공급망 관리 인력 부족의 해결책

기업은 최근 몇 년 동안 공급망 인력 부족으로 어려움을 겪었습니다. 생성적 AI 모델은 기업의 표준 운영 절차, 비즈니스 프로세스, 워크플로우 및 소프트웨어 문서에 맞게 조정할 수 있으며, 사용자 질의에 대한 문맥화된 정보를 제공할 수 있습니다. 생성적 AI의 대화형 인터페이스는 지원 시스템과 상호 작용하기 쉽게 만들어줍니다.

생성적 AI 기반의 학습 및 개발 시스템과 생성적 AI 기반의 지원된 의사 결정 시스템을 결합하면 다양한 변경 관리 문제를 더 빠르게 해결할 수 있습니다. 또한, 새로운 직원의 훈련 시간과 작업 경험 요구 사항을 줄일 수 있습니다. 생성적 AI는 또한 장애인에게 의사 소통, 인지, 읽기 및 쓰기 지원, 개인 조직 및 지속적인 학습 및 개발을 제공함으로써 장애인에게 힘을 실어줄 수 있습니다.

디지털 공급망 모델 구축

공급망은 탄력성과 민첩성을 필요로 하며, 이는 전체 네트워크에 대한 가시성을 필요로 합니다. 그러나 전체 n-티어 공급망 네트워크의 디지털 모델을 구축하는 것은 비용이 많이 듭니다. 대규모 기업은 수백 개의 시스템에 걸쳐 데이터를 관리하며, 대부분의 대규모 기업은 ERPs, CRMs, PLMs,采购 및 소싱, 계획, WMS, TMS 등 500개 이상의 애플리케이션을同時적으로 관리합니다. 이러한 복잡성과 단편화로 인해 이 데이터를 논리적으로 결합하기는 매우 어렵습니다.

생성적 AI 모델은大量의 구조화된 및 비구조화된 데이터를 처리하여 패턴과 문맥을 식별하고, 제한된 사전 처리를 통해 다양한 시나리오를 자동으로 생성할 수 있습니다. 생성적 AI 모델은 n-티어 공급망 네트워크의 더 진실된 디지털 모델을 빠르게 만들 수 있으며, 기업 간 및 내부 협력과 가시성을 최적화할 수 있습니다. 이 n-티어 모델은 환경敏感 자원 또는 지역의 사용, 제품 및 프로세스의 탄소 배출량 계산 등과 같은 ESG 이니셔티브를 지원하기 위해 추가로 풍부화될 수 있습니다.

당신의 공급망은 고유합니다

생성적 AI의 일반적인 용도, 예를 들어 ChatGPT 또는 Dall-E,는大量의 공개 데이터에훈련된 모델로 더广泛한 작업을 처리할 수 있습니다. 그러나 기업의 공급망을 위해 생성적 AI의 기능을真正로 활용하려면, 이러한 모델을 해당 기업의 데이터와 컨텍스트에 맞게 조정해야 합니다. 즉, 일반적으로 훈련된 모델을 사용할 수 없습니다. 데이터 관리 문제, 예를 들어 데이터 품질, 통합 및 성능,는 현재의 변환 프로젝트를 방해할 수 있으며, 생성적 AI 투자에도 영향을 미칠 수 있습니다.

보안 및 규정

생성적 AI 모델의 기본 요구 사항은 패턴과 문맥을 이해하기 위한大量의 훈련 데이터에 대한 접근입니다. 그러나 생성적 AI 애플리케이션의 인간과 같은 인터페이스는 사용자 위장, 피싱 및 기타 보안 문제를 유발할 수 있습니다. 모델 훈련에 대한 접근을 제한하면 AI의 성능이 저하될 수 있으며, 공급망 데이터에 대한 무제한적인 접근은 정보 보안 사고를 유발할 수 있습니다.

생성적 AI는 공급망의 성능을 최적화하는 데 많은 기회를 제공합니다. 그러나, 생성적 AI를 투자하기 전에, 기업은 강력한 비즈니스 케이스, 데이터 및 사용자의 보안, 측정 가능한 비즈니스 목표를 고려해야 합니다. 또한, 생성적 AI와 “비즈니스 플레이북”을 결합하여 팀의 계획, 의사 결정, 실행 능력을 최적화할 수 있습니다. “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.