De rol van generatieve AI in supply chains

Net zoals supply chain-verstoringen in 2020 het frequente onderwerp van directievergaderingen werden, werd generatieve AI snel het hete onderwerp van 2023. Na alle, OpenAI’s ChatGPT bereikte 100 miljoen gebruikers in de eerste twee maanden, waarmee het de snelst groeiende consumentenapplicatie-adoptie in de geschiedenis werd.

Supply chains zijn, tot op zekere hoogte, goed geschikt voor de toepassingen van generatieve AI, aangezien ze functioneren op en genereren enorme hoeveelheden gegevens. De variatie en volume van gegevens en de verschillende soorten gegevens voegen extra complexiteit toe aan een extreem complex wereldwijd probleem: hoe de prestaties van de supply chain te optimaliseren. En terwijl use cases voor generatieve AI in supply chains uitgebreid zijn – inclusief verhoogde automatisering, vraagvoorspelling, orderverwerking en -volging, voorspellend onderhoud van machines, risicobeheer, leveranciersbeheer en meer – zijn veel ervan ook van toepassing op predictieve AI en zijn al op grote schaal geadopteerd en ingezet.

Dit artikel beschrijft een aantal use cases die bijzonder goed geschikt zijn voor generatieve AI in supply chains en biedt enkele waarschuwingen die supply chain-leiders moeten overwegen voordat ze een investering doen.

Ondersteunde besluitvorming

Het hoofddoel van AI en ML in supply chains is om het besluitvormingsproces te vergemakkelijken, met de belofte van verhoogde snelheid en kwaliteit. Predictieve AI doet dit door voorspellingen en prognoses te bieden die nauwkeuriger zijn, nieuwe patronen te ontdekken die nog niet geïdentificeerd zijn, en zeer grote hoeveelheden relevante gegevens te gebruiken. Generatieve AI kan dit nog een stap verder zetten door verschillende functionele gebieden van supply chain-management te ondersteunen. Bijvoorbeeld, supply chain-managers kunnen generatieve AI-modellen gebruiken om verduidelijkende vragen te stellen, aanvullende gegevens aan te vragen, beter de invloedsfactoren te begrijpen en de historische prestaties van beslissingen in vergelijkbare scenario’s te zien. Kortom, generatieve AI maakt het due diligence-proces dat aan besluitvorming voorafgaat, aanzienlijk sneller en gemakkelijker voor de gebruiker.

Bovendien kunnen generatieve AI-modellen, op basis van onderliggende gegevens en modellen, grote hoeveelheden gestructureerde en ongestructureerde gegevens analyseren, automatisch verschillende scenario’s genereren en aanbevelingen doen op basis van de gepresenteerde opties. Dit vermindert het niet-waarde toevoegende werk dat supply chain-managers momenteel doen en geeft hen de mogelijkheid om meer tijd te besteden aan het nemen van gegevensgestuurde beslissingen en sneller te reageren op marktveranderingen.

Een (mogelijke) oplossing voor het tekort aan supply chain-managementtalent

In de afgelopen jaren hebben ondernemingen te maken gehad met een tekort aan supply chain-talent vanwege planner-burn-out, vertrek en een steile leercurve voor nieuwe medewerkers vanwege de complexe aard van de functie. Generatieve AI-modellen kunnen worden afgestemd op de standaardbedrijfsprocedures, bedrijfsprocessen, workflows en software-documentatie van ondernemingen en vervolgens contextuele en relevante informatie bieden als antwoord op gebruikersvragen. De conversatie-georiënteerde gebruikersinterface die gewoonlijk wordt geassocieerd met generatieve AI, maakt het aanzienlijk gemakkelijker om met een ondersteuningsysteem te communiceren en biedt de mogelijkheid om de vraag te verfijnen, waardoor de tijd die nodig is om de juiste informatie te vinden, nog verder wordt versneld.

Het combineren van een generatieve AI-gebaseerd leer- en ontwikkelingssysteem met generatieve AI-gebaseerde ondersteunde besluitvorming kan helpen om de oplossing van verschillende change management-problemen te versnellen. Het kan ook de opstarttijd van nieuwe medewerkers versnellen door de opleidingsduur en de werkervaringseisen te verminderen. Nog belangrijker, generatieve AI kan mensen met een handicap empoweren door de communicatie te verbeteren, de cognitie te verbeteren, lees- en schrijfondersteuning te bieden, persoonlijke organisatie te bieden en voortdurende leer- en ontwikkelingsmogelijkheden te ondersteunen.

Terwijl sommigen vrezen dat generatieve AI zal leiden tot banenverlies in de komende jaren, denken anderen dat het werk zal upgraden door repetitieve taken te verwijderen en ruimte te maken voor strategischere taken. Ondertussen wordt voorspeld dat het vandaag de chronische supply chain- en digitale talenttekorten zal oplossen. Daarom is het leren werken met deze technologie belangrijk.

Het opbouwen van het digitale supply chain-model

Supply chains moeten resilient en flexibel zijn, wat cross-enterprise-zichtbaarheid vereist. De supply chain moet “weten” van het hele netwerk voor zichtbaarheid. Het opbouwen van het digitale model van het hele n-tier supply chain-netwerk is echter vaak kostbaar. Grote ondernemingen hebben gegevens verspreid over tientallen of honderden systemen, met de meeste grote ondernemingen die meer dan 500 applicaties gelijktijdig beheren over ERPs, CRMs, PLMs, Inkoop & Sourcing, Planning, WMS, TMS en meer. Met al deze complexiteit en fragmentatie is het extreem moeilijk om deze uiteenlopende gegevens logisch samen te brengen. Dit wordt verergerd wanneer organisaties verder kijken dan de eerste- of tweede-tier-leveranciers naar waar het verzamelen van gegevens in een gestructureerd formaat onwaarschijnlijk is.

Generatieve AI-modellen kunnen enorme hoeveelheden gegevens verwerken, inclusief gestructureerde (masterdata, transactiegegevens, EDI’s) en ongestructureerde gegevens (contracten, facturen, afbeeldingsscans), om patronen en context te identificeren met beperkte voorverwerking van gegevens. Omdat generatieve AI-modellen leren van patronen en gebruikmaken van waarschijnlijkheidsberekeningen (met enige menselijke interventie) om de volgende logische output te voorspellen, kunnen ze een waarheidsgetrouwer digitaal model van het n-tier supply netwerk creëren – sneller en op grote schaal – en inter- en intra-bedrijfs samenwerking en zichtbaarheid optimaliseren. Dit n-tier-model kan verder worden verrijkt om ESG-initiatieven te ondersteunen, waaronder maar niet beperkt tot het identificeren van conflictmineralen, het gebruik van milieugevoelige bronnen of -gebieden, het berekenen van de koolstofemissies van producten en processen en meer.

Ondanks dat generatieve AI een significante kans biedt voor supply chain-leiders om innovatief te zijn en een strategisch voordeel te creëren, zijn er bepaalde zorgen en risico’s om te overwegen.

Uw supply chain is uniek

Algemene toepassingen van generatieve AI, zoals ChatGPT of Dall-E, zijn momenteel succesvol in het aanpakken van taken die breder van aard zijn omdat de modellen zijn getraind op enorme hoeveelheden openbaar beschikbare gegevens. Om de mogelijkheden van generatieve AI voor het ondernemingsupply chain echt te benutten, moeten deze modellen worden afgestemd op de ondernemingsgegevens en de context specifiek voor uw organisatie. Met andere woorden, u kunt geen algemeen getraind model gebruiken. De gegevensbeheeruitdagingen zoals gegevenskwaliteit, integratie en prestaties die huidige transformatieprojecten belemmeren, kunnen ook de investeringen in generatieve AI beïnvloeden, waardoor het een tijdrovende en kostbare oefening wordt zonder de juiste gegevensbeheeroplossing die al op zijn plaats is.

Generatieve AI is afhankelijk van het begrijpen van patronen binnen de trainingsgegevens en als supply chain-professionals iets hebben geleerd in de afgelopen drie jaar, is het dat supply chains blijvend te maken krijgen met nieuwe risico’s en ongekende kansen.

Beveiliging & regelgeving

De basisvereiste voor generatieve AI-modellen is toegang tot enorme hoeveelheden trainingsgegevens om patronen en context te begrijpen. Dat gezegd hebbende, kan de menselijke interface van generatieve AI-toepassingen leiden tot gebruikersimpersonatie, phishing en andere beveiligingsproblemen. Terwijl beperkte toegang tot modeltraining kan leiden tot onderprestatie van de AI, kan onbeperkte toegang tot supply chain-gegevens leiden tot informatiebeveiligingsincidenten waarbij kritische en gevoelige informatie beschikbaar wordt gesteld aan ongeautoriseerde gebruikers.

Het is ook onduidelijk hoe verschillende regeringen zullen kiezen om generatieve AI in de toekomst te reguleren, naarmate de adoptie blijft groeien en nieuwe toepassingen van generatieve AI worden ontdekt. Verschillende AI-experts hebben hun bezorgdheid geuit over het risico dat AI met zich meebrengt, waarbij ze regeringen vragen om giant AI-experimenten te pauzeren totdat technologie-leiders en beleidsmakers regels en regelgeving kunnen vaststellen om veiligheid te garanderen.

Generatieve AI biedt een overvloed aan verbeterkansen voor organisaties die deze technologie kunnen benutten en een multiplicator voor menselijke vindingrijkheid, creativiteit en besluitvorming kunnen creëren. Dat gezegd hebbende, totdat er modellen zijn getraind en expliciet ontworpen voor supply chain-use cases, is de beste manier om vooruit te gaan een evenwichtige aanpak van generatieve AI-investeringen.

Het instellen van adequate beveiligingsmaatregelen zal verstandig zijn om ervoor te zorgen dat de AI een reeks geoptimaliseerde plannen biedt voor elke gebruiker om te bekijken en te selecteren die aansluiten bij bedrijfsprocessen en -doelstellingen. Bedrijven die “business playbooks” combineren met generatieve AI, zullen het beste in staat zijn om de capaciteit van teams te verhogen om te plannen, te beslissen en uit te voeren, terwijl ze nog steeds de gewenste bedrijfsresultaten optimaliseren. Organisaties moeten ook een sterk businessplan, gegevens- en gebruikersbeveiliging en meetbare bedrijfsdoelstellingen overwegen voordat ze investeren in nieuwe generatieve AI-technologie.