De Rol van Generatieve AI in Supply Chains

Net zoals supply chain-disrupties het frequente onderwerp van directiebesprekingen werden in 2020, werd Generatieve AI snel het hete onderwerp van 2023. Immers, 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 data. De variatie en volume van data en de verschillende soorten data voegen extra complexiteit toe aan een extreem complex real-world probleem: hoe de prestaties van de supply chain te optimaliseren. En terwijl use cases voor generatieve AI in supply chains uitgebreid zijn – waaronder verhoogde automatisering, vraagvoorspelling, bestelverwerking en -volging, voorspellend onderhoud van machines, risicobeheer, leveranciersbeheer en meer – zijn veel van deze use cases ook van toepassing op predictieve AI en zijn reeds geadopteerd en op grote schaal geïmplementeerd.

Deze bijdrage schetst een aantal use cases die bijzonder goed geschikt zijn voor generatieve AI in supply chains en biedt enkele waarschuwingen die supply chain-leiders in overweging moeten nemen voordat ze een investering doen.

Ondersteund Beslissen

Het hoofddoel van AI en ML in supply chains is om het beslissingsproces 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 zijn geïdentificeerd en zeer grote hoeveelheden relevante data te gebruiken. Generatieve AI kan dit nog een stap verder zetten door verschillende functionele gebieden van supply chain-management te ondersteunen. Bijvoorbeeld kunnen supply chain-managers generatieve AI-modellen gebruiken om verduidelijkende vragen te stellen, aanvullende data aan te vragen, beter de invloedsfactoren te begrijpen en de historische prestaties van beslissingen in soortgelijke scenario’s te zien. Kortom, generatieve AI maakt het due diligence-proces dat aan beslissingen voorafgaat, aanzienlijk sneller en gemakkelijker voor de gebruiker.

Bovendien kunnen generatieve AI-modellen, op basis van onderliggende data en modellen, grote hoeveelheden gestructureerde en ongestructureerde data verwerken, verschillende scenario’s automatisch genereren en aanbevelingen doen op basis van de gepresenteerde opties. Dit reduceert 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 Supply Chain Management Talenttekort

In de afgelopen jaren hebben ondernemingen te maken gehad met een tekort aan supply chain-talent vanwege planner-burnout, 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 kunnen reageren op gebruikersvragen met contextualiseerde en relevante informatie. De conversational user interface 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-gebaseerd ondersteund beslissen kan helpen om de oplossing van verschillende change management-problemen te versnellen. Het kan ook de inwerktijd van nieuwe medewerkers versnellen door de opleidingsduur en de werkervaringseisen te reduceren. Nog belangrijker, generatieve AI kan mensen met een handicap empoweren door communicatie te verbeteren, cognitie te verbeteren, lees- en schrijfondersteuning te bieden, persoonlijke organisatie te bieden en voortdurend leren en ontwikkelen te ondersteunen.

Terwijl sommigen vrezen dat generatieve AI in de komende jaren tot banenverlies zal leiden, denken anderen dat het werk zal upgraden door repetitieve taken te verwijderen en ruimte te maken voor meer strategische 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 veerkrachtig en flexibel zijn, wat cross-enterprise-zichtbaarheid vereist. De supply chain moet “weten” wat de hele netwerkzichtbaarheid is. Echter, het opbouwen van het digitale model van het hele n-tier supply chain-netwerk is vaak kostbaar. Grote ondernemingen hebben data 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 disparate data logisch samen te brengen. Dit wordt verergerd wanneer organisaties verder kijken dan de eerste- of tweede-tier leveranciers naar waar het verzamelen van data in een gestructureerd formaat onwaarschijnlijk is.

Generatieve AI-modellen kunnen enorme hoeveelheden data verwerken, waaronder gestructureerde (master data, transactiedata, EDI’s) en ongestructureerde data (contracten, facturen, afbeeldingsgescans), om patronen en context te identificeren met beperkte voorverwerking van data. 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 waar digitaal model van het n-tier supply netwerk creëren – sneller en op grote schaal – en inter- en intrabedrijfs 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 koolstofemissies van producten en processen, en meer.

Hoewel 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 die in overweging moeten worden genomen.

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 data. Om de mogelijkheden van generatieve AI voor de ondernemingssupply chain echt te benutten, moeten deze modellen worden afgestemd op de ondernemingsdata en de context specifiek voor uw organisatie. Met andere woorden, u kunt geen algemeen getraind model gebruiken. De data management-uitdagingen zoals datakwaliteit, integratie en prestaties die huidige transformatieprojecten hinderen, kunnen ook generatieve AI-investeringen beïnvloeden, waardoor een tijdrovende en kostbare oefening ontstaat zonder de juiste data management-oplossing die reeds op zijn plaats is.

Generatieve AI is afhankelijk van het begrijpen van patronen binnen de trainingsdata en als supply chain-professionals iets hebben geleerd in de afgelopen drie jaar, is het dat supply chains blijven worden geconfronteerd met nieuwe risico’s en ongekende kansen.

Beveiliging & Reguleringen

De basisvereiste voor generatieve AI-modellen is toegang tot enorme hoeveelheden trainingsdata 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-data 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, waarin ze regeringen vragen om giant AI-experimenten te pauzeren totdat technologieleiders en beleidsmakers regels en reguleringen kunnen vaststellen om veiligheid te garanderen.

Generatieve AI biedt een overvloed aan verbeteringsmogelijkheden voor organisaties die deze technologie kunnen benutten en een krachtvermenigvuldiging kunnen creëren voor menselijke vernieuwing, creativiteit en beslissingen. Dat gezegd hebbende, totdat er modellen getraind en expliciet ontworpen zijn 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 zijn afgestemd op bedrijfsprocessen en -doelstellingen. Bedrijven die “business playbooks” combineren met generatieve AI zullen het beste in staat zijn om de capaciteit van teams te vergroten om te plannen, te beslissen en uit te voeren, terwijl ze nog steeds de gewenste bedrijfsresultaten optimaliseren. Organisaties moeten ook een sterk businessgeval, beveiliging van data en gebruikers, en meetbare bedrijfsdoelstellingen in overweging nemen voordat ze investeren in nieuwe generatieve AI-technologie.