Głodni danych: Jak sztuczna inteligencja w łańcuchu dostaw może osiągnąć punkt zwrotny

Sztuczna inteligencja (AI) w łańcuchu dostaw to sprawa kurczaka i jajka. Są tacy, którzy chwalą AI za jej potencjał tworzenia większej widoczności operacji łańcucha dostaw. Innymi słowy, AI jako pierwsze, widoczność jako drugie.

Co mogło być prawdą, gdy wszechobecna, rzeczywista widoczność łańcucha dostaw nie była w inny sposób osiągalna. Ale przekształcająca sztuczną inteligencję w łańcuchu dostaw — w tym ogromnie potężną generatywną AI, która tworzy nowe spostrzeżenia, wyniki, procesy i efektywność z ogromnych zbiorów danych — wymaga, abyśmy odwrócili równanie do góry nogami. Widoczność jako pierwsze, a następnie innowacje napędzane przez GenAI w całym łańcuchu dostaw.

Wyobraź sobie regionalnego menedżera detalicznego, dystrybutora, producenta lub oficera zakupowego, który budzi się w poniedziałek, uruchamia znany chatbota (może nawet aktywowany głosowo) i pyta w naturalnym języku, czy ich łańcuch dostaw jest zoptymalizowany na tydzień. A jeśli nie, pyta, jak łańcuch dostaw można dostosować do osiągnięcia ich celów. GenAI umożliwia tę interakcję z systemami łańcucha dostaw.

Jedynym sposobem, aby GenAI oparte rozwiązanie łańcucha dostaw mogło automatycznie dostarczyć takie odpowiedzi, jest to, że musi wiedzieć o stanie, lokalizacji, stanie, ruchu itp. każdego produktu, pudełka, skrzynki, palety itp. w łańcuchu dostaw. A jedynym sposobem, aby wiedzieć, jest to, że produkty same mogą automatycznie komunikować te informacje bez interwencji człowieka. Dziś mogą to robić za pomocą powszechnego systemu widoczności zwanego ambient IoT.

GenAI w łańcuchu dostaw

Globalna firma konsultingowa Ernst & Young szacuje, że 40 procent firm z łańcucha dostaw inwestuje w GenAI. Wykorzystali GenAI do mapowania złożonych sieci dostaw, uruchamiania scenariuszy “co się stanie, gdy”, prognozowania dostaw w górę i w dół, tworzenia chatbotów, aby partnerzy mogli łatwiej uzyskać odpowiedzi, a nawet generowania nowych umów na podstawie przeszłych lub istniejących umów.

W takich przypadkach firmy szkolą modele AI na własnych, historycznych danych i tym, co mogą uzyskać od partnerów. Następnie proszą GenAI o znalezienie sposobów na zwiększenie wydajności. Ale jak twierdzą analitycy EY, “Narzędzia GenAI są tak potężne, jak ich dane wejściowe, więc są ograniczone przez jakość i dostępność danych od partnerów łańcucha dostaw”.

Cel święty sztucznej inteligencji w łańcuchu dostaw jest generowanie nowych tras, procesów, projektów produktów i list dostawców na podstawie danych w czasie rzeczywistym — i robienie tego tak szybko, jak to możliwe (co jest szybsze niż to, co jest możliwe dla ludzi). Albo jak jeden z executive powiedział Harvard Business Review, “Gdy występuje kryzys łańcucha dostaw, kluczem do bycia konkurencyjnym jest to, aby być szybszym w znajdowaniu alternatywnych dostawców niż wszyscy inni, ponieważ wszyscy szukają tego samego”.

To wymaga szkolenia rozwiązań GenAI na znacznie więcej — i bardziej aktualnych — danych o rzeczywistych operacjach łańcucha dostaw. Wkraczamy w ambient IoT.

Ambient IoT: Język łańcuchów dostaw

Z ambient IoT, produkty, opakowania i miejsca noszą cyfrowe sygnatury, które są językiem widoczności łańcucha dostaw w czasie rzeczywistym, który ostatecznie karmi duże modele językowe (LLM), które są podstawą GenAI. Te sygnatury są przenoszone za pomocą IoT Pixels, samozasilających się, naklejek elektronicznych w rozmiarze znaczka pocztowego, które są przymocowane do wszystkiego w łańcuchu dostaw, co wymaga śledzenia i monitorowania. IoT Pixels obejmują własną moc obliczeniową, sensory i łączność Bluetooth, pozwalając produktom i opakowaniom opisać swoją podróż przez łańcuch dostaw w danych, które LLM mogą spożytkować. Ostatecznie reprezentują one most między światem fizycznym a cyfrowym, udostępniając po raz pierwszy dane łańcucha dostaw, które mogą naprawdę pokazać, przewidzieć i zoptymalizować operacje.

Ambient IoT Pixels komunikują dane za pomocą ustanowionej siatki istniejących urządzeń bezprzewodowych, takich jak smartfony i punkty dostępu bezprzewodowego, lub za pomocą łatwo wdrożonych, standardowych mostków i bramek zainstalowanych w sklepach, magazynach, samochodach dostawczych i innych. W rzeczywistości, z odpowiednimi uprawnieniami i ochroną prywatności, ambient IoT Pixels mogą rozszerzyć widoczność łańcucha dostaw aż do konsumenta, komunikując dane o użyciu produktu, ponownym użyciu i recyklingu, stanowiąc podstawę dla bardziej zaawansowanych modeli GenAI.

I wysyłają dane w sposób ciągły. W przeciwieństwie do rekordów łańcucha dostaw wykorzystywanych do szkolenia modeli GenAI dzisiaj, dane ambient IoT opisują łańcuch dostaw teraźniejszości. Z tą widocznością pozostaje tylko wdrożenie GenAI, aby odpowiedzieć nam, “Co widzę w moim łańcuchu dostaw, teraźniejszości?”

Widoczność w czasie rzeczywistym i generowanie danych ambient IoT w całym łańcuchu dostaw mogą nawet pomóc w rozwiązaniu jednego z wyzwań GenAI: że dane wykorzystywane do szkolenia LLM nieuchronnie odzwierciedlają niezamierzone dane stronniczości z ich generujących źródeł, które często obejmują różne systemy ERP firm.

Produkty śledzone w łańcuchu dostaw za pomocą ambient IoT mówią obiektywną prawdę, ponieważ produkty są tam, gdzie ambient IoT mówi, że są, kiedy mówi, że są. A ponieważ ambient IoT nie wymaga pracowników z skanerami RFID, aby śledzić przesyłki, błędy ludzkie mogą być zminimalizowane.

Dane ambient IoT opisują dokładnie trasę i czas, jaki produkty potrzebują w łańcuchu dostaw. A produkty noszą w swoich cyfrowych paszportach dane o stronach i obiektach zaangażowanych w ich obsługę. Jeśli mają zastosowanie, ambient IoT Pixels mogą dodać do LLM informacje o temperaturze, wilgotności i emisjach węgla na każdym etapie.

Według EY, jednym z obszarów, w którym firmy z łańcucha dostaw badają wykorzystanie GenAI, jest sprawozdawczość regulacyjna i ESG. Najlepszym, najbardziej efektywnym sposobem zbierania ogromnych ilości danych, aby GenAI dostarczyło zgodne informacje, jest ambient IoT.

Od chatbota do automacji

Na co dzień istnieją dwa sposoby, w jaki małżeństwo ambient IoT i GenAI mogłoby przynieść korzyści łańcuchom dostaw. Po pierwsze, pozwoliłoby to większej liczbie osób w łańcuchu dostaw zrozumieć ewoluujące sytuacje i podjąć aktywne kroki w celu zoptymalizowania lub skorygowania operacji łańcucha dostaw. Nie musisz być analitykiem danych ani specjalistą ds. zakupów, aby zapytać GenAI chatbota o status przesyłek lub zapytać o alternatywnych dostawców, chociaż firmy nadal będą potrzebować ekspertów ds. danych, aby upewnić się, że LLM i narzędzia GenAI ewoluują, aby dostarczyć użyteczne wyniki. Ale demokratyzacja analizy i zapytań łańcucha dostaw mogłaby umożliwić szybkie podejmowanie decyzji niezbędne do bycia konkurencyjnym.

Po drugie, GenAI i inne narzędzia AI mogą pomóc zbudować most ku większej automacji łańcucha dostaw. Za pomocą uczenia maszynowego, a konkretnie uczenia wzmocnionego, często spotykanego w systemach sterowania, oprogramowanie może być szkolone, aby podejmować decyzje, które przynoszą lepsze wyniki. Ostatecznie mogą być szkolone, aby wykryć zakłócenia łańcucha dostaw, zanim wystąpią, i automatycznie zaangażować alternatywnych dostawców lub przewoźników. Albo mogą zainicjować konserwację predykcyjną, ustalając, czy pewne systemy magazynowe lub produkcyjne mogą ulec awarii.

Robią to, ucząc się z dużych zbiorów danych, w tym ambient IoT wygenerowanych danych łańcucha dostaw.

Jak się dowiedzieliśmy w ostatnich latach, złożone łańcuchy dostaw istnieją na ostrzu noża. Kilka drobnych czynników może wprowadzić je w chaos. Sztuczna inteligencja będzie kluczowa w unikaniu przyszłego chaosu. Ale aby to osiągnąć, łańcuchy dostaw muszą odblokować dane dla rzeczy, których nie mogą teraz zobaczyć. Ambient IoT dostarcza dane widoczności, na których będą budowane jutrzejsze innowacje GenAI.