Tempo AI: Następna Faza Przyszłości Innowacji

Od pojawienia się ChatGPT, świat wszedł w cykl boomu AI. Ale to, czego większość ludzi nie zdaje sobie sprawy, to fakt, że AI nie jest nowy — istnieje już od dość długiego czasu. Nawet w początkowych dniach powszechnie używanej wyszukiwarki Google, automatyzacja była sercem wyników. Teraz świat zaczyna się budzić i zdawać sobie sprawę, jak bardzo AI jest już wbudowane w nasze codzienne życie i jak wiele niewykorzystanego potencjału jeszcze ma.

Tempo adopcji i innowacji AI porusza się tak szybko — osiągając około 1 bilion dolarów wydatków — że wiele osób zastanawia się, czy możemy dokładnie przewidzieć rozwój przyszłych modeli nawet za dwa lata. Jest to dodatkowo napędzane przez firmy technologiczne, takie jak Meta, Alphabet, Microsoft, Oracle i OpenAI, które prezentują kolejne nowe osiągnięcia i modele AI, aby nadążyć za popytem branżowym. Producent chipów AI, Nvidia, rozwija się tak szybko, że jego biznes nie może być nawet właściwie wyceniony.

Co wiemy o tempie AI, to to, że wraz ze wzrostem ilości danych i poprawą jakości danych, AI będzie coraz lepiej wspierać innowacje w działaniach biznesowych, aplikacjach i procesach we wszystkich branżach. Aby oszacować, gdzie AI będzie za kilka lat, musimy najpierw zrozumieć, że przypadki użycia AI są dwukrotnie. Po pierwsze, jest to technologia wspierająca, która poprawia istniejące rozwiązania, aby były bardziej efektywne, dokładne i wpływowe. Po drugie, AI ma potencjał, aby być technologią innowacyjną, czyniąc niewyobrażalne postępy lub rozwiązania możliwymi.

Zmiana Tempo AI w Historii

Chociaż wydaje się, że zainteresowanie AI zaczęło się, gdy OpenAI wydał ChatGPT w 2022 roku, początki sztucznej inteligencji i przetwarzania języka naturalnego (NLP) sięgają dekad wstecz. Algorytmy, które są podstawą AI, zostały po raz pierwszy opracowane w latach 40., tworząc podstawy dla uczenia maszynowego i analizy danych. Wczesne zastosowania AI w branżach, takich jak zarządzanie łańcuchem dostaw (SCM), sięgają lat 50., wykorzystując automatyzację do rozwiązywania problemów w logistyce i zarządzaniu zapasami. W latach 90. podejścia oparte na danych i uczeniu maszynowym były już powszechne w biznesie. Wraz z postępem lat 2000., technologie, takie jak automatyzacja procesów roboczych (RPA), uproszczały zadania biurowe w wielu złożonych i administracyjnych funkcjach biznesowych.

Potem pojawił się ChatGPT. Jest bardzo wyraźne, że postrzeganie AI zmieniło się z powodu generatywnej AI. Przed powstaniem GenAI, konsumenci nie rozumieli mechaniki automatyzacji, nie mówiąc już o mocy automatyzacji dla firm. AI leży u podstaw wielu nowoczesnych technologii, takich jak silnik wyszukiwania Google. Większość konsumentów ufa Google, aby dostarczyć dokładne odpowiedzi na niezliczoną ilość pytań, rzadko rozważając złożone procesy i algorytmy, które stoją za tymi wynikami na ekranie komputera. Ale widzieć, to wierzyć — z ChatGPT, świat zaczął widzieć prawdziwe przypadki użycia. Nadal jednak istnieje nieporozumienie, jak bardzo AI jest już zintegrowane w naszym codziennym życiu — nawet w świecie biznesu. Jak wspomniano powyżej, AI umożliwia istniejącym technologiom być lepszymi i, podobnie jak mikrochipy Intela, AI siedzi w tle technologii, których używamy każdego dnia.

Jeśli liderzy nie mogą zrozumieć wielkości AI, jak mogą być oczekiwani, aby pomyślnie wdrożyć AI w swoje codzienne operacje biznesowe? To jest właśnie problem.

Wyzwania Adopcji i Wzrostu

Jeśli ktoś zadałoby pytanie narzędziu GPT, „co profesjonaliści z zakresu zamówień publicznych i łańcucha dostaw mogą powiedzieć o AI”, najprawdopodobniej podkreśliłoby luki wiedzy związane z adopcją AI. Na całym świecie adopcja AI wzrosła wykładniczo w ciągu ostatniego roku, po ograniczonym wzroście w poprzednich latach. Przez sześć ostatnich lat, tylko 50% liderów biznesu powiedziało, że inwestują w technologie AI w swoich operacjach. W 2024 roku wskaźnik adopcji skoczył do 72%, pokazując, że liderzy biznesu dopiero teraz budzą się do potencjału AI, aby poprawić ich organizację we wszystkich obszarach działalności.

Jednak aby zrealizować pełną wartość AI, potrzebne jest coś więcej niż tylko wdrożenie najnowocześniejszych rozwiązań. Wymaga to dostępu do odpowiednich danych — danych, które dostarczają bogaty kontekst rzeczywistych wzorców wydatków, wyników dostawców, dynamiki rynku i rzeczywistych ograniczeń. Niewystarczający dostęp do danych oznacza życie lub śmierć innowacji AI w przedsiębiorstwie. Co najmniej 30% wszystkich projektów GenAI ma zostać porzuconych z powodu złej jakości danych, wśród innych wyzwań, takich jak niewystarczające kontrole ryzyka, rosnące koszty lub niejasna wartość biznesowa. Ale są też inne wyzwania, z którymi firmy muszą się zmierzyć przy adopcji AI i wprowadzaniu go na skalę.

W dużych organizacjach jest niestety powszechne, że istnieją silo, które mogą narażać firmy na znaczne ryzyko. Weźmy na przykład branżę łańcucha dostaw. Łańcuch dostaw odgrywa krytyczną rolę w strategii biznesowej, a dla dużych, globalnych organizacji, połączona skala sektora jest prawie niewyobrażalna. Jeśli jeden aspekt biznesu działa w silosie, może to narazić całą organizację na duże ryzyko. Jeśli zespoły łańcucha dostaw nie komunikują zmian w popycie swoim dostawcom, jak liderzy mogą być oczekiwani, aby stworzyć dokładne prognozy? Jeśli zespół sprzedaży nie komunikuje aktualizowanych prognoz do zamówień, mogą zabezpieczyć długoterminowe umowy na podstawie przestarzałych informacji, zamykając się w umowach, które mogą nie być zgodne z obecnym popytem klienta.

Czy to silo organizacyjne, czy informacyjne, brak komunikacji może prowadzić do awarii w obsłudze klienta, tworzyć nieefektywności i ogólny zastój w innowacjach. AI może udowodnić swoją wartość w rozwiązywaniu tych silosów: jeśli ich technologia jest sprawnie połączona, wtedy ich pracownicy i dostawcy również mogą być.

Liderzy biznesu aktywnie inwestują w rozwiązania oparte na AI, aby napędzać automatyzację procesów, zdolności do strategicznego źródła, widoczność i kontrolę wydatków, oraz ogólną rentowność. Aby odnieść sukces z tymi możliwościami AI i osiągnąć swoje cele w zakresie zarządzania wydatkami, firmy muszą współpracować, aby promować przejrzystość i pracować w kierunku wspólnego celu.

Następna Ewolucja AI

Obecnie najlepszy przypadek użycia AI, który naprawdę napędza efektywność biznesu i wzrost, to automatyzacja prostych, administracyjnych zadań. Niezależnie od tego, czy są to wydajności przepływu pracy, ekstrakcja i analiza danych, zarządzanie zapasami, czy konserwacja predykcyjna, liderzy zdają sobie sprawę, że AI może przyspieszyć monotonne, czasochłonne zadania w niezwykłych tempach i z ekstremalną precyzją. Chociaż wydaje się to proste, kiedy wykorzystywane w branżach, takich jak łańcuch dostaw lub zamówienia, takie przypadki użycia mogą zaoszczędzić firmom niezliczone godziny i miliardy dolarów.

Omówiliśmy AI jako technologię wspierającą — ale nadal istnieje niewykorzystany potencjał dla AI, aby stać się technologią innowacyjną. Gdy jesteśmy na progu nowego roku, są wiele osiągnięć AI, na które liderzy biznesu powinni zwrócić uwagę, tuż za horyzontem.

Dla zarządzania łańcuchem dostaw i zamówień, jednym z tych osiągnięć będą ulepszenia w autonomicznym źródle. Wykorzystując AI i inne zaawansowane technologie, firmy mogą zautomatyzować zadania, które tradycyjnie były zależne od ludzi, takie jak źródło i kontraktowanie, aby napędzać efektywność i uwolnić zasoby, pozwalając AI na analizę ogromnych ilości danych, identyfikację trendów i podejmowanie świadomych decyzji dotyczących źródła w czasie rzeczywistym. Pełne autonomiczne źródło nie tylko oferuje niezrównane oszczędności kosztów, oszczędzając czas pracowników, promując efektywność i redukując błędy, ale może również zmniejszyć ryzyko oszustw i podrabiania, ciągle zapewniając zgodność z etycznymi i standardami zrównoważonymi.

Jednak jeszcze przed wprowadzeniem autonomicznego źródła, firmy powinny skoncentrować się na dostarczeniu użytkownikom doświadczenia (UX), które jest intuicyjne, efektywne i łatwe do nawigacji zarówno dla zespołów zamówień, jak i dostawców. Gdy tylko stworzony zostanie hiperpersonalizowany UX, firmy mogą spójnie wdrożyć autonomiczne rozwiązania.

Wynik AI nie jest tylko poprawą wyników finansowych firm, ale również poprawą podejmowania decyzji, przewidywania przyszłych wzorców i budowaniem odporności. Dyrektorzy wykonawczy z różnych sektorów coraz częściej uważają, że adopcja technologii AI jest niezbędna do transformacji i zabezpieczenia ich operacji przez automatyzację. Z czasem, podobnie jak każda inna technologia przed nią, AI stanie się coraz tańsze, a wartość jej wyjścia będzie rosła. To daje nam wiele powodów, aby być optymistami co do przyszłości AI i zrównoważonej roli, jaką będzie odgrywać w naszym życiu — zarówno biznesowym, jak i osobistym.