Rola generatywnej sztucznej inteligencji w łańcuchach dostaw

Tak jak zakłócenia w łańcuchu dostaw stały się częstym tematem dyskusji na zarządach w 2020 r., tak Generative AI szybko stała się gorącym tematem w 2023 r. W końcu ChatGPT OpenAI osiągnął 100 milionów użytkowników w ciągu pierwszych dwóch miesięcy, co czyni ją najszybciej rozwijającą się aplikacją konsumencką w historii.

Łańcuchy dostaw w pewnym stopniu dobrze nadają się do zastosowań generatywnej sztucznej inteligencji, biorąc pod uwagę, że działają na ogromnych ilościach danych i generują je. Różnorodność i ilość danych oraz różne typy danych dodatkowo zwiększają złożoność niezwykle złożonego problemu w świecie rzeczywistym: jak zoptymalizować wydajność łańcucha dostaw. I chociaż przypadki użycia generatywnej sztucznej inteligencji w łańcuchach dostaw są szerokie – obejmują zwiększoną automatyzację, prognozowanie popytu, przetwarzanie i śledzenie zamówień, konserwację predykcyjną maszyn, zarządzanie ryzykiem, zarządzanie dostawcami i wiele innych – wiele z nich ma również zastosowanie do predykcyjnej sztucznej inteligencji i zostało już przyjętych i wdrażane na dużą skalę.

W tym artykule przedstawiono kilka przypadków użycia, które szczególnie dobrze nadają się do generatywnej sztucznej inteligencji w łańcuchach dostaw, i przedstawiono pewne przestrogi, które liderzy łańcucha dostaw powinni wziąć pod uwagę przed dokonaniem inwestycji.

Wspomagane podejmowanie decyzji

Głównym celem AI i ML w łańcuchach dostaw jest ułatwienie procesu decyzyjnego, oferując obietnicę zwiększonej szybkości i jakości. Predykcyjna sztuczna inteligencja osiąga to poprzez dostarczanie dokładniejszych przewidywań i prognoz, odkrywanie nowych, jeszcze niezidentyfikowanych wzorców i wykorzystywanie bardzo dużych ilości odpowiednich danych. Generatywna sztuczna inteligencja może pójść o krok dalej, wspierając różne obszary funkcjonalne zarządzania łańcuchem dostaw. Na przykład menedżerowie łańcucha dostaw mogą korzystać z generatywnych modeli sztucznej inteligencji, aby zadawać pytania wyjaśniające, żądać dodatkowych danych, lepiej rozumieć czynniki wpływające i przeglądać historyczne wyniki decyzji w podobnych scenariuszach. Krótko mówiąc, generatywna sztuczna inteligencja sprawia, że ​​proces należytej staranności poprzedzający podjęcie decyzji jest znacznie szybszy i łatwiejszy dla użytkownika.

Co więcej, w oparciu o dane i modele, generatywna sztuczna inteligencja może analizować duże ilości danych ustrukturyzowanych i nieustrukturyzowanych, automatycznie generować różne scenariusze i dostarczać rekomendacje na podstawie przedstawionych opcji. Znacząco ogranicza to pracę niewnoszącą wartości dodanej, którą obecnie wykonują menedżerowie łańcucha dostaw, i umożliwia im spędzanie większej ilości czasu na podejmowaniu decyzji opartych na danych i szybszym reagowaniu na zmiany rynkowe.

(Możliwe) rozwiązanie niedoboru talentów do zarządzania łańcuchem dostaw

W ciągu ostatnich kilku lat przedsiębiorstwa cierpiały z powodu niedoboru talentów w łańcuchu dostaw z powodu wypalenia planistów, wyczerpania kadr i konieczności szybkiego uczenia się nowych pracowników ze względu na złożony charakter stanowiska. Modele generatywnej sztucznej inteligencji można dostosować do standardowych procedur operacyjnych przedsiębiorstw, procesów biznesowych, przepływów pracy i dokumentacji oprogramowania, a następnie mogą odpowiadać na zapytania użytkowników za pomocą kontekstowych i odpowiednich informacji. Konwersacyjny interfejs użytkownika powszechnie kojarzony z generatywną sztuczną inteligencją znacznie ułatwia interakcję z systemem wsparcia i daje możliwość doprecyzowania zapytania, jeszcze bardziej przyspieszając czas potrzebny na znalezienie właściwych informacji.

Połączenie generatywnego systemu uczenia się i rozwoju opartego na sztucznej inteligencji z generatywnym procesem decyzyjnym wspomaganym przez sztuczną inteligencję może pomóc przyspieszyć rozwiązywanie różnych problemów związanych z zarządzaniem zmianami. Może także przyspieszyć wdrażanie nowych pracowników poprzez skrócenie czasu szkolenia i wymagań dotyczących doświadczenia zawodowego. Co ważniejsze, generatywne Sztuczna inteligencja może wzmocnić pozycję osób niepełnosprawnych poprzez poprawę komunikacji, poprawę funkcji poznawczych, pomoc w czytaniu i pisaniu, zapewnianie osobistej organizacji oraz wspieranie ciągłego uczenia się i rozwoju.

Niektórzy obawiają się, że generatywna sztuczna inteligencja doprowadzi w nadchodzących latach do utraty miejsc pracy, inni uważają, że tak się stanie ujednolić pracę, usuwając powtarzalne zadania i robiąc miejsce na bardziej strategiczne. W międzyczasie przewiduje się, że rozwiąże to dzisiejszy chroniczny łańcuch dostaw i niedobory talentów cyfrowych. Dlatego ważna jest nauka pracy z technologią.

Budowa cyfrowego modelu łańcucha dostaw

Łańcuchy dostaw muszą być odporne i elastyczne, co wymaga widoczności między przedsiębiorstwami. Łańcuch dostaw musi „znać” całą sieć, aby był widoczny. Jednak zbudowanie cyfrowego modelu całej n-poziomowej sieci łańcucha dostaw jest często zbyt kosztowne. Duże przedsiębiorstwa przechowują dane rozproszone w dziesiątkach lub setkach systemów większość dużych przedsiębiorstw zarządzających jednocześnie ponad 500 aplikacjami w systemach ERP, CRM, PLM, zaopatrzeniu i zaopatrzeniu, planowaniu, WMS, TMS i nie tylko. Przy całej tej złożoności i fragmentacji niezwykle trudno jest logicznie połączyć tak rozbieżne dane. Sytuacja komplikuje się, gdy organizacje wychodzą poza dostawców pierwszego lub drugiego poziomu i skupiają się na przypadkach, w których gromadzenie danych w ustrukturyzowanym formacie jest mało prawdopodobne.

Modele generatywne AI mogą przetwarzać ogromne ilości danych, w tym dane ustrukturyzowane (dane podstawowe, dane transakcyjne, EDI) i dane nieustrukturyzowane (umowy, faktury, skany obrazów), w celu identyfikacji wzorców i kontekstu przy ograniczonym wstępnym przetwarzaniu danych. Ponieważ generatywne modele sztucznej inteligencji uczą się na podstawie wzorców i wykorzystują obliczenia prawdopodobieństwa (z pewną interwencją człowieka) do przewidywania kolejnego logicznego wyniku, mogą stworzyć prawdziwszy cyfrowy model n-poziomowej sieci dostaw – szybciej i na większą skalę – oraz zoptymalizować transakcje między- i wewnątrz -współpraca i widoczność firmy. Ten wielopoziomowy model można dodatkowo wzbogacić, aby wspierać inicjatywy ESG, w tym między innymi identyfikację minerałów z regionów konfliktowych, wykorzystanie zasobów lub obszarów wrażliwych pod względem środowiskowym, obliczanie emisji dwutlenku węgla z produktów i procesów i nie tylko.

Mimo że generatywna sztuczna inteligencja zapewnia liderom łańcucha dostaw znaczącą możliwość bycia innowacyjnym i tworzenia strategicznej przewagi, istnieją pewne obawy i ryzyko, które należy wziąć pod uwagę.

Twój łańcuch dostaw jest wyjątkowy

Ogólne zastosowania generatywnej sztucznej inteligencji, takie jak ChatGPT czy Dall-E, są obecnie skuteczne w rozwiązywaniu zadań o szerszym charakterze, ponieważ modele są szkolone na ogromnych ilościach publicznie dostępnych danych. Aby naprawdę wykorzystać możliwości generatywnej sztucznej inteligencji w łańcuchu dostaw przedsiębiorstwa, modele te będą musiały zostać dostosowane do odpowiednich danych przedsiębiorstwa i kontekstu specyficznego dla Twojej organizacji. Innymi słowy, nie można użyć ogólnie przeszkolonego modelu. Wyzwania związane z zarządzaniem danymi, takie jak jakość danych, integracja i wydajność, które utrudniają obecne projekty transformacji, mogą również mieć wpływ na inwestycje w generatywną sztuczną inteligencję, prowadząc do czasochłonnych i kosztownych działań bez już dostępnego odpowiedniego rozwiązania do zarządzania danymi.

Generatywna sztuczna inteligencja zależy od zrozumienia wzory zawarte w danych szkoleniowych i jeśli specjaliści ds. łańcucha dostaw nauczyli się czegokolwiek w ciągu ostatnich trzech lat, to tego, że łańcuchy dostaw będą w dalszym ciągu borykać się z nowymi zagrożeniami i bezprecedensowymi możliwościami.

Bezpieczeństwo i przepisy

Podstawowym wymaganiem generatywnych modeli AI jest dostęp do ogromnych ilości danych szkoleniowych w celu zrozumienia wzorców i kontekstu. To powiedziawszy, przypominający ludzki interfejs aplikacji generatywnej sztucznej inteligencji może prowadzić do podszywania się pod użytkownika, phishingu i innych problemów związanych z bezpieczeństwem. Chociaż ograniczony dostęp do szkolenia modeli może prowadzić do słabych wyników sztucznej inteligencji, przyznanie nieograniczonego dostępu do danych w łańcuchu dostaw może prowadzić do incydentów związanych z bezpieczeństwem informacji, w przypadku których krytyczne i wrażliwe informacje są udostępniane nieupoważnionym użytkownikom.

Nie jest również jasne, w jaki sposób różne rządy podejmą decyzję o uregulowaniu generatywnej sztucznej inteligencji w przyszłości, w miarę ciągłego wzrostu adopcji i odkrywania nowych zastosowań generatywnej sztucznej inteligencji. Kilku ekspertów AI wyraziło zaniepokojenie ryzyko stwarzane przez sztuczną inteligencję, prosząc rządy o wstrzymanie gigantycznych eksperymentów związanych ze sztuczną inteligencją do czasu, gdy liderzy technologii i decydenci będą mogli ustanowić zasady i regulacje zapewniające bezpieczeństwo.

Generatywna sztuczna inteligencja oferuje mnóstwo możliwości doskonalenia tym organizacjom, które mogą wykorzystać tę technologię i stworzyć mnożnik siły dla ludzkiej pomysłowości, kreatywności i podejmowania decyzji. To powiedziawszy, dopóki nie zostaną wyszkolone i wyraźnie zaprojektowane modele do zastosowań w łańcuchu dostaw, najlepszym sposobem na dalsze postępy jest zrównoważone podejście do inwestycji w generatywną sztuczną inteligencję.

Rozsądne będzie ustanowienie odpowiednich zabezpieczeń, aby zapewnić, że sztuczna inteligencja udostępni każdemu użytkownikowi zestaw zoptymalizowanych planów do przejrzenia i wyboru, zgodnych z procesami biznesowymi i celami. Firmy, które łączą „podręczniki biznesowe” z generatywną sztuczną inteligencją, będą w stanie najlepiej zwiększyć zdolność zespołów do planowania, podejmowania decyzji i realizacji, jednocześnie optymalizując pożądane wyniki biznesowe. Przed inwestycją w nową generatywną technologię sztucznej inteligencji organizacje powinny również rozważyć mocne uzasadnienie biznesowe, bezpieczeństwo danych i użytkowników oraz mierzalne cele biznesowe.