Entre em contato

Líderes de pensamento

Fome de dados: como a IA da cadeia de suprimentos pode atingir seu ponto de inflexão

mm

Publicado

 on

A inteligência artificial (IA) nas cadeias de abastecimento é uma questão do tipo “o ovo ou a galinha”. Há quem exalte a IA pelo seu potencial para criar maior visibilidade nas operações da cadeia de abastecimento. Em outras palavras, IA primeiro, visibilidade depois.

O que pode ter sido verdade quando a visibilidade generalizada e em tempo real da cadeia de fornecimento não era possível de outra forma. Mas a IA transformadora da cadeia de abastecimento — incluindo a IA generativa extremamente poderosa, que cria novos insights, resultados, processos e eficiências a partir de enormes conjuntos de dados — exige que invertamos a equação. A visibilidade primeiro, seguida pela inovação impulsionada pela GenAI em toda a cadeia de abastecimento.

Imagine um gerente regional de varejo, distribuidor, fabricante ou responsável por compras acordando em uma segunda-feira, lançando um chatbot de IA familiar (talvez até ativado por voz) e perguntando em linguagem natural se sua cadeia de suprimentos está otimizada para a semana. E se não for, perguntar como a cadeia de abastecimento pode ser ajustada para atingir os seus objetivos. GenAI permite essa interação com sistemas da cadeia de suprimentos.

Mas a única maneira de uma solução de cadeia de suprimentos baseada em GenAI fornecer automaticamente essas respostas é conhecer o status, a localização, a condição, a movimentação, etc., de cada produto, caixa, caixa, palete, etc., na cadeia de suprimentos. E a única maneira de saber isso é se os próprios produtos puderem comunicar automaticamente as informações sem intervenção humana. Hoje, eles podem, por meio de uma plataforma de visibilidade onipresente chamada internet das coisas ambiental (IoT).

GenAI na cadeia de suprimentos

Estimativas da consultoria global Ernst & Young 40 por cento das empresas da cadeia de abastecimento estão investindo em GenAI. Eles usaram GenAI para mapear redes de fornecimento complexas, executar cenários hipotéticos, prever fornecimento upstream e downstream, desenvolver chatbots para que os parceiros possam obter respostas mais facilmente e até mesmo gerar novos contratos com base em acordos anteriores ou existentes.

Nesses casos, as empresas estão treinando modelos de IA por conta própria, com dados históricos e com o que podem obter dos parceiros. Então eles estão pedindo à GenAI que encontre maneiras de aumentar a eficiência. Mas, como afirmam os analistas da EY, “as ferramentas GenAI são tão poderosas quanto os seus dados de entrada, pelo que são limitadas pela qualidade e disponibilidade dos dados dos parceiros da cadeia de abastecimento”.

O Santo Graal da IA ​​da cadeia de abastecimento, no entanto, é gerar novas rotas, processos, designs de produtos e listas de fornecedores com base em dados em tempo real – e fazê-lo o mais rapidamente possível (o que é mais rápido do que humanamente possível). Ou como um executivo disse a Harvard Business Review, “Quando há uma crise na cadeia de abastecimento, a chave para ser competitivo é ser mais rápido na procura de fornecedores alternativos do que qualquer outra pessoa, porque todos procuram fazer a mesma coisa.”

Isso requer o treinamento de soluções GenAI em dados muito mais — e mais atuais — sobre as operações reais da cadeia de suprimentos. Entre na IoT ambiente.

IoT Ambiental: A Linguagem das Cadeias de Fornecimento

Com a IoT ambiental, produtos, embalagens e locais carregam assinaturas digitais, que são a linguagem de visibilidade em tempo real da cadeia de suprimentos, eventualmente alimentando o grandes modelos de linguagem (LLMs) que são a base do GenAI. Essas assinaturas são transportadas por meio de IoT Pixels, etiquetas eletrônicas autoalimentadas do tamanho de um selo, afixadas em qualquer coisa na cadeia de suprimentos que precise de rastreamento e monitoramento. Os IoT Pixels incluem seu próprio poder de computação, sensores e comunicações Bluetooth, permitindo que produtos e embalagens descrevam sua jornada pela cadeia de suprimentos em termos de dados que os LLMs podem consumir. Em última análise, representam uma ponte entre os mundos físico e digital, disponibilizando, pela primeira vez, dados da cadeia de abastecimento que podem realmente mostrar, prever e otimizar operações.

Os Ambient IoT Pixels comunicam dados por meio de uma malha estabelecida de dispositivos sem fio existentes, como smartphones e pontos de acesso sem fio, ou por meio de pontes e gateways padronizados, prontos para uso e facilmente implantados, instalados em lojas, armazéns, caminhões de entrega e muito mais. Na verdade, com as permissões e proteções de privacidade apropriadas, os Pixels IoT ambientais podem estender a visibilidade da cadeia de suprimentos até o consumidor, comunicando dados sobre o uso, reutilização e reciclagem do produto, constituindo a base para modelos GenAI mais avançados.

E eles enviam dados continuamente. Ao contrário dos registros da cadeia de suprimentos usados ​​atualmente para treinar modelos GenAI, os dados ambientais da IoT descrevem a cadeia de suprimentos agora mesmo. Com essa visibilidade, só falta implementar a GenAI para responder por nós: “O que estou vendo na minha cadeia de suprimentos, agora mesmo? "

A visibilidade em tempo real e a geração de dados ambientais de IoT em toda a cadeia de abastecimento poderiam até ajudar a resolver um dos desafios da GenAI: que os dados usados ​​para treinar LLMs reflitam necessariamente distorções de dados não intencionais de suas fontes geradoras, que muitas vezes incluem vários sistemas ERP das empresas.

Os produtos rastreados através da cadeia de abastecimento com IoT ambiental falam uma verdade objetiva porque os produtos estão, de fato, localizados onde a IoT ambiental diz que estão lá, quando diz que estão. E como a IoT ambiental não exige trabalhadores com scanners RFID para rastrear remessas, o erro humano pode ser minimizado.

Os dados ambientais da IoT descrevem exatamente a rota e o tempo que os produtos levam na cadeia de suprimentos. E os produtos trazem em seus passaportes digitais de produto dados sobre as partes e instalações envolvidas em seu manuseio. Se aplicável, os pixels IoT ambientais podem adicionar informações sobre temperatura, umidade e emissões de carbono a um LLM em cada etapa do processo.

De acordo com a EY, uma área em que as empresas da cadeia de abastecimento estão a explorar a utilização da GenAI são os relatórios regulamentares e ESG. A maneira melhor e mais econômica de coletar vastos dados para que a GenAI produza informações compatíveis é por meio da IoT ambiental.

Do Chatbot à Automação

No dia a dia, há duas maneiras pelas quais um casamento entre IoT ambiental e GenAI poderia beneficiar as cadeias de abastecimento. Em primeiro lugar, permitiria que mais pessoas na cadeia de abastecimento compreendessem a evolução das situações e tomassem medidas activas para optimizar ou corrigir as operações da cadeia de abastecimento. Você não precisa ser um analista de dados ou especialista em compras para perguntar a um chatbot GenAI sobre o status das remessas ou consultar fornecedores alternativos, embora as empresas continuem a precisar de especialistas em dados para garantir que os LLMs e as ferramentas GenAI evoluam para produzir resultados úteis. Mas a democratização da análise e investigação da cadeia de abastecimento poderia permitir a rápida tomada de decisões necessária para ser competitivo.

Em segundo lugar, a GenAI e outras ferramentas de IA podem ajudar a construir uma ponte para uma maior automação da cadeia de abastecimento. Por meio do aprendizado de máquina, especificamente do aprendizado por reforço frequentemente encontrado em sistemas de controle, o software pode ser treinado para tomar decisões que alcancem melhores resultados. Eventualmente, por exemplo, eles poderiam ser treinados para detectar interrupções na cadeia de abastecimento antes que elas acontecessem e contratar automaticamente fornecedores ou expedidores alternativos. Ou podem iniciar a manutenção preditiva determinando se determinados sistemas ou linhas de armazém ou de produção podem falhar.

Eles fazem isso aprendendo com grandes conjuntos de dados, incluindo dados ambientais da cadeia de suprimentos gerados pela IoT.

Como aprendemos nos últimos anos, cadeias de abastecimento complexas existem no fio da navalha. Alguns fatores menores podem mergulhá-los no caos. A inteligência artificial será fundamental para evitar o caos futuro. Mas, para chegar lá, as cadeias de abastecimento precisam de desbloquear dados sobre coisas que atualmente não conseguem ver. A Ambient IoT fornece os dados de visibilidade nos quais as inovações GenAI de amanhã serão construídas.

Ohad Silbert, Ph.D., é Diretor de Ciência de Dados na Wiliot, onde lidera o desenvolvimento da ciência de dados, incluindo a criação de modelos de IA de ciência de dados que conectam o ambiente IoT e os insights de dados da cadeia de suprimentos que podem ser derivados dele. Antes de trabalhar na Wiliot, Ohad liderou um grupo de IA na indústria médica, desenvolvendo visão computacional e modelos de linguagem.