O Papel da IA Geradora nas Cadeias de Suprimentos

Assim como as interrupções nas cadeias de suprimentos se tornaram o assunto frequente de discussões em salas de reunião em 2020, a IA Geradora rapidamente se tornou o tópico quente de 2023. Afinal, o ChatGPT da OpenAI alcançou 100 milhões de usuários nos primeiros dois meses, tornando-se a adoção de aplicativos de consumidor de crescimento mais rápido da história.

As cadeias de suprimentos estão, até certo ponto, bem adaptadas para as aplicações de IA geradora, dado que funcionam e geram grandes quantidades de dados. A variedade e volume de dados e os diferentes tipos de dados adicionam complexidade adicional a um problema extremamente complexo do mundo real: como otimizar o desempenho da cadeia de suprimentos. E, embora os casos de uso de IA geradora em cadeias de suprimentos sejam amplos – incluindo aumento da automação, previsão de demanda, processamento e rastreamento de pedidos, manutenção preditiva de máquinas, gerenciamento de riscos, gerenciamento de fornecedores e muito mais – muitos também se aplicam à IA preditiva e já foram adotados e implantados em larga escala.

Este artigo descreve alguns casos de uso que são particularmente adequados para IA geradora em cadeias de suprimentos e oferece algumas cautelas que os líderes de cadeias de suprimentos devem considerar antes de fazer um investimento.

Tomada de Decisão Assistida

O principal objetivo da IA e do ML em cadeias de suprimentos é facilitar o processo de tomada de decisão, oferecendo a promessa de aumento de velocidade e qualidade. A IA preditiva faz isso fornecendo previsões e previsões mais precisas, descobrindo novos padrões ainda não identificados e usando grandes volumes de dados relevantes. A IA geradora pode levar isso um passo adiante, apoiando várias áreas funcionais de gerenciamento de cadeias de suprimentos. Por exemplo, os gerentes de cadeias de suprimentos podem usar modelos de IA geradora para fazer perguntas esclarecedoras, solicitar dados adicionais, entender melhor os fatores influentes e ver o desempenho histórico de decisões em cenários semelhantes. Em resumo, a IA geradora torna o processo de due diligence que antecede a tomada de decisão significativamente mais rápido e fácil para o usuário.

Além disso, com base nos dados e modelos subjacentes, a IA geradora pode analisar grandes quantidades de dados estruturados e não estruturados, gerar automaticamente vários cenários e fornecer recomendações com base nas opções apresentadas. Isso reduz significativamente o trabalho sem valor agregado que os gerentes de cadeias de suprimentos atualmente realizam e os capacita a gastar mais tempo tomando decisões baseadas em dados e respondendo a mudanças no mercado mais rapidamente.

Uma (Possível) Solução para a Escassez de Talentos em Gerenciamento de Cadeias de Suprimentos

Nos últimos anos, as empresas sofreram com a escassez de talentos em cadeias de suprimentos devido ao esgotamento dos planejadores, rotatividade e uma curva de aprendizado acentuada para novos contratados devido à natureza complexa do cargo. Os modelos de IA geradora podem ser ajustados para os procedimentos operacionais padrão das empresas, processos de negócios, fluxos de trabalho e documentação de software e, em seguida, podem responder a consultas de usuários com informações contextualizadas e relevantes. A interface de usuário conversacional comumente associada à IA geradora torna significativamente mais fácil interagir com um sistema de suporte e oferece a capacidade de refinar a consulta, acelerando ainda mais o tempo necessário para encontrar as informações certas.

Combinar um sistema de aprendizado e desenvolvimento baseado em IA geradora com tomada de decisão assistida por IA geradora pode ajudar a acelerar a resolução de várias questões de gerenciamento de mudanças. Também pode acelerar a integração de novos funcionários, reduzindo o tempo de treinamento e os requisitos de experiência de trabalho. Mais importante ainda, a IA geradora pode capacitar pessoas com deficiências melhorando a comunicação, a cognição, a assistência à leitura e à escrita, fornecendo organização pessoal e apoiando o aprendizado e desenvolvimento contínuos.

Embora alguns temam que a IA geradora leve a perdas de empregos nos próximos anos, outros pensam que ela elevará o nível do trabalho removendo tarefas repetitivas e criando espaço para tarefas mais estratégicas. Enquanto isso, é previsto que resolva a escassez crônica de talentos em cadeias de suprimentos e digitais de hoje. É por isso que aprender a trabalhar com a tecnologia é importante.

Construindo o Modelo de Cadeia de Suprimentos Digital

As cadeias de suprimentos precisam ser resilientes e ágeis, o que requer visibilidade entre empresas. A cadeia de suprimentos precisa “conhecer” toda a rede para ter visibilidade. No entanto, construir o modelo digital de toda a rede de cadeia de suprimentos n-tier é frequentemente proibitivo em termos de custo. As grandes empresas têm dados espalhados por dezenas ou centenas de sistemas, com a maioria das grandes empresas gerenciando mais de 500 aplicativos simultaneamente em ERPs, CRMs, PLMs, Compras e Fontes, Planejamento, WMS, TMS e muito mais. Com toda essa complexidade e fragmentação, é extremamente difícil reunir logicamente esses dados dispersos. Isso é agravado quando as organizações olham além dos fornecedores de primeiro ou segundo nível para onde coletar dados em um formato estruturado é improvável.

Os modelos de IA geradora podem processar grandes quantidades de dados, incluindo dados estruturados (dados mestres, dados de transações, EDIs) e dados não estruturados (contratos, faturas, digitalizações de imagens), para identificar padrões e contexto com limitada pré-processamento de dados. Como os modelos de IA geradora aprendem com padrões e usam cálculos de probabilidade (com alguma intervenção humana) para prever a próxima saída lógica, eles podem criar um modelo digital mais verdadeiro da rede de cadeia de suprimentos n-tier – mais rápido e em escala – e otimizar a colaboração e visibilidade inter e intra-empresas. Esse modelo n-tier pode ser ainda mais enriquecido para apoiar iniciativas de ESG, incluindo, mas não limitado a, identificar minerais de conflito, uso de recursos ou áreas ambientalmente sensíveis, calcular as emissões de carbono de produtos e processos e muito mais.

Embora a IA geradora ofereça uma oportunidade significativa para os líderes de cadeias de suprimentos inovarem e criarem uma vantagem estratégica, existem certas preocupações e riscos a considerar.

Sua Cadeia de Suprimentos é Única

Os usos gerais de IA geradora, como ChatGPT ou Dall-E, estão atualmente tendo sucesso em lidar com tarefas que são mais amplas em natureza porque os modelos são treinados em grandes quantidades de dados públicos disponíveis. Para realmente aproveitar as capacidades da IA geradora para a cadeia de suprimentos empresarial, esses modelos precisarão ser ajustados nos dados da empresa e no contexto específico da sua organização. Em outras palavras, você não pode usar um modelo treinado de forma geral. Os desafios de gerenciamento de dados, como qualidade de dados, integração e desempenho, que dificultam os projetos de transformação atuais, também podem impactar os investimentos em IA geradora, levando a um exercício demorado e caro sem a solução de gerenciamento de dados certa já em vigor.

A IA geradora depende de entender padrões dentro dos dados de treinamento e, se os profissionais de cadeias de suprimentos aprenderam algo nos últimos três anos, é que as cadeias de suprimentos continuarão a enfrentar novos riscos e oportunidades sem precedentes.

Segurança e Regulamentações

O requisito básico dos modelos de IA geradora é o acesso a vastas quantidades de dados de treinamento para entender padrões e contexto. Dito isso, a interface humana dos aplicativos de IA geradora pode levar a impersonação de usuário, phishing e outras preocupações de segurança. Embora o acesso limitado ao treinamento do modelo possa levar a um desempenho ruim da IA, conceder acesso irrestrito aos dados da cadeia de suprimentos pode levar a incidentes de segurança de informações onde informações críticas e sensíveis são tornadas disponíveis a usuários não autorizados.

Também é incerto como os vários governos escolherão regular a IA geradora no futuro, à medida que a adoção continua a crescer e novas aplicações de IA geradora são descobertas. Vários especialistas em IA expressaram preocupação sobre o risco imposto pela IA, pedindo aos governos que pausassem os experimentos gigantes de IA até que os líderes tecnológicos e os formuladores de políticas possam estabelecer regras e regulamentações para garantir a segurança.

A IA geradora oferece uma abundância de oportunidades de melhoria para as organizações que podem aproveitar essa tecnologia e criar um multiplicador de força para a ingenuidade humana, criatividade e tomada de decisão. Dito isso, até que haja modelos treinados e explicitamente projetados para casos de uso de cadeias de suprimentos, a melhor maneira de avançar é com uma abordagem equilibrada para investimentos em IA geradora.

Estabelecer guardrails adequados será prudente para garantir que a IA forneça um conjunto de planos otimizados para cada usuário revisar e selecionar que estejam alinhados com os processos de negócios e objetivos. As empresas que combinam “livros de jogadas de negócios” com IA geradora serão as melhores capazes de aumentar a capacidade das equipes de planejar, decidir e executar, otimizando ainda os resultados de negócios desejados. As organizações também devem considerar um forte caso de negócios, segurança de dados e usuários e objetivos de negócios mensuráveis antes de investir em nova tecnologia de IA geradora.