Flămânzi de date: Cum poate ajunge inteligența artificială din lanțul de aprovizionare la punctul de inflexiune

Inteligența artificială (IA) în lanțurile de aprovizionare este o problemă de tip “ou și găină”. Există cei care laudă IA pentru potențialul său de a oferi o vizibilitate mai mare asupra operațiunilor lanțului de aprovizionare. Cu alte cuvinte, IA mai întâi, vizibilitatea mai târziu.

Ce poate fi adevărat atunci când o vizibilitate în timp real a lanțului de aprovizionare nu era altfel realizabilă. Dar IA transformațională a lanțului de aprovizionare — inclusiv IA generativă extrem de puternică, care creează noi insight-uri, rezultate, procese și eficiență din seturi masive de date — necesită să răsturnăm ecuația pe cap. Vizibilitate mai întâi, urmată de inovație condusă de GenAI în întreg lanțul de aprovizionare.

Imaginați-vă un manager regional de retail, distribuitor, producător sau ofițer de achiziții care se trezește luni dimineața, pornește un chatbot familiar (poate chiar activat vocal) și întreabă în limbaj natural dacă lanțul său de aprovizionare este optimizat pentru săptămâna respectivă. Și dacă nu, întreabă cum lanțul de aprovizionare poate fi ajustat pentru a-și atinge obiectivele. GenAI permite această interacțiune cu sistemele lanțului de aprovizionare.

Dar singura modalitate prin care o soluție de lanț de aprovizionare bazată pe GenAI poate oferi automat astfel de răspunsuri este dacă cunoaște starea, locația, condiția, mișcarea etc. a fiecărui produs, cutie, caz, palet etc. din lanțul de aprovizionare. Și singura modalitate prin care o poate face este dacă produsele însele pot comunica automat informațiile fără intervenție umană. Astăzi, ele pot face acest lucru prin intermediul unei platforme de vizibilitate ubiquită numită internetul lucrurilor ambiental (IoT).

GenAI în lanțul de aprovizionare

Compania de consultanță globală Ernst & Young estimează că 40% dintre companiile de lanț de aprovizionare investesc în GenAI. Ei au folosit GenAI pentru a cartografia rețele complexe de aprovizionare, pentru a rula scenarii “ce se întâmplă dacă”, pentru a prognoza aprovizionarea cu marfă în amonte și în aval, pentru a dezvolta chatbot-uri astfel încât partenerii să poată obține răspunsuri mai ușor și chiar pentru a genera noi contracte pe baza acordurilor trecute sau existente.

În astfel de cazuri, companiile antrenează modele de IA pe propriile date istorice și pe ceea ce pot obține de la parteneri. Apoi le cer GenAI să găsească modalități de a îmbunătăți eficiența. Dar, așa cum spun analiștii EY, “uneltele GenAI sunt la fel de puternice pe cât sunt de puternice datele de intrare, deci sunt limitate de calitatea și disponibilitatea datelor de la partenerii lanțului de aprovizionare”.

Grailul Sfânt al IA din lanțul de aprovizionare, cu toate acestea, este de a genera noi rute, procese, proiecte de produse și liste de furnizori pe baza datelor în timp real — și de a face acest lucru cât mai repede (mai repede decât este posibil pentru oameni). Sau, așa cum a spus un executiv revistei Harvard Business Review, “Când există o criză a lanțului de aprovizionare, cheia pentru a fi competitiv este de a fi mai rapid în găsirea de furnizori alternativi decât toată lumea, deoarece toată lumea încearcă să facă același lucru”.

Acest lucru necesită antrenarea soluțiilor GenAI pe mult mai multe — și mai actuale — date despre operațiunile reale ale lanțului de aprovizionare. Aici intră în scenă IoT-ul ambiental.

IoT-ul ambiental: Limbajul lanțurilor de aprovizionare

Prin intermediul IoT-ului ambiental, produsele, ambalajele și locurile poartă semnături digitale, care sunt limbajul de vizibilitate în timp real al lanțului de aprovizionare, care în cele din urmă se alimentează în modelele de limbaj mari (LLM) care sunt baza GenAI. Aceste semnături sunt purtate prin intermediul IoT Pixel, etichete electronice autoalimentate, de dimensiunea unei ștampile, care sunt aplicate pe orice în lanțul de aprovizionare care necesită urmărire și monitorizare. IoT Pixel include putere de calcul, senzori și comunicații Bluetooth, permițând produselor și ambalajelor să descrie călătoria lor prin lanțul de aprovizionare în termeni de date pe care LLM le pot consuma. În cele din urmă, ele reprezintă un pod între lumea fizică și cea digitală, făcând disponibil pentru prima dată datele lanțului de aprovizionare care pot arăta, prevedea și optimiza operațiunile.

Pixels IoT comunică date prin intermediul unei rețele stabilite de dispozitive wireless existente, cum ar fi telefoanele mobile și punctele de acces wireless, sau prin poduri și porți standardizate, ușor de instalat, în magazine, depozite, camioane de livrare și multe altele. Într-adevăr, cu permisiunile și protecțiile de confidențialitate adecvate, pixelii IoT ambientali pot extinde vizibilitatea lanțului de aprovizionare până la consumator, comunicând date despre utilizarea, reutilizarea și reciclarea produsului, constituind baza pentru modele GenAI mai avansate.

Și trimit date continuu. În contrast cu înregistrările lanțului de aprovizionare utilizate pentru a antrena modelele GenAI astăzi, datele IoT ambientale descriu lanțul de aprovizionare chiar acum. Cu această vizibilitate, tot ce trebuie făcut este să implementăm GenAI pentru a ne răspunde, “Ce văd în lanțul meu de aprovizionare, chiar acum?”

Vizibilitatea în timp real și generarea de date IoT ambientală pe tot lanțul de aprovizionare ar putea chiar să ajute la abordarea uneia dintre provocările GenAI: că datele utilizate pentru a antrena LLM reflectă în mod inevitabil prejudecățile de date neintenționate din sursele care le generează, care includ adesea sistemele ERP ale companiilor.

Produsele urmărite prin lanțul de aprovizionare cu IoT ambiental spun adevărul obiectiv, deoarece produsele sunt, într-adevăr, localizate acolo unde spune IoT ambiental că sunt, când spune că sunt. Și deoarece IoT ambiental nu necesită lucrători cu scanere RFID pentru a urmări expedieri, eroarea umană poate fi minimizată.

Datele IoT ambientale descriu exact traseul și timpul pe care îl parcurg produsele prin lanțul de aprovizionare. Și produsele poartă în pașapoartele lor digitale date despre părțile și facilitățile implicate în manipularea lor. Dacă este cazul, pixelii IoT ambientali pot adăuga la un LLM informații despre temperatură, umiditate și emisii de carbon la fiecare pas.

Conform EY, una dintre zonele în care companiile de lanț de aprovizionare explorează utilizarea GenAI este raportarea regulamentară și ESG. Cea mai bună și mai rentabilă modalitate de a colecta date vaste astfel încât GenAI să furnizeze informații conforme este prin intermediul IoT-ului ambiental.

De la chatbot la automatizare

În viața de zi cu zi, există două modalități prin care o căsătorie între IoT-ul ambiental și GenAI ar putea beneficia lanțurile de aprovizionare. În primul rând, ar permite mai multor oameni din lanțul de aprovizionare să înțeleagă situațiile în evoluție și să ia măsuri active pentru a optimiza sau corecta operațiunile lanțului de aprovizionare. Nu trebuie să fii analist de date sau specialist în achiziții pentru a întreba un chatbot GenAI despre starea expedierilor sau pentru a cere furnizori alternativi, deși companiile vor continua să aibă nevoie de experți în date pentru a se asigura că LLM și uneltele GenAI evoluează pentru a oferi rezultate utile. Dar democratizarea analizei și a întrebărilor lanțului de aprovizionare ar putea permite luarea deciziilor rapide necesare pentru a fi competitiv.

În al doilea rând, GenAI și alte unelte de IA pot ajuta la construirea unui pod către o mai mare automatizare a lanțului de aprovizionare. Prin învățarea automată, în special prin învățarea prin întărire, frecvent întâlnită în sistemele de control, software-ul poate fi antrenat pentru a lua decizii care să conducă la rezultate mai bune. În cele din urmă, ar putea fi antrenate pentru a detecta perturbările lanțului de aprovizionare înainte de a se întâmpla și pentru a angaja automat furnizori sau transportatori alternativi. Sau pot iniția întreținerea predictivă prin determinarea dacă anumite sisteme sau linii de depozitare sau de fabricație ar putea eșua.

Ele fac acest lucru prin învățarea din seturi mari de date, inclusiv datele generate de IoT-ul ambiental.

Pe măsură ce am învățat în ultimii ani, lanțurile de aprovizionare complexe există pe muchia unei cuțit. Câțiva factori minori pot arunca lanțurile de aprovizionare în haos. Inteligența artificială va fi critică pentru a preveni haosul viitor. Dar pentru a ajunge acolo, lanțurile de aprovizionare trebuie să deblocheze date pentru lucrurile pe care nu le pot vedea în prezent. IoT-ul ambiental livrează datele de vizibilitate pe care inovațiile GenAI de mâine vor fi construite.