Жажда данных: как ИИ цепочки поставок может достичь переломного момента

Искусственный интеллект (ИИ) в цепочках поставок — это принцип «курица или яйцо». Есть те, кто превозносит ИИ за его потенциал для повышения прозрачности операций цепочки поставок. Другими словами, сначала ИИ, а затем видимость.

Что могло быть правдой, когда повсеместная прозрачность цепочки поставок в режиме реального времени была недостижима иным образом. Но преобразующий ИИ в цепочке поставок, в том числе чрезвычайно мощный генеративный ИИ, который создает свежие идеи, результаты, процессы и эффективность на основе огромных наборов данных, требует, чтобы мы перевернули уравнение с ног на голову. Прежде всего, прозрачность, а затем инновации, основанные на искусственном интеллекте, во всей цепочке поставок.

Представьте себе регионального менеджера по розничной торговле, дистрибьютора, производителя или специалиста по закупкам, который просыпается в понедельник, запускает знакомого чат-бота с искусственным интеллектом (возможно, даже активируется голосом) и спрашивает на естественном языке, оптимизирована ли его цепочка поставок на эту неделю. А если нет, то спрашивают, как можно скорректировать цепочку поставок для достижения своих целей. GenAI обеспечивает такое взаимодействие с системами цепочки поставок.

Но единственный способ, которым решение для цепочки поставок на основе GenAI может автоматически предоставлять такие ответы, — это знать статус, местоположение, состояние, движение и т. д. каждого продукта, коробки, ящика, поддона и т. д. в цепочке поставок. И единственный способ узнать это — если сами продукты смогут автоматически передавать информацию без вмешательства человека. Сегодня они могут это сделать с помощью повсеместной платформы видимости, называемой «окружающий Интернет вещей» (IoT).

ГенИИ в цепочке поставок

Глобальная консалтинговая компания Ernst & Young оценивает, что 40 процентов компаний, занимающихся цепочками поставок, инвестируют в GenAI. Они использовали GenAI для картирования сложных сетей поставок, запуска сценариев «что если», прогнозирования поставок вверх и вниз по течению, разработки чат-ботов, чтобы партнеры могли легче получать ответы, и даже создания новых контрактов на основе прошлых или существующих соглашений.

В таких случаях компании обучают модели ИИ самостоятельно, историческим данным и тому, что они могут почерпнуть у партнеров. Затем они просят GenAI найти способы повысить эффективность. Но, как отмечают аналитики EY, «инструменты GenAI настолько эффективны, насколько эффективны их входные данные, поэтому они ограничены качеством и доступностью данных от партнеров по цепочке поставок».

Однако Святой Грааль ИИ цепочки поставок заключается в создании новых маршрутов, процессов, дизайнов продуктов и списков поставщиков на основе данных в реальном времени — и делать это как можно быстрее (что быстрее, чем это возможно для человека). Или как один руководитель сказал Harvard Business Review«Когда возникает кризис в цепочке поставок, ключом к конкурентоспособности является поиск альтернативных поставщиков быстрее, чем кто-либо другой, потому что все стремятся делать одно и то же».

Это требует обучения решений GenAI на гораздо более обширных и более актуальных данных о реальных операциях цепочки поставок. Войдите в окружающий Интернет вещей.

Окружающий Интернет вещей: язык цепочек поставок

Благодаря окружающему Интернету вещей продукты, упаковка и места имеют цифровые подписи, которые являются языком видимости цепочки поставок в реальном времени и в конечном итоге передаются в большие языковые модели (LLM), которые являются основой GenAI. Эти подписи передаются через IoT Pixels — электронные метки размером с марку с автономным питанием, прикрепляемые ко всем элементам цепочки поставок, которые требуют отслеживания и мониторинга. Пиксели IoT включают в себя собственную вычислительную мощность, датчики и средства связи Bluetooth, что позволяет продуктам и упаковке описывать свое путешествие по цепочке поставок в терминах данных, которые могут потреблять LLM. В конечном счете, они представляют собой мост между физическим и цифровым мирами, впервые предоставляя данные о цепочке поставок, которые действительно могут отображать, прогнозировать и оптимизировать операции.

Пиксели Ambient IoT передают данные через установленную сеть существующих беспроводных устройств, таких как смартфоны и точки беспроводного доступа, или через легко развертываемые, готовые стандартизированные мосты и шлюзы, установленные в магазинах, складах, грузовиках доставки и т. д. Фактически, при наличии соответствующих разрешений и защиты конфиденциальности окружающие пиксели IoT могут расширить видимость цепочки поставок до потребителя, передавая данные об использовании, повторном использовании и переработке продукта, создавая основу для более совершенных моделей GenAI.

И они отправляют данные непрерывно. В отличие от записей о цепочке поставок, используемых сегодня для обучения моделей GenAI, окружающие данные IoT описывают цепочку поставок. прямо сейчас. При такой прозрачности все, что осталось, — это внедрить GenAI, который ответит за нас: «Что я вижу в своей цепочке поставок? прямо сейчас? "

Видимость в режиме реального времени и генерация данных IoT по всей цепочке поставок могут даже помочь решить одну из проблем GenAI: данные, используемые для обучения LLM, обязательно отражают непреднамеренные искажения данных из их источников, которые часто включают в себя различные ERP-системы компаний.

Продукты, проходящие через цепочку поставок с помощью окружающего Интернета вещей, говорят об объективной правде, потому что продукты фактически расположены там, где говорит окружающий Интернет вещей, и когда он говорит. А поскольку окружающий Интернет вещей не требует, чтобы работники имели RFID-сканеры для отслеживания поставок, человеческие ошибки могут быть сведены к минимуму.

Данные Ambient IoT точно описывают маршрут и время, которое продукты проходят в цепочке поставок. А продукция несет в своих цифровых паспортах продукции данные о сторонах и объектах, участвующих в ее обращении. Если применимо, окружающие пиксели IoT могут добавлять к LLM информацию о температуре, влажности и выбросах углекислого газа на каждом этапе пути.

По данным EY, одной из областей, в которой компании цепочки поставок изучают возможность использования GenAI, является нормативное регулирование и отчетность по ESG. Лучший и наиболее экономически эффективный способ сбора огромных данных, чтобы GenAI предоставлял соответствующую информацию, — это окружающий Интернет вещей.

От чат-бота к автоматизации

В повседневной жизни союз IoT и GenAI может принести пользу цепочкам поставок двумя способами. Во-первых, это позволит большему количеству людей в цепочке поставок понимать меняющиеся ситуации и предпринимать активные шаги для оптимизации или корректировки операций цепочки поставок. Вам не обязательно быть аналитиком данных или специалистом по закупкам, чтобы спрашивать чат-бота GenAI о статусе поставок или запрашивать альтернативных поставщиков, хотя компаниям по-прежнему будут нужны эксперты по данным, чтобы гарантировать, что LLM и инструменты GenAI развиваются и дают полезные результаты. Но демократизация анализа и исследований цепочек поставок может обеспечить быстрое принятие решений, необходимых для конкурентоспособности.

Во-вторых, GenAI и другие инструменты искусственного интеллекта могут помочь построить мост к большей автоматизации цепочки поставок. С помощью машинного обучения, в частности обучения с подкреплением, которое часто встречается в системах управления, программное обеспечение можно научить принимать решения, которые приводят к лучшим результатам. Со временем, например, их можно будет обучить выявлять сбои в цепочке поставок до того, как они произойдут, и автоматически привлекать альтернативных поставщиков или грузоотправителей. Или они могут инициировать профилактическое обслуживание, определяя, могут ли определенные складские или производственные системы или линии выйти из строя.

Они делают это, изучая большие наборы данных, включая данные цепочки поставок, генерируемые Интернетом вещей.

Как мы узнали в последние годы, сложные цепочки поставок существуют на острие бритвы. Пара незначительных факторов может погрузить их в хаос. Искусственный интеллект будет иметь решающее значение для предотвращения будущего хаоса. Но чтобы добиться этого, цепочкам поставок необходимо получить доступ к данным о вещах, которые они в настоящее время не видят. Ambient IoT предоставляет данные видимости, на которых будут построены будущие инновации GenAI.