ฉลาดกว่า เร็วขึ้น และแข็งแกร่งกว่า: วิธี AI กำลังเปลี่ยนแปลงโซ่อุปทานสมัยใหม่

โซ่อุปทานสมัยใหม่กำลังถึงจุดแตกหัก

ความผันผวนได้กลายเป็นบรรทัดฐานไปแล้ว และทั่วทุกภูมิภาคและอุตสาหกรรม ผู้นำโซ่อุปทานกำลังต้องเผชิญกับการผสมผสานของแรงที่วิธีการแบบดั้งเดิมไม่สามารถจัดการได้อีกต่อไป สิ่งที่เคยรู้สึกเหมือนการหยุดชะงักแบบแยกๆ เช่น ความไม่สงบทางภูมิรัฐศาสตร์ เหตุการณ์ที่เกี่ยวข้องกับสภาพอากาศ หรือการเปลี่ยนแปลงในความต้องการของผู้บริโภค ตอนนี้ได้กลายเป็นแรงกดดันที่ต่อเนื่องและซ้ำซ้อน

ในจุดเปลี่ยนนี้ มีสามปัจจัยที่มีอิทธิพลต่อการดำเนินงานของโซ่อุปทาน: ลมพายุทางเศรษฐกิจมหภาคที่ไม่หยุดยั้ง ความกดดันขอบที่เพิ่มขึ้น และความจำเป็นเร่งด่วนในการนำ AI มาใช้ แต่ละปัจจัยเหล่านี้จะท้าทายมากพอแล้ว แต่เมื่อรวมกันแล้ว พวกมันแสดงถึงพายุสมบูรณ์แบบ ซึ่งต้องการมากกว่าการเปลี่ยนแปลงที่เพิ่มขึ้น แต่ต้องการแนวทางใหม่ในการจัดการโซ่อุปทานอย่างพื้นฐาน

พายุสมบูรณ์แบบ: 三ปัจจัยที่เปลี่ยนแปลงโซ่อุปทาน

ลมพายุทางเศรษฐกิจมหภาค: ความผันผวนเป็นบรรทัดฐานใหม่

ความขัดแย้งทางภูมิรัฐศาสตร์และเหตุการณ์ที่เกี่ยวข้องกับสภาพอากาศได้กำหนดรูปแบบโซ่อุปทานระดับโลกแล้ว ความตึงเครียดล่าสุดใกล้กับช่องแคบฮอร์มุซ ซึ่งมีน้ำมันโลกเกือบ 20% ผ่านไป ได้ทำให้ต้นทุนเชื้อเพลิงและอัตราประกันภัยเพิ่มขึ้น ทำให้บางผู้ให้บริการพิจารณาเส้นทางที่มีค่าใช้จ่ายสูงกว่ารอบๆ แอฟริกา ในขณะเดียวกัน การจัดการทางการเมือง การเกิดพายุไต้ฝุ่น ความแห้งแล้ง และการประท้วงแรงงานก็เพิ่มความซับซ้อนและหยุดชะงักในการวางแผนinventory เช่น ปีที่แล้ว เราได้เห็นการหยุดงานที่ท่าเรือ 29 วัน และการเปลี่ยนแปลงนโยบายภาษีได้บังคับให้บริษัทต่างๆ ยกเลิกและแทนที่แผนการขนส่งทั้งหมด

ผลที่ตามมากระจายไปทั่วโลก การประมาณการหนึ่งแสดงให้เห็นว่าการหยุดชะงักผ่านคลองซูเอซเพียงอย่างเดียวได้เพิ่ม 0.7 จุดให้กับอัตราเงินเฟ้อของสินค้าหลักโลก ในขณะเดียวกัน การหยุดงานที่ท่าเรือ การเปลี่ยนแปลงนโยบายการค้า และการย้ายการผลิตก็เพิ่มความซับซ้อนที่ผู้เชี่ยวชาญด้านโซ่อุปทานต้องจัดการ

ความกดดันขอบ: ความต้องการสูงขึ้น ทรัพยากรลดลง

บริษัทต่างๆ ถูกขอให้ทำมากกว่าด้วยทรัพยากรที่น้อยลง ซึ่งหมายถึงการลดต้นทุนการขนส่ง การลดทุนหมุนเวียน และการปรับปรุงการบริการลูกค้า ทั้งหมดนี้ต้องทำพร้อมๆ กับการบรรลุเป้าหมายความยั่งยืน ไม่ใช่แค่เรื่องยาก แต่ยังขัดแย้งกันเองด้วย ยิ่งไปกว่านั้น บริษัท Global 2000 ส่วนใหญ่คาดว่าจะลดต้นทุนการขนส่งลง 10% ในปีนี้ ในขณะเดียวกัน มีเงิน 9.7 ล้านล้านดอลลาร์ถูกกักตุนในinventory ของบริษัททั่วโลกทุกๆ ปี

สิ่งนี้ไม่ใช่แค่ความท้าทายทางเทคนิค แต่ยังเป็นเรื่องของมนุษยด้วย นักวิเคราะห์การขนส่งใช้เวลามากขึ้นในการจัดการข้อมูลด้วยตนเอง ในขณะเดียวกัน ทีมบริการลูกค้ากำลังต้องเผชิญกับความต้องการที่เพิ่มขึ้นและแนวทางที่ไม่ยอมให้ความผิดพลาดในการบริการ ความกดดันที่จะปรับปรุงประสิทธิภาพในขณะที่ลดต้นทุนได้ทำให้องค์กรโซ่อุปทานต้องเผชิญกับภาระที่ไม่ยั่งยืน

คำสั่ง AI: ความเร่งด่วนโดยไม่มีความชัดเจน

AI ได้กลายเป็นความจำเป็นแล้ว ผู้บริหารรู้ว่าพวกเขา cầnมัน: ส่วนใหญ่ของ CEO กล่าวว่าความอยู่รอดของพวกเขาขึ้นอยู่กับมัน แต่การนำไปใช้ได้สำเร็จยังคงหลบหลีก การศึกษาพบว่า 42% ของบริษัททิ้งโครงการ AI ในกลางกระบวนการ และมากกว่า 80% ของโครงการ AI ไม่เคยผ่าน giai đoạnทดลอง

เสียงรบกวนรอบๆ AI ทำให้ยากที่จะรู้ว่าสิ่งไหนเป็นจริงและสิ่งไหนเป็นเพียงการโฆษณา หลายโครงการ AI ล้มเหลวไม่ใช่เพราะเทคโนโลยีไม่มีความสามารถ แต่เพราะพวกมันขาดทิศทางที่ชัดเจนหรือไม่รวมเข้ากับระบบที่มีอยู่ได้ดี ดังนั้น บริษัทต่างๆ จึงต้องดิ้นรนเพื่อสร้างมูลค่าทางธุรกิจที่แท้จริง尽管มีการลงทุนจำนวนมาก

แนวทางไปข้างหน้า: จากข้อมูลที่ล้นหลามไปสู่ข้อมูลที่สามารถดำเนินการได้

เมื่อโซ่อุปทานเติบโตมากขึ้นและเชื่อมโยงกัน การตัดสินใจก็ถูกขัดขวางโดยข้อมูลที่มากเกินไปและขาดความชัดเจน ทำให้ความสามารถในการตัดสินใจอย่างรวดเร็วและมั่นใจเป็นสิ่งจำเป็น

หลายองค์กรได้ลงทุนในแพลตฟอร์มความสามารถในการมองเห็นและเครื่องมือวิเคราะห์ แต่ยังคงดิ้นรนในการตัดสินใจที่ทันเวลาและเป็นข้อมูล เพื่อช่วยผู้นำโซ่อุปทานในการตัดสินใจเหล่านี้ AI ต้องถูกนำไปใช้เพื่อทำให้การดำเนินการฉลาดขึ้น เร็วขึ้น

เพื่อช่วยผู้นำโซ่อุปทานในการตัดสินใจเหล่านี้ มี四วิธีที่ AI ให้ประโยชน์ที่เป็นรูปธรรมแล้วทั่วทุกอุตสาหกรรม และวิธีการนำไปใช้อย่างรอบคอบ:

1. การบริหารจัดการการหยุดชะงักที่คาดการณ์ไว้
   AI สามารถช่วยให้องค์กรเปลี่ยนจากการดับเพลิงแบบตอบสนองไปสู่การบริหารจัดการความเสี่ยงที่คาดการณ์ไว้ได้ โดยการวิเคราะห์ข้อมูลในอดีต ข้อมูลแบบเรียลไทม์ และสัญญาณภายนอก เช่น รูปแบบสภาพอากาศ เหตุการณ์ทางภูมิรัฐศาสตร์ และการขัดขวางที่ท่าเรือ AI สามารถระบุความเสี่ยงที่เกิดขึ้นได้เร็วขึ้น ซึ่งช่วยให้ทีมโซ่อุปทานประเมินเส้นทางที่แตกต่างหรือปรับระดับinventory ก่อนที่ปัญหาจะบานปลาย ตัวอย่างเช่น ระหว่างการล่มของสะพานบัลติมอร์ บริษัทผลิตรถยนต์รายใหญ่บรรลุการหลีกเลี่ยงต้นทุน 16 ล้านดอลลาร์โดยใช้ AI ในการนำทางการหยุดชะงัก
2. การรับมือและตอบสนองต่อข้อยกเว้นที่อัตโนมัติ
   AI สามารถช่วยในการระบุความผิดปกติในข้อมูลการจัดส่งหรือประสิทธิภาพของซัพพลายเออร์ และแนะนำการดำเนินการแก้ไขแบบเรียลไทม์ ในกรณีหนึ่ง ผู้ผลิตชิ้นส่วนรถยนต์ของแคนาดาได้เพิ่มผลผลิต 100% โดยไม่ต้องเพิ่มพนักงาน นี่เป็นประโยชน์อย่างยิ่งสำหรับการจัดการกับข้อยกเว้นที่เพิ่มขึ้น เช่น การจัดส่งล่าช้าหรือความไม่ตรงกันของinventory เนื่องจากคุณไม่ต้องติดตามปัญหาเหล่านี้ด้วยตนเอง การอัตโนมัติของการรับมือแบบปกติทำให้ทีมสามารถมุ่งเน้นไปที่ปัญหาสำคัญและปรับปรุงในระยะยาว
3. การวางแผนความต้องการและinventory ที่ฉลาดขึ้น
   โดยใช้แหล่งข้อมูลต่างๆ เช่น สัญญาณตลาด รูปแบบการขายปลีก AI สามารถปรับปรุงความแม่นยำในการคาดการณ์ความต้องการและจัดการinventory สิ่งนี้ช่วยให้บริษัทต่างๆ จับคู่อุปทานกับความต้องการได้ดีขึ้น ลดการขาดinventory และinventory ที่เกินความต้องการ ตัวอย่างเช่น บริษัทผลิตภัณฑ์ทางการแพทย์และการดูแลตาแห่งหนึ่งของสวิสลดinventory ลงหนึ่งวันและบรรลุการออม 15 ล้านดอลลาร์ต่อปี AI ยังสามารถเน้นย้ำถึงจุดที่การปรับสมดุลinventory ระหว่างภูมิภาคอาจปรับปรุงระดับการบริการหรือลดต้นทุนการขนส่ง
4. การลดความซับซ้อนผ่านการอัตโนมัติและเสริมสร้าง
   AI ช่วยให้สามารถทำงานร่วมกันระหว่างทีมต่างๆ ได้ดีขึ้น โดยการให้ข้อมูลแบบเรียลไทม์ที่มีความสอดคล้องกัน ซึ่งช่วยให้ทีมต่างๆ สามารถประสานการดำเนินการได้อย่างมีประสิทธิภาพและตัดสินใจร่วมกัน เมื่อถูกผสมผสานอย่างเต็มที่ AI จะทำหน้าที่เป็นหุ้นส่วน – ลดต้นทุนการขนส่งและลอจิสติกส์ลงได้ถึง 15% ผ่านการปรับให้เหมาะสม ในขณะที่ปล่อยให้ทีมสามารถมุ่งเน้นไปที่งานเชิงกลยุทธ์และการทำงานข้ามฟังก์ชัน ตัวอย่างเช่น ผู้ค้าปลีกบ้านแห่งหนึ่งในสหรัฐฯ ใช้ AI เพื่อเพิ่มเวลาในการตอบสนองต่อข้อยกเว้น 72% ซึ่งแสดงให้เห็นถึงประสิทธิผลของ AI ในการประสานงาน

การนำ AI ไปใช้: แผนภาพในการสร้างโซ่อุปทานที่ฉลาดขึ้น

อนาคตของการบริหารจัดการโซ่อุปทานอยู่ที่การผสมผสานระหว่างการตัดสินใจของมนุษย์และข้อมูลที่ขับเคลื่อนด้วยเครื่องจักร AI จะไม่แทนที่ประสบการณ์และความเข้าใจของมืออาชีพโซ่อุปทาน แต่สามารถเพิ่มผลกระทบของพวกเขาได้ โดยการเปิดเผยรูปแบบที่ซ่อนอยู่ การคาดการณ์ความเสี่ยง และการปรับปรุงความเร็วและคุณภาพของการตัดสินใจ AI ช่วยให้ทีมสามารถดำเนินการได้อย่างมีประสิทธิภาพมากขึ้น

แต่การปลดปล่อยศักยภาพของ AI ต้องใช้มากกว่าการเปิดตัวเทคโนโลยีใหม่ๆ มันจำเป็นต้องมีการจัดตำแหน่งเชิงกลยุทธ์ การนำไปใช้อย่างรอบคอบ และวัฒนธรรมที่พร้อมสำหรับการเปลี่ยนแปลง สำหรับองค์กรที่ต้องการสร้างการดำเนินการที่ยืดหยุ่นและทนทานมากขึ้น มีสามขั้นตอนสำคัญในการทำให้ AI ทำงาน:

1. เริ่มต้นด้วยกรณีการใช้งานที่มุ่งเน้น
   แทนการพยายามเปลี่ยนแปลงโซ่อุปทานทั้งหมด ให้เริ่มต้นด้วยปัญหาที่กำหนดไว้ซึ่ง AI สามารถแก้ไขได้ดี เช่น การปรับปรุงความแม่นยำของ ETA การ简化การรับมือต่อข้อยกเว้น หรือการเพิ่มประสิทธิภาพการจัดสรรinventory การชนะในระยะแรกช่วยสร้างความมั่นใจ ช่วยให้การลงทุนเพิ่มเติมได้รับการยอมรับ และสร้างแรงผลักดัน
2. รับประกันความพร้อมของข้อมูล
   AI เจริญเติบโตด้วยข้อมูลที่ทันเวลา มีโครงสร้าง และผสมผสานกัน ก่อนที่จะขยายขนาด ให้แน่ใจว่าการกำกับดูแลข้อมูลพื้นฐานมีอยู่แล้ว ซึ่งหมายถึงการกำหนดมาตรฐานการนำเข้า การทำลายซิลอของข้อมูล และการปรับปรุงความสามารถในการมองเห็นข้ามระบบของคุณ ด้วยโครงสร้างพื้นฐานข้อมูลที่แข็งแกร่ง คุณสามารถคาดหวังว่าผลลัพธ์ของโมเดลของคุณจะน่าเชื่อถือและมีผลกระทบมากขึ้น
3. เกี่ยวข้องกับทีมงานข้ามฟังก์ชัน
   การนำ AI ไปใช้ได้สำเร็จไม่ใช่แค่เรื่องของอัลกอริทึม แต่เป็นเรื่องของคน ทุกคนตั้งแต่การดำเนินงาน IT วิเคราะห์ และผู้ใช้งานทางธุรกิจควรได้รับการรวมเข้าด้วยตั้งแต่ต้น เมื่อคนงานร่วมกันพัฒนา AI จะรับประกันว่าโมเดล AI ไม่เพียงแต่แม่นยำ แต่ยังสามารถอธิบายได้ ใช้งานง่าย และเข้ากันได้กับกระบวนการทำงานจริง

เมื่อองค์ประกอบเหล่านี้มารวมกัน AI จะกลายเป็นส่วนหนึ่งของการตัดสินใจที่ฝังอยู่ในกระบวนการเหล่านี้ การตัดสินใจเหล่านี้ไม่ใช่การตัดสินใจของโซ่อุปทาน แต่เป็นการตัดสินใจทางธุรกิจที่ส่งผลกระทบต่อสมุดบัญชี องค์กรที่ใช้ความสามารถของ AI โดยการดำเนินการบนข้อมูลแบบเรียลไทม์ด้วยความมั่นใจ ความสม่ำเสมอ และในระดับที่จะนำหน้า องค์กรเหล่านั้นจะมีศักยภาพในการนำ AI มาใช้เพื่อช่วยให้โซ่อุปทานพัฒนาไปสู่ความยืดหยุ่นและพร้อมรับมือกับความท้าทายที่จะเกิดขึ้น