Tedarik Zincirlerinde Üretken AI’ın Rolü

Tedarik zinciri kesintileri 2020’de yönetim kurulu odaları中的 sıkça konuşulan konu haline geldiği gibi, Üretken AI da 2023’ün sıcak konusu haline geldi. Nitekim OpenAI’nin ChatGPT, ilk iki ayda 100 milyon kullanıcıya ulaşarak, tarihteki en hızlı büyüyen tüketici uygulaması oldu.

Tedarik zincirleri, belirli bir ölçüde, üretken AI’ın uygulamalarına uygun görünüyor çünkü onlar da büyük miktarda veri üretiyor ve işliyor. Veri çeşitliliği ve hacmi ile birlikte farklı veri türleri, supply chain performansını optimize etme gibi son derece karmaşık bir gerçek dünya sorununa ek karmaşıklık katıyor. Üretken AI’nın tedarik zincirlerinde kullanım örnekleri – artan otomasyon, talep tahmini, sipariş işleme ve takibi, öngörülü bakım, risk yönetimi, tedarikçi yönetimi ve daha fazlası – geniş kapsamlı olsa da, birçok kullanım örneği öngörülü AI için de geçerli ve zaten büyük ölçekte benimsenmiş ve uygulanmıştır.

Bu makale, tedarik zincirlerinde üretken AI için özellikle uygun olan birkaç kullanım örneğini açıklamakta ve tedarik zinciri liderlerinin yatırım yapmadan önce dikkate alması gereken bazı uyarıları sunmaktadır.

Destekli Karar Alma

AI ve ML’in tedarik zincirlerinde ana amacı, karar alma sürecini kolaylaştırmak, hız ve kaliteyi artırmaktır. Öngörülü AI, daha doğru tahminler ve öngörüler sunarak, yeni desenler keşfederek ve büyük miktarda ilgili veri kullanarak bunu başarmaktadır. Üretken AI, çeşitli tedarik zinciri yönetim fonksiyonlarını destekleyerek bunu bir adım öteye taşıyabilir. Örneğin, tedarik zinciri yöneticileri, üretken AI modellerini kullanarak açıklamalı sorular sorabilir, ek veri isteyebilir, etkileyen faktörleri daha iyi anlayabilir ve benzer senaryolarda alınan kararların geçmiş performansını görebilir. Kısacası, üretken AI, karar alma sürecinin önündeki due diligence işlemlerini önemli ölçüde hızlandırır ve kullanıcılara kolaylaştırır.

Ayrıca, üretken AI, altta yatan verilere ve modellere dayanarak büyük miktarda yapısal ve yapısal olmayan veriyi analiz edebilir, çeşitli senaryolar oluşturabilir ve sunulan seçeneklere dayalı önerilerde bulunabilir. Bu, tedarik zinciri yöneticilerinin şu anda yaptığı değersiz işleri önemli ölçüde azaltır ve onları veri temelli kararlar almaya ve pazar değişikliklerine daha hızlı tepki vermeye yetkilendirir.

Tedarik Zinciri Yönetimi Yetenek Eksikliğine (Mümkün) Bir Çözüm

Son birkaç yıldır, şirketler, planlayıcı yanması, ayrılma ve yeni işe alımların karmaşık doğası nedeniyle tedarik zinciri yetenek eksikliğiyle karşı karşıya kalmıştır. Üretken AI modelleri, şirketlerin standart işletme prosedürlerine, iş süreçlerine, iş akışlarına ve yazılım belgelerine uyarlanabilir ve ardından kullanıcı sorgularına bağlamsal ve ilgili bilgilerle yanıt verebilir. Üretken AI ile thường asociated olan konuşma arabirimi, bir destek sistemine etkileşimi önemli ölçüde kolaylaştırır ve sorguyu iyileştirmeyi hızlandırır.

Üretken AI tabanlı bir öğrenme ve gelişim sistemi ile üretken AI destekli karar alma birleştirmek, çeşitli değişim yönetimi sorunlarının çözülmesini hızlandırabilir. Ayrıca, eğitim süresini ve iş deneyimi gereksinimlerini azaltarak yeni çalışanların hızlanmasını sağlayabilir. Daha da önemlisi, üretken AI, engelli insanları güçlendirerek iletişim, biliş, okuma ve yazma yardımı, kişisel organizasyon ve sürekli öğrenme ve gelişim sağlayabilir.

Bazıları, üretken AI’ın gelecekte iş kayıplarına neden olacağından endişe ederken, diğerleri bunun tekrarlayan görevleri kaldırarak daha stratejik olanlara yer açacağına inanıyor. Bu arada, bugün yaşanan tedarik zinciri ve dijital yetenek eksikliğini çözmeye yönelik bir çözüm olarak görülüyor. Bu nedenle, teknolojiyle nasıl çalışacağını öğrenmek önemlidir.

Dijital Tedarik Zinciri Modelini Oluşturma

Tedarik zincirlerinin esnek ve çevik olması gerekir, bu da tüm ağ için görünürlük gerektirir. Tedarik zinciri, tüm ağı “bilmelidir” için görünürlük gerekir. Ancak, tüm n-katmanlı tedarik zinciri ağı’nın dijital modelini oluşturmak genellikle maliyetli olabilir. Büyük şirketlerin verileri, ERPs, CRMs, PLMs, Tedarik ve Kaynak, Planlama, WMS, TMS ve daha fazlasını içeren dozens veya hundreds of sistemler arasında dağılmıştır. Tüm bu karmaşıklık ve parçalanma, bu farklı verilerin mantıksal olarak bir araya getirilmesini son derece zorlaştırır. Bu, ilk veya ikinci seviye tedarikçiler ötesine bakıldığında, yapısal bir formatta veri toplamanın olası olmadığı durumlarda daha da zorlaşır.

Üretken AI modelleri, yapısal (ana veri, işlem verileri, EDIs) ve yapısal olmayan (sözleşmeler, faturalar, görüntü taramaları) büyük miktarda veriyi işleyerek, sınırlı veri ön işleme ile desenleri ve bağlamı tanıyabilir. Üretken AI modelleri, desenlerden öğrenerek ve bazı insan müdahalesi ile olasılık hesaplamaları kullanarak sonraki mantıksal çıktıyı tahmin edebildikleri için, n-katmanlı tedarik ağı’nın daha doğru bir dijital modelini hızlı ve ölçeklenebilir bir şekilde oluşturabilir ve şirket içi ve şirketler arası işbirliği ve görünürlüğü optimize edebilir. Bu n-katmanlı model, conflict minerallerin belirlenmesi, çevresel duyarlı kaynak veya alanların kullanımı, ürünlerin ve süreçlerin karbon emisyonlarının hesaplanması gibi ESG girişimlerini desteklemek için daha da zenginleştirilebilir.

Üretken AI, tedarik zinciri liderlerine yenilikçi olma ve stratejik bir avantaj yaratma fırsatı sunar, ancak dikkate alınması gereken bazı endişeler ve riskler de vardır.

Tedarik Zinciriniz Benzersizdir

Üretken AI’nın genel kullanımları, ChatGPT veya Dall-E gibi, daha geniş doğadaki görevleri ele almakta başarılılar çünkü modeller büyük miktarda kamu verisiyle eğitilmiştir. Ancak, üretken AI’ıncapabilities’ini gerçekten empresa tedarik zinciri için kullanmak için, bu modellerin empresa verilerine ve organizasyona özgü bağlama uyarlanması gerekir. Diğer bir deyişle, genel olarak eğitilmiş bir model kullanılamaz. Mevcut dönüşüm projelerini engelleyen veri yönetimi zorlukları, veri kalitesi, entegrasyonu ve performansı da üretken AI yatırımlarını etkileyebilir ve doğru veri yönetimi çözümü olmadan zaman alıcı ve maliyetli bir egzersize neden olabilir.

Üretken AI, eğitim verisindeki desenleri anlama bağımlısıdır ve tedarik zinciri profesyonelleri son üç yılda öğrendikleri gibi, tedarik zincirlerinin yeni risklerle ve görülmemiş fırsatlarla karşı karşıya kalacağıdır.

Güvenlik ve Düzenlemeler

Üretken AI modellerinin temel gereksinimi, desenleri ve bağlamı anlamak için büyük miktarda eğitim verisine erişimidir. Üretken AI uygulamalarının insan benzeri arabirimi, kullanıcı taklit etme, phishing ve diğer güvenlik endişelerine neden olabilir. Model eğitimine sınırlı erişim, AI’ın performansını azaltabilirken, tedarik zinciri verilerine sınırsız erişim, kritik ve hassas bilginin yetkisiz kullanıcılara açık hale gelmesi ile sonuçlanabilir.

Üretken AI’ın gelecekte nasıl düzenleneceği belirsizdir ve kullanımının artmaya devam etmesi ve yeni üretken AI uygulamalarının keşfedilmesi ile birlikte. Birkaç AI uzmanı, AI’ın riski konusunda endişe dile getirdi ve teknoloji liderleri ve politika yapıcıların güvenlik için kurallar ve düzenlemeler oluşturmadan önce dev AI deneylerini durdurması gerektiğini sordu.

Üretken AI, insan zekası, yaratıcılık ve karar alma için bir güç çarpanı oluşturabilecek organizasyonlar için cải thiện fırsatları sunar. Ancak, tedarik zinciri kullanım örnekleri için özel olarak eğitilmiş ve tasarlanmış modeller olmadıkça, üretken AI yatırımlarına dengeli bir yaklaşım en iyi yol olacaktır.

İyi bir iş przypadını, veri ve kullanıcı güvenliğini ve ölçülebilir iş hedeflerini dikkate alarak, üretken AI teknolojisine yatırım yapmadan önce dikkatli bir yaklaşım sergilemek önemlidir. İş “playbook”ları ile üretken AI’ı birleştiren şirketler, ekiplerin planlama, karar alma ve yürütme kapasitesini artırırken aynı zamanda istenilen iş sonuçlarını optimize etmekte en iyi durumda olacaklardır. Şirketler, güçlü bir iş przypadını, veri ve kullanıcı güvenliğini ve ölçülebilir iş hedeflerini dikkate almalıdır. “oks” ile üretken AI, ekiplerin planlama, karar alma ve yürütme kapasitesini artırırken aynı zamanda istenilen iş sonuçlarını optimize etmekte en iyi durumda olacaktır. Şirketler, güçlü bir iş przypadını, veri ve kullanıcı güvenliğini ve ölçülebilir iş hedeflerini dikkate almalıdır.