Роль генеративного ІІ у ланцюгах постачання

Як тільки порушення ланцюгів постачання стали частою темою обговорення в залах засідань у 2020 році, генеративний ІІ швидко став гарячою темою 2023 року. Адже OpenAI’s ChatGPT досягла 100 мільйонів користувачів за перші два місяці, ставши найшвидшим у світі споживчим застосуванням.

Ланцюги постачання до певної міри добре підходять для застосування генеративного ІІ, оскільки вони функціонують на основі величезної кількості даних. Розмаїття та обсяг даних, а також різні типи даних додають додаткову складність вже дуже складній реальній проблемі: як оптимізувати роботу ланцюгів постачання. Хоча випадки застосування генеративного ІІ у ланцюгах постачання досить широкі – включаючи підвищення автоматизації, прогнозування попиту, обробку замовлень та відстеження, прогнозне обслуговування машин, управління ризиками, управління постачальниками та інше – багато з них також застосовуються до прогнозного ІІ і вже були прийняті та впроваджені у великому масштабі.

Ця стаття описує кілька випадків застосування, які особливо добре підходять для генеративного ІІ у ланцюгах постачання, та пропонує деякі застереження, які керівники ланцюгів постачання повинні врахувати перед інвестиціями.

Поміч у прийнятті рішень

Головна мета ІІ та МЛ у ланцюгах постачання полягає у полегшенні процесу прийняття рішень, надаючи можливість підвищення швидкості та якості. Прогнозний ІІ робить це, надаючи більш точні прогнози та відкриття нових закономірностей, які ще не були визначені, та використовуючи великі обсяги відповідних даних. Генеративний ІІ може зробити ще один крок вперед, підтримуючи різні функціональні області управління ланцюгами постачання. Наприклад, менеджери ланцюгів постачання можуть використовувати генеративні моделі ІІ для запитання про уточнення, запитання додаткових даних, кращого розуміння чинників, що впливають на рішення, та перегляду історичної ефективності рішень у подібних ситуаціях. Коротко кажучи, генеративний ІІ робить процес підготовки до прийняття рішень значно швидшим та легшим для користувача.

Крім того, на основі підкладових даних та моделей генеративний ІІ може аналізувати великі обсяги структурованих та неструктурованих даних, автоматично генерувати різні сценарії та надавати рекомендації на основі представлених варіантів. Це значно скорочує некорисну роботу, яку зараз виконують менеджери ланцюгів постачання, та дозволяє їм витрачати більше часу на прийняття рішень, ґрунтуючись на даних, та швидшу реакцію на зміни ринку.

Можливе рішення проблеми нестачі талантів у сфері управління ланцюгами постачання

За останні кілька років підприємства страждали від нестачі талантів у сфері управління ланцюгами постачання через вигорання планувальників, відтоку працівників та крутій навчальної кривої для нових працівників через складний характер роботи. Генеративні моделі ІІ можуть бути налаштовані на стандартні операційні процедури підприємств, бізнес-процеси, робочі потоки та програмну документацію, а потім можуть реагувати на запити користувачів з контекстуалізованою та актуальною інформацією. Конверсійний інтерфейс користувача, який зазвичай асоціюється з генеративним ІІ, робить його значно легшим для взаємодії з системою підтримки та дозволяє уточнювати запит, ще більше прискорюючи час, необхідний для знаходження правильної інформації.

Об’єднання системи навчання та розвитку на основі генеративного ІІ з підтримкою прийняття рішень на основі генеративного ІІ може допомогти прискорити вирішення різних питань зміни управління. Це також може прискорити впровадження нових працівників, скорочуючи час навчання та вимог до досвіду роботи. Що ще важливіше, генеративний ІІ може надати людям з інвалідністю можливість покращення комунікації, когнітивних функцій, допомоги у читанні та письмі, організації особистих справ та підтримки безперервного навчання та розвитку.

Хоча деякі люди бояться, що генеративний ІІ призведе до втрати робочих місць у майбутньому, інші вважають, що це підвищить рівень роботи шляхом видалення повторюваних завдань та створення місця для більш стратегічних завдань. Тим часом це передбачається як рішення сучасної хронічної нестачі талантів у сфері управління ланцюгами постачання та цифрових технологій. Тому важливо навчитися працювати з цією технологією.

Будівництво цифрової моделі ланцюга постачання

Ланцюги постачання повинні бути стійкими та гнучкими, що вимагає прозорості на рівні всього підприємства. Ланцюг постачання повинен “знати” всю мережу для забезпечення прозорості. Однак будівництво цифрової моделі всієї мережі ланцюга постачання часто є дорогою справою. Великі підприємства мають дані, розподілені по десятках або сотнях систем, з більшою частиною великих підприємств, які одночасно керують понад 500 додатками через ERP, CRM, PLM, закупівлі та джерела, планування, WMS, TMS та інше. З такою складністю та фрагментацією дуже складно логічно об’єднати ці розрізнені дані. Це ускладнюється, коли організації дивляться за межі першого чи другого рівня постачальників, де збирання даних у структурованому форматі є малоймовірним.

Генеративні моделі ІІ можуть обробляти величезні обсяги даних, включаючи структуровані (основні дані, дані транзакцій, EDI) та неструктуровані дані (договори, рахунки, зображення), для визначення закономірностей та контексту з обмеженою попередньою обробкою даних. Оскільки генеративні моделі ІІ навчаються на основі закономірностей та використовують розрахунки ймовірностей (з деяким втручанням людини) для прогнозування наступного логічного виходу, вони можуть створити більш точну цифрову модель мережі ланцюга постачання – швидше та у великому масштабі – та оптимізувати міжфірмову та внутрішньофірмову співпрацю та прозорість. Цю модель n-рівня можна далі збагатити для підтримки ініціатив ESG, включаючи, але не обмежуючись, ідентифікацію конфліктних мінералів, використання екологічно чутливих ресурсів чи територій, розрахунку викидів парникових газів продукції та процесів тощо.

Хоча генеративний ІІ надає значну можливість лідерам ланцюгів постачання бути інноваційними та створити стратегічну перевагу, є певні проблеми та ризики, які слід врахувати.

Ваш ланцюг постачання унікальний

Загальні випадки застосування генеративного ІІ, такі як ChatGPT або Dall-E, зараз успішно вирішують завдання, які є ширшими за природу, оскільки ці моделі навчені на величезних обсягах публічно доступних даних. Для того, щоб повноцінно використовувати можливості генеративного ІІ для ланцюга постачання підприємства, ці моделі потрібно донастроювати на відповідні дані підприємства та контекст, специфічний для вашої організації. Інакше кажучи, не можна використовувати загально навчені моделі. Проблеми управління даними, такі як якість даних, інтеграція та продуктивність, які перешкоджають поточним проектам трансформації, також можуть вплинути на інвестиції у генеративний ІІ, що призведе до тривалого та дорогого завдання без відповідного рішення з управлінням даними.

Генеративний ІІ залежить від розуміння закономерностей у навчальних даних, а якщо фахівці ланцюгів постачання вивчили щось за останні три роки, то це те, що ланцюги постачання продовжуватимуть стикатися з новими ризиками та безпрецедентними можливостями.

Безпека та регуляторні вимоги

Базовим вимогам генеративних моделей ІІ є доступ до великих обсягів навчальних даних для розуміння закономірностей та контексту. Однак людський інтерфейс генеративних додатків ІІ може привести до витворення особистості, фішингу та інших проблем безпеки. Хоча обмежений доступ до навчання моделі може привести до її недооцінки, надання необмеженого доступу до даних ланцюга постачання може привести до інцидентів інформаційної безпеки, при яких критична та чутлива інформація стане доступною незаконним користувачам.

Також невідомо, як різні уряди вирішать регулювати генеративний ІІ у майбутньому, коли його прийняття продовжуватиме зростати, а нові застосування генеративного ІІ будуть виявлені. Деякі експерти з ІІ висловили занепокоєння щодо ризиків, пов’язаних з ІІ, просячи уряди зупинити гігантські експерименти з ІІ, поки технологічні лідери та політики не встановлять правила та регуляції для забезпечення безпеки.

Генеративний ІІ пропонує багато можливостей для покращення для тих організацій, які можуть скористатися цією технологією та створити мультиплікатор для людської винахідливості, креативності та прийняття рішень. Однак поки не будуть створені моделі, спеціально розроблені для випадків застосування у сфері ланцюгів постачання, найкращим способом рухатися вперед буде збалансований підхід до інвестицій у генеративний ІІ.

Створення належних обмежень буде розсудливим кроком для забезпечення того, щоб ІІ пропонував набір оптимальних планів для кожного користувача, які будуть узгоджені з бізнес-процесами та цілями. Бізнеси, які поєднують “бізнес-плейбуки” з генеративним ІІ, будуть найкраще здатні підвищити здатність команд планувати, приймати рішення та виконувати завдання, оптимізуючи бажані бізнес-результати. Організації також повинні врахувати сильний бізнес-кейс, безпеку даних та користувачів, а також вимірювані бізнес-цілі перед інвестиціями у нову технологію генеративного ІІ.