Đói dữ liệu: Làm thế nào Trí tuệ nhân tạo trong chuỗi cung ứng có thể đạt đến điểm chuyển đổi

Trí tuệ nhân tạo (AI) trong chuỗi cung ứng là một vấn đề giống như trứng và gà. Có những người ca ngợi AI vì tiềm năng tạo ra sự minh bạch lớn hơn trong hoạt động chuỗi cung ứng. Nói cách khác, AI trước, minh bạch sau.

Điều này có thể đúng khi sự minh bạch chuỗi cung ứng thời gian thực không thể đạt được. Nhưng AI chuỗi cung ứng chuyển đổi – bao gồm AI tạo sinh mạnh mẽ, tạo ra những hiểu biết, kết quả, quy trình và hiệu quả mới từ các tập dữ liệu lớn – đòi hỏi chúng ta phải đảo ngược phương trình. Minh bạch trước, sau đó là đổi mới GenAI trong toàn bộ chuỗi cung ứng.

Hãy tưởng tượng một người quản lý bán lẻ khu vực, nhà phân phối, nhà sản xuất hoặc nhân viên mua hàng thức dậy vào thứ Hai, khởi động một trình trò chuyện AI quen thuộc (có thể được kích hoạt bằng giọng nói) và hỏi bằng ngôn ngữ tự nhiên liệu chuỗi cung ứng của họ có được tối ưu hóa cho tuần này không. Và nếu không, hỏi làm thế nào chuỗi cung ứng có thể được điều chỉnh để đáp ứng mục tiêu của họ. GenAI cho phép tương tác này với hệ thống chuỗi cung ứng.

Nhưng cách duy nhất một giải pháp chuỗi cung ứng dựa trên GenAI có thể tự động cung cấp những câu trả lời như vậy là nếu nó biết trạng thái, vị trí, điều kiện, chuyển động, v.v. của mọi sản phẩm, hộp, trường hợp, pallet, v.v. trong chuỗi cung ứng. Và cách duy nhất nó biết điều đó là nếu chính các sản phẩm có thể tự động truyền đạt thông tin mà không cần can thiệp của con người. Hiện tại, chúng có thể, thông qua một nền tảng minh bạch phổ biến gọi là Internet vạn vật (IoT) xung quanh.

GenAI trong chuỗi cung ứng

Công ty tư vấn toàn cầu Ernst & Young ước tính 40% công ty chuỗi cung ứng đang đầu tư vào GenAI. Họ đã sử dụng GenAI để lập bản đồ mạng lưới cung ứng phức tạp, chạy các kịch bản “giả sử”, dự báo cung ứng lên và xuống, phát triển các trình trò chuyện để các đối tác có thể dễ dàng nhận được câu trả lời, và thậm chí tạo ra các hợp đồng mới dựa trên các thỏa thuận trước đó hoặc hiện tại.

Trong những trường hợp như vậy, các công ty đang đào tạo các mô hình AI trên dữ liệu lịch sử của riêng họ và những gì họ có thể thu thập từ các đối tác. Sau đó, họ yêu cầu GenAI tìm cách tăng hiệu quả. Nhưng như các nhà phân tích của EY đã nói, “Các công cụ GenAI chỉ mạnh mẽ như dữ liệu đầu vào của chúng, vì vậy chúng bị giới hạn bởi chất lượng và sẵn có của dữ liệu từ các đối tác chuỗi cung ứng.”

Điểm đến lý tưởng của AI chuỗi cung ứng là tạo ra các tuyến đường, quy trình, thiết kế sản phẩm và danh sách nhà cung cấp mới dựa trên dữ liệu thời gian thực – và làm điều đó càng nhanh càng tốt (nhanh hơn khả năng của con người). Hoặc như một giám đốc điều hành đã nói với tạp chí Harvard Business Review, “Khi có một cuộc khủng hoảng chuỗi cung ứng, chìa khóa để cạnh tranh là tìm kiếm các nhà cung cấp thay thế nhanh hơn mọi người khác vì mọi người đều đang tìm cách làm điều tương tự.”

Điều này đòi hỏi phải đào tạo các giải pháp GenAI trên nhiều dữ liệu hơn – và dữ liệu mới hơn – về hoạt động chuỗi cung ứng thực tế. Đó là nơi IoT xung quanh xuất hiện.

IoT xung quanh: Ngôn ngữ của chuỗi cung ứng

Với IoT xung quanh, sản phẩm, bao bì và địa điểm mang các chữ ký số, đó là ngôn ngữ minh bạch thời gian thực của chuỗi cung ứng, cuối cùng sẽ được đưa vào các mô hình ngôn ngữ lớn (LLM) là nền tảng của GenAI. Những chữ ký này được truyền qua các Pixel IoT, các thẻ điện tử tự cấp nguồn, kích thước như một con tem, được gắn vào bất cứ thứ gì trong chuỗi cung ứng cần được theo dõi và giám sát. Các Pixel IoT bao gồm công suất tính toán, cảm biến và truyền thông Bluetooth, cho phép sản phẩm và bao bì mô tả hành trình của chúng qua chuỗi cung ứng bằng dữ liệu mà các LLM có thể tiêu thụ. Cuối cùng, chúng đại diện cho một cây cầu giữa thế giới vật lý và thế giới số, cung cấp dữ liệu chuỗi cung ứng mà trước đây không thể hiển thị, dự đoán và tối ưu hóa hoạt động.

Các Pixel IoT xung quanh truyền dữ liệu thông qua mạng thiết bị không dây hiện có, chẳng hạn như điện thoại thông minh và điểm truy cập không dây, hoặc thông qua các cầu và cổng tiêu chuẩn dễ dàng triển khai, được cài đặt trong cửa hàng, kho hàng, xe tải giao hàng và hơn thế nữa. Trên thực tế, với sự cho phép và bảo vệ quyền riêng tư phù hợp, các Pixel IoT xung quanh có thể mở rộng khả năng hiển thị chuỗi cung ứng tất cả cách đến người tiêu dùng, truyền dữ liệu về việc sử dụng sản phẩm, tái sử dụng và tái chế, tạo cơ sở cho các mô hình GenAI tiên tiến hơn.

Và chúng gửi dữ liệu liên tục. Không giống như các bản ghi chuỗi cung ứng được sử dụng để đào tạo các mô hình GenAI ngày nay, dữ liệu IoT xung quanh mô tả chuỗi cung ứng hiện tại. Với khả năng hiển thị này, tất cả những gì còn lại là triển khai GenAI để trả lời cho chúng ta, “Tôi đang thấy gì trong chuỗi cung ứng của mình, hiện tại?”

Khả năng hiển thị thời gian thực và tạo dữ liệu IoT xung quanh trên toàn chuỗi cung ứng thậm chí có thể giúp giải quyết một trong những thách thức của GenAI: rằng dữ liệu được sử dụng để đào tạo các LLM nhất thiết phải phản ánh các偏见 dữ liệu không chủ ý từ các nguồn tạo ra chúng, thường bao gồm các hệ thống ERP khác nhau của công ty.

Các sản phẩm được theo dõi qua chuỗi cung ứng bằng IoT xung quanh nói lên sự thật khách quan vì sản phẩm thực sự nằm ở vị trí mà IoT xung quanh nói chúng ở đó, khi chúng ở đó. Và vì IoT xung quanh không yêu cầu công nhân với máy quét RFID để theo dõi các chuyến hàng, sai sót của con người có thể được giảm thiểu.

Dữ liệu IoT xung quanh mô tả chính xác tuyến đường và thời gian sản phẩm đi qua chuỗi cung ứng. Và sản phẩm mang trong hộ chiếu sản phẩm số dữ liệu về các bên và cơ sở liên quan đến việc xử lý chúng. Nếu áp dụng, các Pixel IoT xung quanh có thể thêm thông tin về nhiệt độ, độ ẩm và lượng khí thải carbon vào mỗi bước.

Theo EY, một lĩnh vực mà các công ty chuỗi cung ứng đang khám phá việc sử dụng GenAI là báo cáo pháp quy và ESG. Cách tốt nhất và tiết kiệm chi phí nhất để thu thập大量 dữ liệu để GenAI tạo ra thông tin tuân thủ là thông qua IoT xung quanh.

Từ Trò chuyện đến Tự động hóa

Hàng ngày, có hai cách kết hợp IoT xung quanh và GenAI có thể mang lại lợi ích cho chuỗi cung ứng. Đầu tiên, nó sẽ cho phép nhiều người trong chuỗi cung ứng hiểu rõ hơn về các tình huống đang phát triển và thực hiện các bước chủ động để tối ưu hóa hoặc sửa chữa hoạt động chuỗi cung ứng. Bạn không cần phải là một nhà phân tích dữ liệu hoặc chuyên gia mua hàng để hỏi một trình trò chuyện GenAI về trạng thái của các chuyến hàng hoặc yêu cầu các nhà cung cấp thay thế, mặc dù các công ty sẽ tiếp tục cần các chuyên gia dữ liệu để đảm bảo các LLM và công cụ GenAI phát triển để tạo ra kết quả hữu ích. Nhưng việc dân chủ hóa phân tích và truy vấn chuỗi cung ứng có thể cho phép ra quyết định nhanh chóng cần thiết để cạnh tranh.

Thứ hai, GenAI và các công cụ AI khác có thể giúp xây dựng một cây cầu hướng tới tự động hóa chuỗi cung ứng lớn hơn. Thông qua học máy, cụ thể là học tăng cường thường thấy trong các hệ thống điều khiển, phần mềm có thể được đào tạo để đưa ra các quyết định dẫn đến kết quả tốt hơn. Cuối cùng, chúng có thể được đào tạo để phát hiện các gián đoạn chuỗi cung ứng trước khi chúng xảy ra và tự động kích hoạt các nhà cung cấp hoặc người vận chuyển thay thế. Hoặc chúng có thể khởi xướng bảo trì dự đoán bằng cách xác định xem các hệ thống hoặc dòng sản xuất cụ thể có thể bị lỗi.

Chúng làm điều này bằng cách học hỏi từ các tập dữ liệu lớn, bao gồm cả dữ liệu chuỗi cung ứng được tạo bởi IoT xung quanh.

Như chúng ta đã học được trong những năm gần đây, chuỗi cung ứng phức tạp tồn tại trên lưỡi dao. Một vài yếu tố nhỏ có thể đẩy chúng vào hỗn loạn. Trí tuệ nhân tạo sẽ là chìa khóa để tránh hỗn loạn trong tương lai. Nhưng để đạt được điều đó, chuỗi cung ứng cần phải mở khóa dữ liệu cho những thứ chúng không thể nhìn thấy hiện tại. IoT xung quanh cung cấp dữ liệu hiển thị mà các đổi mới GenAI của ngày mai sẽ được xây dựng.