Vai trò của Trí tuệ nhân tạo sinh (Generative AI) trong Chuỗi cung ứng

Giống như sự gián đoạn chuỗi cung ứng đã trở thành chủ đề thường xuyên trong các cuộc thảo luận tại phòng họp vào năm 2020, Trí tuệ nhân tạo sinh (Generative AI) nhanh chóng trở thành chủ đề nóng của năm 2023. Sau tất cả, ChatGPT của OpenAI đã đạt 100 triệu người dùng trong hai tháng đầu, khiến nó trở thành ứng dụng tiêu dùng phát triển nhanh nhất trong lịch sử.

Chuỗi cung ứng, đến một mức độ nhất định, rất phù hợp với các ứng dụng của trí tuệ nhân tạo sinh, vì chúng hoạt động trên và tạo ra một lượng lớn dữ liệu. Sự đa dạng và khối lượng dữ liệu cũng như các loại dữ liệu khác thêm phức tạp cho một vấn đề thế giới thực cực kỳ phức tạp: làm thế nào để tối ưu hóa hiệu suất chuỗi cung ứng. Và trong khi các trường hợp sử dụng trí tuệ nhân tạo sinh trong chuỗi cung ứng rất rộng lớn – bao gồm tự động hóa tăng cường, dự báo nhu cầu, xử lý và theo dõi đơn hàng, bảo trì dự đoán của máy móc, quản lý rủi ro, quản lý nhà cung cấp và nhiều hơn nữa – nhiều trường hợp cũng áp dụng cho trí tuệ nhân tạo dự đoán và đã được áp dụng và triển khai trên quy mô lớn.

Bài viết này phác thảo một số trường hợp sử dụng đặc biệt phù hợp với trí tuệ nhân tạo sinh trong chuỗi cung ứng và đưa ra một số cảnh báo mà các nhà lãnh đạo chuỗi cung ứng nên xem xét trước khi đầu tư.

Quyết định có sự hỗ trợ

Mục đích chính của AI và ML trong chuỗi cung ứng là làm cho quá trình ra quyết định trở nên dễ dàng hơn, mang lại sự hứa hẹn về tốc độ và chất lượng tăng cao. Trí tuệ nhân tạo dự đoán thực hiện điều này bằng cách cung cấp dự đoán và dự báo chính xác hơn, khám phá các mẫu mới chưa được xác định và sử dụng rất nhiều dữ liệu liên quan. Trí tuệ nhân tạo sinh có thể đưa điều này lên một bước nữa bằng cách hỗ trợ các lĩnh vực chức năng khác nhau của quản lý chuỗi cung ứng. Ví dụ, các nhà quản lý chuỗi cung ứng có thể sử dụng các mô hình trí tuệ nhân tạo sinh để hỏi các câu hỏi làm rõ, yêu cầu thêm dữ liệu, hiểu rõ hơn về các yếu tố ảnh hưởng và xem xét hiệu suất lịch sử của các quyết định trong các kịch bản tương tự. Tóm lại, trí tuệ nhân tạo sinh làm cho quá trình thẩm định trước khi ra quyết định trở nên nhanh chóng và dễ dàng hơn cho người dùng.

Hơn nữa, dựa trên dữ liệu và mô hình cơ bản, trí tuệ nhân tạo sinh có thể phân tích một lượng lớn dữ liệu có cấu trúc và không có cấu trúc, tự động tạo ra các kịch bản khác nhau và cung cấp khuyến nghị dựa trên các tùy chọn được trình bày. Điều này giảm đáng kể công việc không tạo giá trị mà các nhà quản lý chuỗi cung ứng hiện đang thực hiện và trao quyền cho họ dành nhiều thời gian hơn để đưa ra quyết định dựa trên dữ liệu và phản ứng với các chuyển đổi của thị trường nhanh hơn.

Một (có thể) Giải pháp cho Sự thiếu hụt Tài năng Quản lý Chuỗi cung ứng

Trong vài năm qua, các doanh nghiệp đã phải đối mặt với sự thiếu hụt tài năng chuỗi cung ứng do kiệt sức của người lập kế hoạch, tỷ lệ bỏ việc và đường cong học tập dốc cho các nhân viên mới do bản chất phức tạp của chức năng công việc. Các mô hình trí tuệ nhân tạo sinh có thể được điều chỉnh để phù hợp với các quy trình hoạt động tiêu chuẩn, quy trình kinh doanh, quy trình làm việc và tài liệu phần mềm của doanh nghiệp và sau đó có thể trả lời các truy vấn của người dùng với thông tin có liên quan và được ngữ cảnh hóa. Giao diện người dùng đối话 thường liên kết với trí tuệ nhân tạo sinh làm cho nó trở nên dễ dàng hơn để tương tác với hệ thống hỗ trợ và cho phép tinh chỉnh truy vấn, đẩy nhanh thời gian để tìm thông tin chính xác.

Kết hợp hệ thống học tập và phát triển dựa trên trí tuệ nhân tạo sinh với quyết định hỗ trợ được hỗ trợ bởi trí tuệ nhân tạo sinh có thể giúp đẩy nhanh việc giải quyết các vấn đề quản lý thay đổi khác nhau. Nó cũng có thể đẩy nhanh quá trình khởi động của nhân viên mới bằng cách giảm thời gian đào tạo và yêu cầu kinh nghiệm làm việc. Quan trọng hơn, trí tuệ nhân tạo sinh có thể trao quyền cho người khuyết tật bằng cách tăng cường giao tiếp, cải thiện nhận thức, hỗ trợ đọc và viết, cung cấp tổ chức cá nhân và hỗ trợ học tập và phát triển liên tục.

Mặc dù một số người lo sợ rằng trí tuệ nhân tạo sinh sẽ dẫn đến mất việc làm trong những năm tới, nhưng những người khác nghĩ rằng nó sẽ nâng cao công việc bằng cách loại bỏ các nhiệm vụ lặp đi lặp lại và tạo khoảng trống cho các nhiệm vụ chiến lược hơn. Trong khi đó, nó được dự đoán sẽ giải quyết sự thiếu hụt chuỗi cung ứng và tài năng kỹ thuật số mãn tính ngày nay. Đó là lý do tại sao việc học cách làm việc với công nghệ này là rất quan trọng.

Xây dựng Mô hình Chuỗi cung ứng Kỹ thuật số

Chuỗi cung ứng cần phải linh hoạt và thích ứng, điều này đòi hỏi sự hiển thị trên toàn doanh nghiệp. Chuỗi cung ứng cần “biết” toàn bộ mạng lưới để có thể hiển thị. Tuy nhiên, việc xây dựng mô hình kỹ thuật số của toàn bộ mạng lưới chuỗi cung ứng n-tier thường có chi phí cao. Các doanh nghiệp lớn có dữ liệu phân散 trên hàng chục hoặc hàng trăm hệ thống, với hầu hết các doanh nghiệp lớn quản lý hơn 500 ứng dụng đồng thời trên ERPs, CRMs, PLMs, Procurement & Sourcing, Planning, WMS, TMS và nhiều hơn nữa. Với tất cả sự phức tạp và phân mảnh này, việc logic đưa dữ liệu rời rạc này lại với nhau là cực kỳ khó khăn. Điều này trở nên trầm trọng hơn khi các tổ chức nhìn vượt ra ngoài nhà cung cấp cấp 1 hoặc cấp 2 đến nơi thu thập dữ liệu ở định dạng có cấu trúc là không thể.

Các mô hình trí tuệ nhân tạo sinh có thể xử lý một lượng lớn dữ liệu, bao gồm cả dữ liệu có cấu trúc (dữ liệu chính, dữ liệu giao dịch, EDIs) và dữ liệu không có cấu trúc (hợp đồng, hóa đơn, quét hình ảnh), để xác định mẫu và ngữ cảnh với sự tiền xử lý dữ liệu hạn chế. Vì các mô hình trí tuệ nhân tạo sinh học từ mẫu và sử dụng tính toán xác suất (với một số can thiệp của con người) để dự đoán đầu ra logic tiếp theo, chúng có thể tạo ra một mô hình kỹ thuật số chính xác hơn của mạng lưới chuỗi cung ứng n-tier – nhanh hơn và trên quy mô lớn – và tối ưu hóa sự hợp tác và hiển thị giữa và trong công ty. Mô hình n-tier này có thể được làm giàu thêm để hỗ trợ các sáng kiến ESG bao gồm nhưng không giới hạn ở việc xác định khoáng sản xung đột, sử dụng tài nguyên nhạy cảm với môi trường hoặc khu vực, tính toán lượng khí thải carbon của sản phẩm và quy trình, và nhiều hơn nữa.

Mặc dù trí tuệ nhân tạo sinh cung cấp một cơ hội đáng kể cho các nhà lãnh đạo chuỗi cung ứng để đổi mới và tạo ra lợi thế chiến lược, nhưng vẫn có một số mối quan tâm và rủi ro cần xem xét.

Chuỗi cung ứng của Bạn là Độc nhất

Sử dụng chung của trí tuệ nhân tạo sinh, như ChatGPT hoặc Dall-E, hiện đang thành công trong việc giải quyết các nhiệm vụ có tính chất rộng hơn vì các mô hình được đào tạo trên một lượng lớn dữ liệu công khai. Để thực sự tận dụng khả năng của trí tuệ nhân tạo sinh cho chuỗi cung ứng doanh nghiệp, các mô hình này sẽ cần được tinh chỉnh trên dữ liệu và ngữ cảnh cụ thể của doanh nghiệp. Nói cách khác, bạn không thể sử dụng một mô hình được đào tạo chung. Các thách thức quản lý dữ liệu như chất lượng dữ liệu, tích hợp và hiệu suất mà cản trở các dự án chuyển đổi hiện tại cũng có thể ảnh hưởng đến đầu tư trí tuệ nhân tạo sinh, dẫn đến một quá trình tốn thời gian và tốn kém mà không có giải pháp quản lý dữ liệu phù hợp đã được triển khai.

Trí tuệ nhân tạo sinh phụ thuộc vào việc hiểu mẫu trong dữ liệu đào tạo và nếu các chuyên gia chuỗi cung ứng đã học được điều gì trong ba năm qua, thì chuỗi cung ứng sẽ tiếp tục đối mặt với các rủi ro mới và cơ hội chưa từng có.

Bảo mật & Quy định

Yêu cầu cơ bản của các mô hình trí tuệ nhân tạo sinh là truy cập vào một lượng lớn dữ liệu đào tạo để hiểu mẫu và ngữ cảnh. Điều đó nói, giao diện giống con người của các ứng dụng trí tuệ nhân tạo sinh có thể dẫn đến giả mạo người dùng, lừa đảo và các vấn đề bảo mật khác. Trong khi việc hạn chế truy cập vào đào tạo mô hình có thể dẫn đến hiệu suất dưới mức của AI, việc cấp quyền truy cập không hạn chế vào dữ liệu chuỗi cung ứng có thể dẫn đến các sự kiện bảo mật thông tin nơi thông tin quan trọng và nhạy cảm được cung cấp cho người dùng không được ủy quyền.

Nó cũng không rõ ràng về cách các chính phủ sẽ chọn để quy định trí tuệ nhân tạo sinh trong tương lai khi việc áp dụng tiếp tục tăng trưởng và các ứng dụng mới của trí tuệ nhân tạo sinh được khám phá. Một số chuyên gia AI đã bày tỏ mối quan ngại về rủi ro được đặt ra bởi AI, yêu cầu các chính phủ tạm dừng các thí nghiệm AI khổng lồ cho đến khi các nhà lãnh đạo công nghệ và chính sách có thể thiết lập quy tắc và quy định để đảm bảo an toàn.

Trí tuệ nhân tạo sinh cung cấp rất nhiều cơ hội cải thiện cho các tổ chức có thể tận dụng công nghệ này và tạo ra một nhân tố nhân lên cho sự sáng tạo, quyết định và sáng tạo của con người. Đó là nói, cho đến khi có các mô hình được đào tạo và thiết kế rõ ràng cho các trường hợp sử dụng chuỗi cung ứng, cách tốt nhất để tiến hành là một cách tiếp cận cân bằng đối với đầu tư trí tuệ nhân tạo sinh.

Việc thiết lập các rào cản phù hợp sẽ là điều thận trọng để đảm bảo AI cung cấp một tập hợp các kế hoạch tối ưu cho mỗi người dùng để xem xét và chọn từ đó phù hợp với các quy trình kinh doanh và mục tiêu. Các doanh nghiệp kết hợp “các cuốn sách chơi kinh doanh” với trí tuệ nhân tạo sinh sẽ có khả năng tăng cường khả năng lập kế hoạch, quyết định và thực hiện của các đội trong khi vẫn tối ưu hóa các kết quả kinh doanh mong muốn. Các tổ chức cũng nên xem xét một trường hợp kinh doanh mạnh, bảo mật dữ liệu và người dùng, và các mục tiêu kinh doanh có thể đo lường được trước khi đầu tư vào công nghệ trí tuệ nhân tạo sinh mới.