IA generativa para cadenas de suministro: pionera en una nueva era de eficiencia y sostenibilidad

Recientemente, se presentó una denuncia contra Volkswagen, BMW y Mercedes Benz ante la Oficina Federal Alemana de Asuntos Económicos y Control de Exportaciones, ya que las empresas no detectaron prácticas poco éticas en sus cadenas de suministro. Aparentemente, los gigantes de la fabricación de automóviles dependían de materias primas extraídas mediante trabajos forzados por las minorías uigures oprimidas en China.

Hoy en día es difícil mantener el control de su propio inventario, sin mencionar el seguimiento de cadenas de suministro completas. Afortunadamente, la IA generativa parece tener las herramientas necesarias para afrontar la situación. Puede contratar una empresa de consultoría de IA generativa para que le ayude a anticipar la demanda de los clientes, descubrir prácticas cuestionables dentro de su cadena de suministro y encontrar nuevos proveedores que se ajusten a sus objetivos medioambientales y éticos.

¿Interesado? Luego, veamos qué más puede hacer la IA generativa por la cadena de suministro y qué desafíos esperar durante la implementación.

¿Qué es la IA generativa en una cadena de suministro?

La IA generativa es una tecnología que puede crear contenido nuevo, como texto, imágenes e incluso documentos, similares a los ejemplos con los que ha sido entrenada. Es como un asistente inteligente que puede producir contenido nuevo a pedido sin estar programado específicamente para cada tipo de contenido.

En el contexto de la cadena de suministro, la IA generativa se entrena con grandes cantidades de datos relacionados con la cadena de suministro, como información logística, historial de ventas, registros de inventario, etc., y produce diferentes tipos de conocimientos, incluidos mapas de ruta optimizados, pronósticos de demanda y evaluación de proveedores. informes y estrategias de repoblación.

¿En qué se diferencia la IA generativa de la tecnología de IA tradicional?

La inteligencia artificial convencional sobresale en el análisis de datos históricos y la identificación de patrones. Tiene una amplia gama de capacidades que incluyen procesamiento del lenguaje natural, visión por computadora y aprendizaje automático, mientras que la IA generativa se enfoca únicamente en producir contenido que parece haber sido generado por humanos.

Ejemplos de IA tradicional en nuestra vida cotidiana incluyen automóviles autónomos, motores de recomendación en su sitio web de compras favorito o asistentes de voz como Siri o Alexa. Los ejemplos de IA generativa giran en torno a la creación de contenidos. Incluyen ChatGPT, que produce texto similar a un humano, y DeepDream, que genera imágenes.

Puede obtener más información sobre el papel de la IA convencional para lograr la resiliencia de la cadena de suministro en nuestro blog.

Beneficios de la IA generativa para la cadena de suministro de su empresa

Después de implementar la IA generativa, incluso si la aplica para uno o dos casos de uso, su empresa experimentará algunos o todos los siguientes beneficios:

• Mayor eficiencia a medida que la IA generativa puede optimizar procesos, como la reposición y la adquisición, así como encontrar alternativas de envío más rápidas y económicas.
• Costos laborales reducidos, ya que automatizará tareas tediosas como pronósticos y generación de informes.
• Escalabilidad mejorada, ya que la IA puede asumir una carga adicional sin la necesidad de contratar más personas.
• Mayor satisfacción del cliente, ya que los algoritmos pueden pronosticar la demanda y garantizar que un inventario nunca se quede sin los productos favoritos de sus clientes.
• Operaciones optimizadas a medida que la IA puede predecir y resolver problemas de la cadena de suministro
• Empleados más productivos, ya que ahora pueden centrarse en tareas que se ajusten mejor a sus cualificaciones, mientras que los modelos de IA se encargan de la generación de grandes informes y otras tareas tediosas.

¿Tiene sentido crear modelos de IA generativa personalizados o ajustar los existentes?

Existen soluciones de IA generativa listas para usar, como C3 Generative AI, que se pueden utilizar para mejorar la visibilidad de la cadena de suministro. Si bien estas soluciones pueden ser muy poderosas, una empresa que las utilice para optimizar la cadena de suministro puede enfrentar los siguientes desafíos:

• Falta de experiencia en su dominio porque estas soluciones a menudo están diseñadas como modelos de propósito general.
• El resultado dependerá del conjunto de datos de entrenamiento. Si era de mala calidad, contenía sesgos o simplemente no coincidía con los datos de su empresa, el contenido generado reflejará estos problemas.
• Los algoritmos pueden producir algo irrelevante para su negocio, ya que no comprenden los detalles específicos de sus datos.

Para lograr un rendimiento óptimo, cada organización puede contratar a un consultor de TI para la cadena de suministro para desarrollar modelos de IA nuevos o ajustar los existentes para agregar conocimientos específicos del dominio. Este enfoque tendrá los siguientes beneficios:

• Mayor precisión
• Adaptado a las necesidades de su organización
• Fácil de integrar en sus procesos
• Propiedad total de la tecnología en el caso de desarrollo personalizado.
• Cumplir con los requisitos de cumplimiento específicos de la industria

Pero tenga en cuenta que los algoritmos personalizados son más caros y tardan más en implementarse, ya que se crean desde cero y es necesario entrenarlos y validarlos. Por lo tanto, la elección final es un equilibrio entre las necesidades de su negocio y el presupuesto disponible.

Cinco casos de uso clave de IA generativa en la cadena de suministro

Caso de uso 1: abordar el inventario con eficiencia

La IA generativa puede analizar grandes cantidades de datos y generar políticas y sugerencias sobre cómo manejar mejor el stock dadas las tendencias actuales. Así es como esta tecnología puede contribuir a la gestión de inventario:

• Recomendar políticas de inventario dinámicas: los algoritmos analizan constantemente la información de ventas y las tendencias de la demanda para sugerir ajustes a los niveles de inventario de varios artículos en tiempo real para responder a las necesidades del mercado.
• Calcular los niveles de existencias de seguridad para garantizar que un inventario no se quede sin artículos populares: los modelos de IA pueden calcular niveles de seguridad óptimos en función de la demanda fluctuante, las estaciones y otros factores.
• Simular diferentes escenarios que pueden afectar las existencias, como un fuerte aumento de la demanda y perturbaciones en la oferta: esto permite a las empresas elaborar un plan de contingencia para reabastecerse cuando sea necesario.
• Reducir el desperdicio de inventario: la IA generativa puede detectar artículos en stock de lento movimiento que resultan en altos costos de mantenimiento y recomendar estrategias para mejorar el flujo de productos, como descuentos y campañas de marketing.
• Idear las tácticas de almacenamiento y distribución más efectivas para diferentes productos.

Ejemplo de la vida real

Stitch Fix es una empresa de moda con sede en California. Entrenó algoritmos de IA generativa a partir de sus extensos datos de preferencias de los clientes y otra información, y el modelo predijo qué productos de ropa tendrían una gran demanda e hizo recomendaciones de reabastecimiento de inventario. Como resultado, la empresa informó una disminución del 25% en los costos asociados con el almacenamiento y manejo de artículos.

Caso de uso 2: Entrega de envíos de forma más rápida y económica

Las empresas pueden utilizar la IA generativa para la gestión de la cadena de suministro a fin de analizar grandes cantidades de datos sobre las condiciones climáticas, los patrones de tráfico y los envíos para crear mapas de rutas optimizados para que los proveedores puedan entregar productos/materiales de forma más rápida y económica.

Estos modelos también pueden monitorear datos en tiempo real para redirigir los envíos que ya están en tránsito si hay atascos, accidentes o cualquier otro problema a lo largo de la ruta planificada. Estos planes de rutas dinámicas ayudarán a los conductores a adaptarse sobre la marcha y evitarán perder horas atrapados en el tráfico.

Las empresas reconocen este beneficio y la IA generativa en el mercado de la logística está creciendo rápidamente. Estaba valorado en 412 millones de dólares en 2022 y se espera que se dispare a 13.948 millones de dólares para finales de 2032, creciendo a una tasa compuesta anual de un enorme 43,5%.

Ejemplo de la vida real

Un fabricante integró IA generativa en sus operaciones para gestionar el stock y optimizar los procesos de la cadena de suministro. El sistema analizó datos en tiempo real y recomendó opciones de redireccionamiento. La compañía informó haber reducido los gastos de logística en un 12% durante los primeros seis meses de implementación de la IA.

Caso de uso 3: Garantizar una cadena de suministro ética y sostenible

Las investigaciones muestran que los líderes empresariales están avanzando hacia una cadena de suministro ética, que incluye esfuerzos de sostenibilidad, y la IA generativa puede ayudar en esta iniciativa. Los algoritmos pueden analizar datos de proveedores disponibles públicamente, como eficiencia energética, producción de residuos, prácticas de fabricación sostenible y abastecimiento de materias primas, para decidir qué proveedor se adapta mejor a sus objetivos de impacto ambiental.

Además, los modelos de IA pueden identificar áreas donde su contratista actual puede reducir el desperdicio. Por ejemplo, puede sugerir cambiar el diseño del embalaje o el proceso logístico. Puede compartir estos conocimientos con su proveedor si está abierto a prácticas ecológicas. De esta manera, aún puede alcanzar los objetivos de sostenibilidad sin terminar su asociación con el proveedor.

Ejemplo de la vida real

Las empresas dependen de algoritmos de IA generativa para detectar prácticas insostenibles y poco éticas dentro de su cadena de suministro. Por ejemplo, Siemens y Unilever utilizan este enfoque para identificar proveedores relacionados con la represión de los musulmanes uigures en China, mencionada en la introducción.

Otro ejemplo proviene de Frenzy AI, con sede en California, que construyó un modelo de IA generativa que analiza datos, como declaraciones de aduanas y documentos de envío, para rastrear productos hasta diferentes proveedores y verificar si sus propios productos se utilizan de manera ética.

Caso de uso 4: Anticipar las necesidades de los clientes

Los modelos de IA generativa pueden procesar diferentes tipos de datos, como ventas históricas, tendencias estacionales, datos económicos, actividades de la competencia, sentimiento del cliente, etc., para pronosticar la demanda. Los algoritmos pueden monitorear todo esto en tiempo real, informándole sobre las próximas tendencias tan pronto como surjan. La IA generativa puede realizar las siguientes tareas:

• Predecir la demanda de diferentes productos y servicios, lo que permite a las empresas notificar a sus proveedores, reabastecerse y atender mejor a los clientes.
• Modele diferentes escenarios de cómo puede cambiar la demanda para que las empresas puedan prepararse. Por ejemplo, puede mostrar cómo la modificación de las estrategias de marketing y precios afecta la demanda.

Ejemplo de la vida real

Walmart se basa en un sistema generativo de pronóstico de la demanda basado en inteligencia artificial para anticipar lo que los clientes necesitarán en cada tienda individual. El gigante minorista también utiliza la tecnología para analizar el comportamiento de los clientes durante los eventos del Black Friday y prever posibles cuellos de botella.

Caso de uso 5: encontrar el proveedor adecuado y negociar con él

Como puede analizar grandes cantidades de datos de la cadena de suministro, la IA generativa puede brindar recomendaciones valiosas y ayudar en la investigación de proveedores. Esto es lo que la tecnología puede hacer:

• Clasificación de proveedores: los algoritmos pueden clasificar a los proveedores según criterios predefinidos, como el precio y la calidad de las materias primas.
• Evaluación de prácticas de sostenibilidad: esto incluye evaluar la huella ambiental, la responsabilidad social y la producción de residuos de un proveedor potencial.
• Evaluar los riesgos asociados con cada proveedor, como riesgos geopolíticos, factores económicos y otras vulnerabilidades.
• Generar estrategias de negociación de contratos a la medida de cada proveedor.

Los algoritmos de IA también pueden seguir monitoreando a los proveedores socios para asegurarse de que cumplan con sus obligaciones contractuales y mantengan los niveles de calidad esperados.

Ejemplo de la vida real

Walmart experimentó con un robot de IA generativa de Pactum AI que puede negociar acuerdos con proveedores. Este enfoque ayudó al minorista a ahorrar alrededor del 3 % en gastos contractuales. Sorprendentemente (o no), tres de cada cuatro proveedores prefirieron negociar con el robot.

Desafíos que puede encontrar con la IA generativa en la gestión de la cadena de suministro

Si está interesado en implementar IA generativa, prepárese para enfrentar el siguiente conjunto de desafíos:

Problemas relacionados con los datos

Los modelos de IA generativa necesitan grandes cantidades de datos de calidad para hacer su trabajo. Si los datos están fragmentados, incompletos y desactualizados, los resultados no serán precisos. Y no se puede controlar qué tipo de datos de proveedores están disponibles públicamente, así que trate de establecer expectativas razonables cuando confíe en los datos ofrecidos por otros.

Los modelos también funcionarán con los datos de su organización, como el historial de ventas y las estadísticas financieras. Estos son los datos que usted puede controlar, así que asegúrese de que estén limpios, libres de prejuicios y accesibles.

Integración con sistemas existentes

Su nueva solución de IA debe encajar perfectamente en el sistema existente y conectarse a otras aplicaciones para acceder a sus datos. Esto podría implicar adaptar los sistemas heredados, lo cual es un desafío enorme. Y es posible que tenga que rediseñar algunos de sus procesos. La IA generativa también es muy poderosa y requiere considerables recursos computacionales y capacidad de almacenamiento de datos. Considere adaptar su infraestructura u organizar alojamiento en la nube.

Además, probablemente necesitará integrarse con el software de sus proveedores y alinearse con sus flujos de trabajo. Comprueba si tienen una API dedicada que puedas utilizar para la recopilación de datos.

Desafíos asociados con el uso de la IA

• A veces, la falta de explicabilidad de la IA puede ser un problema. No siempre es posible explicar por qué la IA generativa produjo esta respuesta/sugerencia/estrategia. Tomemos como ejemplo los informes de cumplimiento. Si una organización quiere obtener la certificación ISO, necesita documentar sus procesos para demostrar el cumplimiento. Pero si depende demasiado de la IA generativa para generar informes, es posible que no pueda hacerlo.
• Debe cumplir con los estándares de su industria para el uso de IA y las regulaciones generales de privacidad en su área de operaciones.

Problemas posteriores a la implementación

• Cualquier sistema de IA debe diseñarse teniendo en cuenta la seguridad, ya que funciona con grandes cantidades de información confidencial. Existe un conjunto de prácticas que las empresas deben seguir para garantizar la seguridad de los datos. Esto incluye cifrar datos durante la transferencia y en reposo, implementar mecanismos de autenticación y monitorear el acceso no autorizado, por mencionar algunos. También deberá compartir datos con su red de proveedores. Asegúrese de que esto también sea seguro.
• Los modelos de IA requieren auditorías, evaluaciones de desempeño y actualizaciones periódicas para seguir siendo eficientes y relevantes.

El factor humano

Después de implementar IA generativa para la gestión de la cadena de suministro, desea que los empleados la acepten, la utilicen y contribuyan a su mejora. Es mejor formalizar las reglas que regirán la colaboración entre humanos y IA y especificar quién es responsable de los resultados finales. Y este es un desafío. ¿Quién tiene la culpa si un inventario se ha inundado de productos que nadie quiere comprar? ¿Y quién es responsable si un proveedor seleccionado por AI no entrega a tiempo dos veces seguidas?

La empresa también es responsable de capacitar a sus empleados para trabajar con IA y seguir prácticas seguras de datos.

¿Está convencido de que necesita IA generativa? Esto es lo que debe hacer a continuación

Aquí hay nueve consejos que lo ayudarán a comenzar con la implementación de la IA:

• Defina sus objetivos comerciales y lo que desea lograr con IA generativa para una cadena de suministro. Esto determinará a qué datos deben acceder sus modelos.
• Considere la recopilación de datos automatizada para que sus algoritmos tengan acceso a información actualizada.
• Prepare sus datos para que los utilicen algoritmos de IA y ML.
• Asegúrese de obtener el consentimiento para utilizar los datos de capacitación cuando sea necesario y cumplir con las normas de privacidad de datos.
• Establezca prácticas sólidas de gobernanza de datos o aproveche servicios de gestión de datos de terceros.
• Fomente la colaboración de datos entre su organización y sus proveedores.
• Contrate un proveedor de IA confiable para crear o personalizar algoritmos de IA generativa que puedan abordar sus necesidades únicas.
• Comience con un proyecto piloto a pequeña escala y aprenda de los fracasos.
• Supervise los modelos después de la implementación. Implemente un circuito de retroalimentación que permita a los usuarios informar sus inquietudes y recomendaciones.

Si se pregunta acerca de los costos asociados con la implementación de la IA, consulte nuestro artículo detallado sobre cuánto cuesta la inteligencia artificial.

Póngase en contacto si tiene alguna pregunta sobre el uso de IA generativa para la gestión de la cadena de suministro o desea una estimación de costos precisa para su proyecto. Le ayudaremos a crear/personalizar modelos de IA, le ayudaremos en la recopilación y limpieza de datos y auditaremos sus modelos bajo demanda.

Este artículo fue publicado originalmente en el sitio web de Itrex.