IA generativa para cadeias de suprimentos: pioneiros em uma nova era de eficiência e sustentabilidade

Recentemente, foi apresentada uma queixa contra a Volkswagen, BMW e Mercedes Benz junto do Gabinete Federal Alemão para Assuntos Económicos e Controlo de Exportações, uma vez que as empresas não conseguiram detectar práticas antiéticas nas suas cadeias de abastecimento. Aparentemente, os gigantes do fabrico de automóveis dependiam de matérias-primas extraídas sob trabalho forçado pelas minorias uigures oprimidas na China.

Hoje em dia é difícil manter o controle do seu próprio estoque, sem falar no monitoramento de cadeias de suprimentos inteiras. Felizmente, a IA generativa parece ter as ferramentas de que você precisa para lidar com a situação. Você pode contratar uma empresa de consultoria generativa em IA para ajudá-lo a antecipar a demanda dos clientes, descobrir quaisquer práticas questionáveis ​​em sua cadeia de suprimentos e encontrar novos fornecedores que atendam às suas metas ambientais e éticas.

Interessado? Então vamos ver o que mais a IA generativa pode fazer pela cadeia de abastecimento e quais desafios esperar durante a implementação.

O que é IA generativa em uma cadeia de suprimentos?

IA generativa é uma tecnologia que pode criar novos conteúdos, como textos, imagens e até documentos, semelhantes aos exemplos com os quais foi treinado. É como um assistente inteligente que pode produzir novos conteúdos sob demanda, sem ser programado especificamente para cada tipo de conteúdo.

No contexto da cadeia de abastecimento, a IA generativa treina grandes quantidades de dados relacionados com a cadeia de abastecimento, tais como informações logísticas, histórico de vendas, registos de inventário, etc., e produz diferentes tipos de insights, incluindo mapas de rotas otimizados, previsões de procura, avaliação de fornecedores. relatórios e estratégias de reabastecimento.

Qual a diferença entre a IA generativa e a tecnologia de IA tradicional?

A inteligência artificial convencional é excelente na análise de dados históricos e na identificação de padrões. Possui uma ampla gama de recursos, incluindo processamento de linguagem natural, visão computacional e aprendizado de máquina, enquanto a IA generativa se concentra exclusivamente na produção de conteúdo que parece ter sido gerado por humanos.

Exemplos de IA tradicional em nossa vida cotidiana incluem carros autônomos, mecanismos de recomendação em seu site de compras favorito ou assistentes de voz como Siri ou Alexa. Exemplos de IA generativa giram em torno da criação de conteúdo. Eles incluem ChatGPT, que produz texto semelhante ao humano, e DeepDream, que gera imagens.

Você pode aprender mais sobre o papel da IA ​​convencional na obtenção da resiliência da cadeia de suprimentos em nosso blog.

Benefícios da IA ​​generativa para a cadeia de suprimentos do seu negócio

Depois de implantar a IA generativa, mesmo que você a aplique em um ou dois casos de uso, sua empresa experimentará alguns ou todos os seguintes benefícios:

• Maior eficiência, pois a IA generativa pode otimizar processos, como reabastecimento e compras, bem como encontrar alternativas de envio mais rápidas e baratas
• Custos de mão de obra reduzidos, pois automatizará tarefas tediosas, como previsão e geração de relatórios
• Escalabilidade aprimorada, pois a IA pode assumir carga adicional sem a necessidade de contratar mais pessoas
• Maior satisfação do cliente, pois algoritmos podem prever a demanda e garantir que o estoque nunca fique sem os produtos favoritos de seus clientes
• Operações simplificadas, pois a IA pode prever e resolver problemas da cadeia de abastecimento
• Funcionários mais produtivos, pois agora podem se concentrar em tarefas que melhor se adaptam às suas qualificações, enquanto os modelos de IA lidam com a geração de grandes relatórios e outras tarefas tediosas

Faz sentido construir modelos de IA generativos personalizados ou ajustar os existentes?

Existem soluções de IA generativa prontas, como a IA Generativa C3, que podem ser usadas para melhorar a visibilidade da cadeia de abastecimento. Embora essas soluções possam ser muito poderosas, uma empresa que as utiliza para otimização da cadeia de suprimentos pode enfrentar os seguintes desafios:

• Falta de experiência em seu domínio porque essas soluções geralmente são projetadas como modelos de uso geral
• O resultado dependerá do conjunto de dados de treinamento. Se fosse de má qualidade, contivesse preconceitos ou simplesmente não correspondesse aos dados da sua empresa, o conteúdo gerado refletirá essas questões.
• Os algoritmos podem produzir algo irrelevante para o seu negócio, pois não entendem as especificidades dos seus dados

Para um desempenho ideal, cada organização pode contratar um consultor de TI para cadeia de suprimentos para desenvolver novos modelos de IA ou ajustar modelos de IA existentes para adicionar conhecimento específico de domínio. Esta abordagem terá os seguintes benefícios:

• Maior precisão
• Adaptado às suas necessidades organizacionais
• Fácil de integrar em seus processos
• Propriedade total da tecnologia no caso de desenvolvimento personalizado
• Aderindo aos requisitos de conformidade específicos do setor

Mas tenha em mente que algoritmos personalizados são mais caros e demoram mais para serem implantados, pois são criados do zero e precisam ser treinados e validados. Portanto, a escolha final é uma troca entre as necessidades do seu negócio e o orçamento disponível.

Cinco principais casos de uso de IA generativa na cadeia de suprimentos

Caso de uso 1: abordando o estoque com eficiência

A IA generativa pode analisar grandes quantidades de dados e apresentar políticas e sugestões sobre como lidar melhor com o estoque, dadas as tendências atuais. Veja como essa tecnologia pode contribuir para o gerenciamento de estoque:

• Recomendação de políticas dinâmicas de estoque: Algoritmos analisam constantemente informações de vendas e tendências de demanda para sugerir ajustes nos níveis de estoque de vários itens em tempo real para responder às necessidades do mercado.
• Cálculo dos níveis de estoque de segurança para garantir que um estoque não fique sem itens populares: os modelos de IA podem calcular níveis de segurança ideais com base na demanda flutuante, nas estações e em outros fatores.
• Simular diferentes cenários que podem afetar os stocks, como um aumento acentuado na procura e perturbações na oferta: Isto permite às empresas elaborar um plano de contingência para reabastecer quando necessário.
• Redução do desperdício de estoque: a IA generativa pode detectar itens de estoque de movimentação lenta que resultam em altos custos de manutenção e recomendar estratégias para melhorar o fluxo de produtos, como descontos e campanhas de marketing.
• Criar as táticas de armazenamento e distribuição mais eficazes para diferentes produtos

Exemplo da vida real

Stitch Fix é uma empresa de moda com sede na Califórnia. Ela treinou algoritmos generativos de IA com base em seus extensos dados de preferência do cliente e outras informações, e o modelo previu quais produtos de vestuário teriam alta demanda e fez recomendações de reabastecimento de estoque. Como resultado, a empresa relatou uma redução de 25% nos custos associados ao armazenamento e manuseio de itens.

Caso de uso 2: entrega de remessas mais rápida e barata

As empresas podem usar IA generativa para gerenciamento da cadeia de suprimentos para analisar grandes quantidades de dados sobre condições climáticas, padrões de tráfego e remessas para construir mapas de rotas otimizados para que os fornecedores possam entregar produtos/materiais de forma mais rápida e barata.

Esses modelos também podem monitorar dados em tempo real para redirecionar remessas que já estão em trânsito caso haja engarrafamentos, acidentes ou quaisquer outros problemas ao longo da rota planejada. Esses planos de rotas dinâmicos ajudarão os motoristas a se ajustar rapidamente e a evitar perder horas presos no trânsito.

As empresas reconhecem este benefício e a IA generativa no mercado logístico está a crescer rapidamente. Foi avaliado em US$ 412 milhões em 2022 e deverá disparar para US$ 13,948 bilhões até o final de 2032, crescendo a um CAGR de impressionantes 43,5%.

Exemplo da vida real

Um fabricante integrou IA generativa nas suas operações para gerir stocks e otimizar processos da cadeia de abastecimento. O sistema analisou dados em tempo real e recomendou opções de reencaminhamento. A empresa relatou um corte nas despesas de logística em 12% nos primeiros seis meses de implantação da IA.

Caso de uso 3: Garantindo uma cadeia de suprimentos ética e sustentável

A investigação mostra que os líderes empresariais estão a avançar para uma cadeia de abastecimento ética, que inclui esforços de sustentabilidade, e a IA generativa pode ajudar nesta iniciativa. Os algoritmos podem analisar dados de fornecedores disponíveis publicamente, como eficiência energética, produção de resíduos, práticas de fabricação sustentáveis ​​e fornecimento de matérias-primas, para decidir qual fornecedor se adapta melhor às suas metas de impacto ambiental.

Além disso, os modelos de IA podem identificar áreas onde o seu contratante existente pode reduzir o desperdício. Por exemplo, pode sugerir a alteração do design da embalagem ou do processo logístico. Você pode compartilhar esses insights com seu fornecedor se ele estiver aberto a práticas ecologicamente corretas. Dessa forma, você ainda pode atingir as metas de sustentabilidade sem encerrar sua parceria com o fornecedor.

Exemplo da vida real

As empresas confiam em algoritmos generativos de IA para detectar práticas insustentáveis ​​e antiéticas na sua cadeia de abastecimento. Por exemplo, a Siemens e a Unilever utilizam esta abordagem para identificar fornecedores ligados à repressão dos muçulmanos uigures na China, mencionada na introdução.

Outro exemplo vem da Frenzy AI, com sede na Califórnia, que construiu um modelo generativo de IA que analisa dados, como declarações alfandegárias e documentos de envio, para rastrear produtos até diferentes fornecedores e verificar se os seus próprios produtos são utilizados de forma ética.

Caso de uso 4: antecipando as necessidades dos clientes

Os modelos generativos de IA podem processar diferentes tipos de dados, como vendas históricas, tendências sazonais, dados econômicos, atividades da concorrência, sentimento do cliente, etc., para prever a demanda. Os algoritmos podem monitorar tudo isso em tempo real, informando sobre as próximas tendências assim que elas surgirem. A IA generativa pode realizar as seguintes tarefas:

• Preveja a demanda por diferentes produtos e serviços, permitindo que as empresas notifiquem seus fornecedores, reabasteçam e atendam melhor os clientes
• Modele diferentes cenários de como a demanda pode mudar para que as empresas possam se preparar. Por exemplo, pode mostrar como a alteração das estratégias de preços e de marketing impacta a demanda.

Exemplo da vida real

O Walmart depende de um sistema generativo de previsão de demanda baseado em IA para antecipar o que os clientes precisarão em cada loja individual. A gigante do varejo também usa a tecnologia para analisar o comportamento do cliente durante os eventos da Black Friday e prever possíveis gargalos.

Caso de uso 5: Encontrando o fornecedor certo e negociando com ele

Como pode analisar grandes quantidades de dados da cadeia de abastecimento, a IA generativa pode fornecer recomendações valiosas e ajudar na verificação de fornecedores. Aqui está o que a tecnologia pode fazer:

• Classificação de fornecedores: algoritmos podem classificar fornecedores com base em critérios predefinidos, como preço e qualidade das matérias-primas
• Avaliar práticas de sustentabilidade: Isso inclui avaliar a pegada ambiental, a responsabilidade social e a produção de resíduos de um fornecedor potencial
• Avaliar os riscos associados a cada fornecedor, como riscos geopolíticos, fatores econômicos e outras vulnerabilidades
• Gerando estratégias de negociação de contratos sob medida para cada fornecedor

Os algoritmos de IA também podem continuar monitorando os fornecedores parceiros para garantir que cumpram suas obrigações contratuais e mantenham os níveis de qualidade esperados.

Exemplo da vida real

O Walmart experimentou um bot de IA generativo da Pactum AI que pode negociar acordos com fornecedores. Essa abordagem ajudou o varejista a economizar cerca de 3% em despesas contratuais. Surpreendentemente (ou não), três em cada quatro fornecedores preferiram negociar com o bot.

Desafios que você pode encontrar com IA generativa no gerenciamento da cadeia de suprimentos

Se você estiver interessado em implementar IA generativa, esteja preparado para enfrentar o seguinte conjunto de desafios:

Problemas relacionados a dados

Os modelos generativos de IA precisam de grandes quantidades de dados de qualidade para realizar seu trabalho. Se os dados estiverem fragmentados, incompletos e desatualizados, os resultados não serão precisos. E você não pode controlar que tipo de dados de fornecedores estão disponíveis publicamente; portanto, tente estabelecer expectativas razoáveis ​​ao confiar em dados oferecidos por terceiros.

Os modelos também operarão em seus dados organizacionais, como histórico de vendas e estatísticas financeiras. Esses são os dados que você pode controlar, portanto, certifique-se de que estejam limpos, livres de preconceitos e acessíveis.

Integração com sistemas existentes

Sua nova solução de IA precisa se adaptar perfeitamente ao sistema existente e conectar-se a outros aplicativos para acessar seus dados. Isto pode envolver a adaptação de sistemas legados, o que é um enorme desafio. E talvez você precise reprojetar alguns de seus processos. A IA generativa também é muito poderosa e requer recursos computacionais e capacidade de armazenamento de dados consideráveis. Considere adaptar sua infraestrutura ou providenciar hospedagem na nuvem.

Além disso, você provavelmente precisará integrar-se ao software dos seus fornecedores e alinhar-se aos seus fluxos de trabalho. Verifique se eles possuem uma API dedicada que você possa usar para coleta de dados.

Desafios associados ao uso de IA

• Às vezes, a falta de explicabilidade da IA ​​pode ser um problema. Nem sempre é possível explicar por que a IA generativa produziu esta resposta/sugestão/estratégia. Tomemos como exemplo os relatórios de conformidade. Se uma organização deseja obter a certificação ISO, ela precisa documentar seus processos para demonstrar conformidade. Mas se depender demasiado da IA ​​generativa para a elaboração de relatórios, poderá não conseguir fazê-lo.
• Você precisa cumprir os padrões do setor para uso de IA e os regulamentos gerais de privacidade em sua área de operações.

Problemas pós-implantação

• Qualquer sistema de IA deve ser projetado tendo em mente a segurança, pois funciona com grandes quantidades de informações confidenciais. Existe um conjunto de práticas que as empresas precisam seguir para garantir a segurança dos dados. Isso inclui criptografar dados durante a transferência e em repouso, implementar mecanismos de autenticação e monitorar acessos não autorizados, para mencionar alguns. Você também precisará compartilhar dados com sua rede de fornecedores. Certifique-se de que isso também seja seguro.
• Os modelos de IA exigem auditorias regulares, avaliações de desempenho e atualizações para permanecerem eficientes e relevantes.

O Fator Humano

Depois de implantar IA generativa para gerenciamento da cadeia de suprimentos, você deseja que os funcionários a aceitem, usem e contribuam para sua melhoria. É melhor formalizar regras que regerão a colaboração entre humanos e IA e especificar quem é responsável pelos resultados finais. E isso é um desafio. Quem é o culpado se um estoque foi inundado com produtos que ninguém quer comprar? E quem é o responsável se um fornecedor selecionado pela IA não entregar no prazo duas vezes seguidas?

A empresa também é responsável por treinar seus funcionários para trabalhar com IA e seguir práticas seguras de dados.

Convencido de que você precisa de IA generativa? Aqui está o que fazer a seguir

Aqui estão nove dicas que ajudarão você a começar a implementação de IA:

• Defina seus objetivos de negócios e o que você deseja alcançar com IA generativa para uma cadeia de suprimentos. Isso determinará quais dados seus modelos precisam acessar.
• Considere a coleta automatizada de dados para que seus algoritmos tenham acesso a informações atualizadas.
• Prepare seus dados para serem usados ​​por algoritmos de IA e ML.
• Certifique-se de obter consentimento para usar os dados de treinamento quando necessário e cumprir os regulamentos de privacidade de dados.
• Estabeleça práticas sólidas de governança de dados ou aproveite serviços de gerenciamento de dados de terceiros.
• Promova a colaboração de dados entre sua organização e fornecedores.
• Contrate um fornecedor confiável de IA para criar ou personalizar algoritmos de IA generativos que possam atender às suas necessidades exclusivas.
• Comece com um projeto piloto de pequena escala e aprenda com os fracassos.
• Monitore os modelos após a implantação. Implemente um ciclo de feedback que permita aos usuários relatar suas preocupações e recomendações.

Se você está se perguntando sobre os custos associados à implementação de IA, confira nosso artigo detalhado sobre quanto custa a inteligência artificial.

Entre em contato se tiver alguma dúvida sobre o uso de IA generativa para gerenciamento da cadeia de suprimentos ou se desejar uma estimativa de custo precisa para o seu projeto. Ajudaremos você a construir/personalizar modelos de IA, apoiá-lo na coleta e limpeza de dados e auditar seus modelos sob demanda.

Este artigo foi publicado originalmente no site Itrex.