Генеративный искусственный интеллект для цепочек поставок: начало новой эры эффективности и устойчивости

Опубликовано: 2023-10-20

Совсем недавно в Федеральное управление экономики и экспортного контроля Германии была подана жалоба на Volkswagen, BMW и Mercedes Benz, поскольку компании не смогли обнаружить неэтичные действия в своих цепочках поставок. Судя по всему, гиганты автомобилестроения полагались на сырье, которое добывалось принудительным трудом угнетаемых уйгурских меньшинств в Китае.

В наши дни сложно контролировать собственные запасы, не говоря уже о мониторинге всей цепочки поставок. К счастью, у генеративного ИИ есть все необходимые инструменты. Вы можете нанять консалтинговую фирму по генеративному искусственному интеллекту, которая поможет вам предвидеть потребительский спрос, выявить любые сомнительные практики в вашей цепочке поставок и найти новых поставщиков, которые соответствуют вашим экологическим и этическим целям.

Заинтересованы? Тогда давайте посмотрим, что еще может сделать генеративный ИИ для цепочки поставок и какие проблемы следует ожидать во время реализации.

Что такое генеративный ИИ в цепочке поставок?

Генеративный ИИ — это технология, которая может создавать новый контент, например текст, изображения и даже документы, аналогичный примерам, на которых он обучался. Это похоже на умного помощника, который может создавать новый контент по требованию, не программируя его специально для каждого типа контента.

В контексте цепочки поставок генеративный искусственный интеллект обучается на огромных объемах данных, связанных с цепочкой поставок, таких как логистическая информация, история продаж, записи о запасах и т. д., и генерирует различные типы аналитических данных, включая оптимизированные карты маршрутов, прогнозы спроса, оценку поставщиков. отчеты и стратегии пополнения запасов.

Чем генеративный ИИ отличается от традиционных технологий ИИ?

Обычный искусственный интеллект превосходно анализирует исторические данные и выявляет закономерности. Он обладает широким спектром возможностей, включая обработку естественного языка, компьютерное зрение и машинное обучение, в то время как генеративный ИИ фокусируется исключительно на создании контента, который выглядит так, как если бы он был создан людьми.

Примеры традиционного искусственного интеллекта в нашей повседневной жизни включают беспилотные автомобили, системы рекомендаций на вашем любимом веб-сайте покупок или голосовые помощники, такие как Siri или Alexa. Примеры генеративного ИИ связаны с созданием контента. К ним относятся ChatGPT, который создает текст, похожий на человеческий, и DeepDream, который генерирует изображения.

Вы можете узнать больше о роли традиционного искусственного интеллекта в обеспечении устойчивости цепочки поставок в нашем блоге.

Преимущества генеративного искусственного интеллекта для цепочки поставок для вашего бизнеса

После развертывания генеративного ИИ, даже если вы примените его для одного или двух вариантов использования, ваша компания получит некоторые или все из следующих преимуществ:

Повышение эффективности, поскольку генеративный ИИ может оптимизировать процессы, такие как пополнение запасов и закупки, а также находить более быстрые и дешевые альтернативы доставки.
Снижение затрат на рабочую силу, поскольку это позволит автоматизировать утомительные задачи, такие как прогнозирование и создание отчетов.
Улучшенная масштабируемость, поскольку ИИ может взять на себя дополнительную нагрузку без необходимости нанимать больше людей.
Повышение удовлетворенности клиентов, поскольку алгоритмы могут прогнозировать спрос и гарантировать, что на складе никогда не закончатся любимые продукты ваших клиентов.
Оптимизированные операции, поскольку ИИ может прогнозировать и решать проблемы в цепочке поставок.
Более продуктивные сотрудники, поскольку теперь они могут сосредоточиться на задачах, которые лучше соответствуют их квалификации, в то время как модели искусственного интеллекта выполняют создание больших отчетов и другие утомительные задачи.

Имеет ли смысл создавать собственные генеративные модели ИИ или совершенствовать существующие?

Существуют готовые решения генеративного искусственного интеллекта, такие как C3 Generative AI, которые можно использовать для улучшения прозрачности цепочки поставок. Хотя эти решения могут быть очень эффективными, компания, использующая их для оптимизации цепочки поставок, может столкнуться со следующими проблемами:

Недостаток опыта в вашей области, поскольку эти решения часто разрабатываются как модели общего назначения.
Результат будет зависеть от набора обучающих данных. Если он был низкого качества, содержал предвзятость или просто не соответствовал данным вашей компании, созданный контент отразит эти проблемы.
Алгоритмы могут выдать что-то, не имеющее отношения к вашему бизнесу, поскольку они не понимают специфику ваших данных.

Для достижения оптимальной производительности каждая организация может нанять консультанта по ИТ для цепочки поставок для разработки новых или тонкой настройки существующих моделей искусственного интеллекта с целью добавления специфичных для предметной области знаний. Этот подход будет иметь следующие преимущества:

Повышенная точность
С учетом потребностей вашей организации
Легко интегрируется в ваши процессы
Полное владение технологией в случае индивидуальной разработки.
Соблюдение отраслевых требований соответствия

Но имейте в виду, что специально созданные алгоритмы стоят дороже и требуют больше времени для развертывания, поскольку они создаются с нуля и требуют обучения и проверки. Итак, окончательный выбор — это компромисс между потребностями вашего бизнеса и имеющимся бюджетом.

Пять ключевых случаев использования генеративного ИИ в цепочке поставок

Вариант использования 1. Эффективный подход к инвентаризации

Генеративный ИИ может анализировать большие объемы данных и разрабатывать политику и предложения о том, как лучше управлять запасами с учетом текущих тенденций. Вот как эта технология может способствовать управлению запасами:

Рекомендации по динамической политике запасов: алгоритмы постоянно анализируют информацию о продажах и тенденциях спроса, чтобы предлагать корректировки уровней запасов различных товаров в режиме реального времени, чтобы реагировать на потребности рынка.
Расчет уровня страховых запасов, чтобы гарантировать, что в запасах не закончатся популярные товары: модели искусственного интеллекта могут рассчитывать оптимальные уровни безопасности на основе колебаний спроса, времени года и других факторов.
Моделирование различных сценариев, которые могут повлиять на запасы, таких как резкое увеличение спроса и перебои в поставках: это позволяет компаниям разработать план на случай непредвиденных обстоятельств для пополнения запасов, когда это необходимо.
Сокращение потерь запасов: генеративный искусственный интеллект может обнаруживать медленно оборачивающиеся товары на складе, которые приводят к высоким затратам на хранение, и рекомендовать стратегии для улучшения потока продукции, такие как скидки и маркетинговые кампании.
Разработка наиболее эффективных тактик хранения и распределения для различных продуктов.

Реальный пример

Stitch Fix — модная компания со штаб-квартирой в Калифорнии. Компания обучила генеративные алгоритмы искусственного интеллекта на основе своих обширных данных о предпочтениях клиентов и другой информации, и модель предсказала, какие продукты одежды будут пользоваться большим спросом, и дала рекомендации по пополнению запасов. В результате компания сообщила о снижении затрат, связанных с хранением и обработкой товаров, на 25%.

Вариант использования 2: доставка грузов быстрее и дешевле

Компании могут использовать генеративный искусственный интеллект для управления цепочками поставок, чтобы анализировать большие объемы данных о погодных условиях, характере движения транспорта и поставках, чтобы создавать оптимизированные карты маршрутов, чтобы поставщики могли доставлять продукты/материалы быстрее и дешевле.

Эти модели также могут отслеживать данные в режиме реального времени, чтобы перенаправить грузы, которые уже находятся в пути, если на запланированном маршруте возникают пробки, аварии или любые другие проблемы. Такие динамические планы маршрутизации помогут водителям оперативно адаптироваться и не тратить часы на пробки.

Компании осознают это преимущество, и генеративный искусственный интеллект на рынке логистики быстро растет. В 2022 году он был оценен в 412 миллионов долларов, и ожидается, что к концу 2032 года он взлетит до 13,948 миллиардов долларов, при этом среднегодовой темп роста составит колоссальные 43,5%.

Реальный пример

Один производитель интегрировал генеративный искусственный интеллект в свою деятельность для управления запасами и оптимизации процессов цепочки поставок. Система проанализировала данные в реальном времени и рекомендовала варианты изменения маршрута. Компания сообщила о сокращении расходов на логистику на 12% за первые шесть месяцев внедрения ИИ.

Вариант использования 3: Обеспечение устойчивой и этичной цепочки поставок

Исследования показывают, что бизнес-лидеры движутся к этической цепочке поставок, которая включает в себя усилия по обеспечению устойчивого развития, и генеративный искусственный интеллект может помочь в этой инициативе. Алгоритмы могут анализировать общедоступные данные о поставщиках, такие как энергоэффективность, производство отходов, методы устойчивого производства и источники сырья, чтобы решить, какой поставщик лучше соответствует вашим целям по воздействию на окружающую среду.

Кроме того, модели искусственного интеллекта могут определить области, в которых ваш существующий подрядчик может сократить потери. Например, он может предложить изменить дизайн упаковки или логистический процесс. Вы можете поделиться этими знаниями со своим поставщиком, если он открыт для экологически чистых методов. Таким образом, вы по-прежнему сможете достичь целей устойчивого развития, не прекращая сотрудничество с поставщиком.

Реальный пример

Компании полагаются на генеративные алгоритмы искусственного интеллекта, чтобы выявлять неустойчивые и неэтичные практики в своей цепочке поставок. Например, Siemens и Unilever используют этот подход для выявления поставщиков, связанных с репрессиями в отношении уйгурских мусульман в Китае, упомянутых во введении.

Другой пример — калифорнийская компания Frenzy AI, которая создала генеративную модель искусственного интеллекта, которая анализирует данные, такие как таможенные декларации и товаросопроводительные документы, чтобы отслеживать продукты от разных поставщиков и проверять, используются ли их собственные продукты этично.

Вариант использования 4. Прогнозирование потребностей клиентов

Генеративные модели искусственного интеллекта могут обрабатывать различные типы данных, такие как исторические продажи, сезонные тенденции, экономические данные, деятельность конкурентов, настроения клиентов и т. д., для прогнозирования спроса. Алгоритмы могут отслеживать все это в режиме реального времени, информируя вас о предстоящих тенденциях, как только они появляются. Генеративный ИИ может решать следующие задачи:

Прогнозируйте спрос на различные продукты и услуги, позволяя компаниям уведомлять своих поставщиков, пополнять запасы и лучше обслуживать клиентов.
Смоделируйте различные сценарии того, как может измениться спрос, чтобы компании могли подготовиться. Например, он может показать, как изменение ценовой и маркетинговой стратегии влияет на спрос.

Реальный пример

Walmart полагается на генеративную систему прогнозирования спроса на основе искусственного интеллекта, чтобы предугадать, что понадобится покупателям в каждом отдельном магазине. Гигант розничной торговли также использует эту технологию для анализа поведения клиентов во время событий «Черной пятницы» и прогнозирования любых потенциальных узких мест.

Вариант использования 5: поиск подходящего поставщика и ведение с ним переговоров

Поскольку генеративный ИИ может анализировать большие объемы данных о цепочке поставок, он может давать ценные рекомендации и помогать в проверке поставщиков. Вот что может технология:

Ранжирование поставщиков: алгоритмы могут ранжировать поставщиков на основе заранее определенных критериев, таких как цены и качество сырья.
Оценка практики устойчивого развития: сюда входит оценка воздействия потенциального поставщика на окружающую среду, социальной ответственности и образования отходов.
Оценка рисков, связанных с каждым поставщиком, таких как геополитические риски, экономические факторы и другие уязвимости.
Разработка стратегий переговоров по контрактам, адаптированных к каждому поставщику

Алгоритмы искусственного интеллекта также могут продолжать контролировать поставщиков-партнеров, чтобы убедиться, что они выполняют свои договорные обязательства и поддерживают ожидаемый уровень качества.

Реальный пример

Walmart экспериментировал с генеративным ИИ-ботом от Pactum AI, который может договариваться о сделках с поставщиками. Такой подход помог ритейлеру сэкономить около 3% на расходах по контрактам. Удивительно (или нет), но трое из четырех поставщиков предпочли вести переговоры с ботом.

Проблемы, с которыми вы можете столкнуться при использовании генеративного ИИ в управлении цепочками поставок

Если вы заинтересованы во внедрении генеративного ИИ, будьте готовы столкнуться со следующим набором проблем:

Проблемы, связанные с данными

Генеративным моделям искусственного интеллекта для выполнения своей работы необходимы большие объемы качественных данных. Если данные фрагментированы, неполны и устарели, результаты не будут точными. И вы не можете контролировать, какие данные о поставщиках являются общедоступными, поэтому постарайтесь устанавливать разумные ожидания, когда вы полагаетесь на данные, предлагаемые другими.

Модели также будут работать с данными вашей организации, такими как история продаж и финансовая статистика. Это данные, которыми вы можете управлять, поэтому убедитесь, что они чисты, свободны от предвзятости и доступны.

Интеграция с существующими системами

Ваше новое ИИ-решение должно легко вписываться в существующую систему и подключаться к другим приложениям для доступа к их данным. Это может потребовать адаптации устаревших систем, что является огромной проблемой. И, возможно, вам придется перепроектировать некоторые из ваших процессов. Генеративный ИИ также очень мощный и требует значительных вычислительных ресурсов и емкости хранения данных. Рассмотрите возможность адаптации вашей инфраструктуры или организации облачного хостинга.

Кроме того, вам, вероятно, потребуется интегрироваться с программным обеспечением ваших поставщиков и согласовать их рабочие процессы. Проверьте, есть ли у них специальный API, который вы можете использовать для сбора данных.

Проблемы, связанные с использованием ИИ

Иногда отсутствие объяснимости ИИ может быть проблемой. Не всегда возможно объяснить, почему генеративный ИИ выработал такой ответ/предложение/стратегию. В качестве примера возьмем отчеты о соответствии. Если организация хочет получить сертификацию ISO, ей необходимо документировать свои процессы, чтобы продемонстрировать соответствие. Но если он будет слишком сильно полагаться на генеративный искусственный интеллект для составления отчетов, он, возможно, не сможет этого сделать.
Вам необходимо соблюдать отраслевые стандарты использования ИИ и общие правила конфиденциальности в вашей сфере деятельности.

Проблемы после развертывания

Любая система искусственного интеллекта должна быть спроектирована с учетом требований безопасности, поскольку она работает с большими объемами конфиденциальной информации. Существует ряд практик, которым компании должны следовать для обеспечения безопасности данных. Сюда входит шифрование данных во время передачи и хранения, реализация механизмов аутентификации и мониторинг несанкционированного доступа, и это лишь некоторые из них. Вам также необходимо будет поделиться данными со своей сетью поставщиков. Убедитесь, что это также безопасно.
Модели ИИ требуют регулярных проверок, оценок производительности и обновлений, чтобы оставаться эффективными и актуальными.

Человеческий фактор

После внедрения генеративного ИИ для управления цепочками поставок вы хотите, чтобы сотрудники приняли его, использовали и вносили свой вклад в его улучшение. Лучше всего формализовать правила, которые будут регулировать сотрудничество человека и ИИ, и указать, кто несет ответственность за конечные результаты. И это вызов. Кто виноват, если склады завалены товарами, которые никто не хочет покупать? И кто будет нести ответственность, если поставщик, выбранный ИИ, дважды подряд не осуществит поставку вовремя?

Компания также отвечает за обучение своих сотрудников работе с ИИ и соблюдению методов обеспечения безопасности данных.

Убеждены, что вам нужен генеративный ИИ? Вот что делать дальше

Вот девять советов, которые помогут вам начать внедрение ИИ:

Определите цели своего бизнеса и то, чего вы хотите достичь с помощью генеративного искусственного интеллекта для цепочки поставок. Это определит, к каким данным вашим моделям необходим доступ.
Рассмотрите возможность автоматического сбора данных, чтобы ваши алгоритмы имели доступ к актуальной информации.
Подготовьте свои данные для использования алгоритмами искусственного интеллекта и машинного обучения.
Убедитесь, что вы получили согласие на использование данных обучения, когда это необходимо, и соблюдаете правила конфиденциальности данных.
Установите надежные методы управления данными или воспользуйтесь сторонними службами управления данными.
Обеспечьте сотрудничество в области обработки данных между вашей организацией и поставщиками.
Наймите надежного поставщика ИИ для создания или настройки генеративных алгоритмов ИИ, отвечающих вашим уникальным потребностям.
Начните с небольшого пилотного проекта и учитесь на ошибках.
Отслеживайте модели после развертывания. Внедрите цикл обратной связи, который позволит пользователям сообщать о своих проблемах и рекомендациях.

Если вас интересуют затраты, связанные с внедрением искусственного интеллекта, прочтите нашу подробную статью о том, сколько стоит искусственный интеллект.

Свяжитесь с нами, если у вас есть какие-либо вопросы относительно использования генеративного искусственного интеллекта для управления цепочками поставок или вам нужна точная смета затрат для вашего проекта. Мы поможем вам создать/настроить модели ИИ, окажем поддержку в сборе и очистке данных, а также проведем аудит ваших моделей по требованию.

Эта статья была первоначально опубликована на сайте Itrex.