In questi giorni, stanno cercando di capire il modo migliore per integrare l’intelligenza artificiale e i modelli linguistici di grandi dimensioni (LLM) nel loro set di strumenti esistente.
Gli approcci di progettazione
Come scrive Supply chain brain, un approccio tipico per un ciclo di progettazione della rete consiste nei seguenti passaggi: definire gli obiettivi, raccogli i dati, modellare il network, analizzare l’output, riassumere le raccomandazioni. Gli obiettivi sono la parte più semplice da definire. Poi arriva il momento del lavoro più duro. Le aziende raccolgono sempre più dati, ma inserire questo tipo di dati in uno strumento di progettazione della supply chain tradizionale non s i traduce necessariamente in un valore aggiunto. La raccolta dati è un processo importante, ma oltre alla quantità serve anche la qualità dei dati raccolti. Farli diventare preziosi, sgrezzarli.
Uno strumento di progettazione di rete con funzionalità AI integrate può elaborare efficacemente i dati grezzi, con tutte le sue irregolarità e stranezze. Possono essere inseriti dati storici come spedizioni, prestazioni di produzione, modelli di ordini, stagionalità del trasporto, prezzi delle materie prime e statistiche sulla manodopera. L’intelligenza artificiale è la migliore nel riconoscere i modelli.
I dati possono essere puliti e normalizzati in un modello di base “flessibile”, piuttosto che costringere l’utente a costruire e mantenere tabelle merci rigide con migliaia di file. Con il giusto input di dati, l’AI può formulare raccomandazioni sull’aggregazione di singoli prodotti a scopo di modellazione, in base al volume della domanda, al costo del prodotto, al prezzo di vendita e al tasso di produzione, eliminando così i pregiudizi umani.
Le domande a cui dare risposta
I leader della supply chain stanno cercando risposte a domande pragmatiche e incentrate sul business su come ottimizzare i flussi, l’opportunità o meno di espandere la rete di distribuzione, cosa ci vorrebbe per ridurre le emissioni di CO2, o anche l’annosa questione su dove stanno andando i mercati.
Un approccio tradizionale alla creazione di scenari si basa fortemente su input specifici da parte dell’utente. Quindi, per rispondere a domande apparentemente semplici, si potrebbe finire per creare centinaia di scenari, ad esempio per determinare il punto di svolta in cui diventa più conveniente cambiare un fornitore. L’intelligenza artificiale può trasformare completamente questo processo e il linguaggio aziendale può essere interpretato dal motore di progettazione della rete per eseguire le attività di rilevazione dei colli di bottiglia e proporre soluzioni
L’integrazione dell’intelligenza artificiale e dei modelli linguistici di grandi dimensioni nella gestione della supply chain è una rivoluzione nel modo in cui affrontiamo l’elaborazione dei dati, la creazione di modelli e la gestione degli scenari.
Principali vantaggi
I vantaggi principali che possono essere individuati riguardano la capacità di gestire dati incoerenti; quindi, relazionarli tra loro e riconoscere modelli complessi traducendo query incentrate sul business in informazioni reali.
Queste informazioni reali una volta elaborate permettono di ricercare soluzioni e, successivamente, con l’intelligenza creativa (questa tutta umana) prendere decisioni gestendo un certo grado di rischio.
Queste possibilità rendono l’intelligenza artificiale un utile compagno di viaggio nella via dell’innovazione e nella ricerca di un equilibrio. Una componente essenziale della moderna progettazione del network della supply chain in un contesto internazionale in continua trasformazione.
