:quality(85))
Nie brakuje doniesień medialnych o odważnych, strategicznych decyzjach firm, które inwestują w value proposition prezentowane przez sztuczną inteligencję (AI). Mniej uwagi poświęcono jednak analizie, jakie typy przedsiębiorstw kierują nakłady inwestycyjne w te wciąż rozwijające się platformy oraz jakie konkretne funkcje biznesowe chcą dzięki nim wspierać. Jasne jest, że giganci branży technologicznej, tacy jak Meta, Alphabet i Microsoft, są agresywnie nastawieni na technologię AI, inwestując miliardy w projekty, platformy i partnerstwa związane ze sztuczną inteligencją. Ocena wzrostu znaczenia tych rozwiązań poza spółkami z listy Fortune 500 wymaga jednak bardziej pogłębionej analizy.
Jednym z procesów biznesowych, w których odnotowano znaczący wzrost adopcji AI w 2024 roku, jest zarządzanie ryzykiem w łańcuchu dostaw (SCRM – Supply Chain Risk Management). Według badania Gartnera z początku roku aż 40% wysoko ocenianych organizacji zarządzających łańcuchem dostaw wykorzystuje AI lub uczenie maszynowe (ML – Machine Learning) do prognozowania popytu, a niemal jedna trzecia wdraża tę technologię w planowaniu zaopatrzenia. Z kolei raport firmy badawczej Zero100 opublikowany latem ukazuje jeszcze szersze wdrożenia – firma z obszaru inteligentnych rozwiązań dla łańcucha dostaw ustaliła, że około 9 na 10 dużych przedsiębiorstw już rozpoczęło eksperymentowanie z AI w swoim łańcuchu dostaw w różnym zakresie.
Pomimo imponujących statystyk, wciąż jest za wcześnie, by z całkowitą pewnością twierdzić, że AI stanie się nieodzownym elementem zarządzania ryzykiem w łańcuchu dostaw w najbliższych latach. Jednak brak jednoznacznego konsensusu co do roli sztucznej inteligencji w przyszłości łańcuchów dostaw nie powinien powstrzymywać producentów przed poznaniem tych narzędzi już dziś. Nawet jeśli sektor korporacyjny wciąż znajduje się w początkowej fazie wdrażania AI, która nie przyniosła jeszcze oszałamiających korzyści szeroko opisywanych przez entuzjastów, firmy już teraz mogą rozpocząć przygotowania do uzyskania wymiernej przewagi konkurencyjnej w perspektywie dwóch, trzech czy pięciu lat. Tego typu przewaga zaczyna się od zrozumienia, jak te dynamiczne technologie wpisują się w model biznesowy i cele strategiczne firmy oraz jakie rezultaty mogą wygenerować.
Korzyści AI dla odporności łańcucha dostaw
Mimo że sztuczna inteligencja nadal jest postrzegana jako eksperymentalna technologia o potencjalnej, lecz głównie teoretycznej wartości, predykcyjna AI, uczenie maszynowe oraz inne narzędzia AI już teraz znajdują realne zastosowania w SCRM. Jak stwierdza IBM „Systemy łańcucha dostaw oparte na AI pomagają firmom optymalizować trasy, usprawniać procesy, poprawiać zaopatrzenie, minimalizować braki i automatyzować zadania end-to-end”.
Dzięki zdolności do przetwarzania ogromnych wolumenów danych i analizy szerokich zasobów dokumentów oraz plików te platformy mogą stanowić ogromne wsparcie dla profesjonalistów, którzy chcą budować widoczność łańcucha dostaw, rozwijać strategię i ograniczać ryzyko. W optymalnym scenariuszu AI przynosi wymierną wartość w tych procesach, umożliwiając specjalistom ds. zaopatrzenia uzyskanie głębszego wglądu w łańcuch dostaw z większą precyzją oraz podejmowanie decyzji opartych na szerszych danych i bogatszym kontekście historycznym.
Wzmacnianie widoczności łańcucha dostaw
Jednym z najważniejszych mechanizmów budowania odporności łańcucha dostaw jest właśnie widoczność. Zespoły ds. zaopatrzenia i zakupów, które potrafią zmapować nie tylko bieżących dostawców, ale także kontrahentów na poziomie tier 2, 3 i dalszych, skuteczniej weryfikują producentów, oceniają ryzyko, osiągają transparentność i spełniają wymogi regulacyjne. Mówiąc wprost, widoczność łańcucha dostaw to niemal nieoceniony zasób w kontekście zarządzania ryzykiem.
Jak wielokrotnie omawialiśmy w Z2Data, realizacja szczegółowego mapowania łańcucha dostaw, kluczowego dla solidnej widoczności, od lat pozostaje poza zasięgiem większości organizacji (na przykład jedynie około 20% producentów deklaruje stałą widoczność dostawców sub-tier 2). Sztuczna inteligencja ma potencjał, by odwrócić ten trend, eliminując wieloletnie problemy producentów z nadążaniem za coraz głębszym i bardziej złożonym łańcuchem dostaw. Platformy AI potrafią przeszukiwać pliki, dokumenty oraz internet w celu pozyskania kluczowej dokumentacji, w tym zleceń zakupów, paragonów, rezerwacji frachtu i formularzy poświadczenia pochodzenia. Po zabezpieczeniu tych dokumentów narzędzia są w stanie wydobyć istotne dane i przekazać firmom informacje niezbędne do kompleksowego mapowania łańcucha dostaw. Otrzymane mapy sięgają głębiej do kolejnych tierów dostawców, ujawniając wcześniej nieznanych kontrahentów.
Choć te możliwości wciąż wymagają doskonalenia, firmy rozwijające sztuczną inteligencję intensywnie pracują nad wdrożeniem platform na kolejnych etapach rozwoju, a mniejsze startupy już dziś szkolą specjalistyczne modele AI do mapowania łańcucha dostaw z wykorzystaniem zarówno danych publicznych, jak i prywatnych, danych strukturalnych oraz niestrukturalnych.
Wsparcie dla dywersyfikacji łańcucha dostaw
Na pierwszy rzut oka efektywna identyfikacja alternatywnych dostawców może wydawać się zadaniem, w którym AI nie dorówna ludzkiemu doświadczeniu. Wybór potencjalnych kontrahentów i budowanie relacji w łańcuchu dostaw to przecież złożony proces analiz, ocen oraz, przynajmniej w części, subiektywnej oceny.
Okazuje się jednak, że narzędzia sztucznej inteligencji już od kilku lat skutecznie wspierają i przyspieszają wyszukiwanie dostawców. Badania przeprowadzone przez McKinsey & Co. w 2021 roku wykazały, że algorytmy ML pozwalają firmom przeprowadzać poszukiwania dostawców, które kiedyś trwały miesiąc lub dłużej, w zaledwie tydzień. Specjaliści ds. zaopatrzenia przekazują narzędziu AI kryteria wyszukiwania oraz ograniczenia (np. lokalizację geograficzną). Wykorzystując ogromną bazę danych dostawców pochodzących ze źródeł publicznych i prywatnych oraz istniejących baz danych, algorytm ML przesiewa kandydatów, zawężając listę nawet do mniej niż 100 pozycji. Jak wyjaśnia McKinsey, „To iteracyjne podejście umożliwia narzędziom wyszukującym pracę z niespotykaną dotąd szybkością i precyzją, identyfikując krótką listę potencjalnych dostawców spośród milionów w zaledwie kilka godzin”.
Wykorzystanie możliwości platform AI do prowadzenia szeroko zakrojonych wyszukiwań dostawców w ciągu dni – a nawet godzin – wzmacnia odporność łańcucha dostaw firmy. Dzięki bezprecedensowej efektywności tych rozwiązań producenci mogą stosować techniki dual sourcing na każdym etapie łańcucha, co jest niemożliwe do wykonania przez ludzi przy dziesiątkach, setkach czy tysiącach dostawców bez marnowania zasobów. Algorytmy efektywnie przeprowadzają złożone i pracochłonne wyszukiwania, umożliwiając budowę silnych zabezpieczeń SCRM bez nadmiernego obciążenia organizacji.
Prognozowanie popytu z wykorzystaniem AI
Eksperci ds. odporności łańcuchów dostaw testują możliwości modeli AI w różnych procesach od kilku lat, ale najczęściej technologię tę wdraża się właśnie w prognozowaniu popytu. Jak opisaliśmy w poprzednim artykule, prognozowanie popytu to kluczowy element zarządzania łańcuchem dostaw od wieków – producenci od dawna analizują dane historyczne oraz bieżące, by przewidzieć zapotrzebowanie na konkretne produkty i magazyny.
Jednak prognozowanie realizowane przez człowieka zawsze było ograniczone ilością informacji, którą jesteśmy w stanie przetworzyć i zinterpretować. Nasze ograniczone możliwości często prowadzą do przewidywań opartych na niepełnych danych lub błędnych analizach. Tymczasem AI predykcyjna została wręcz stworzona do takich zadań – systemy te analizują olbrzymie zbiory danych sprzedażowych, wyłapują powtarzające się schematy i trendy, generując prognozy popytu, które są skuteczne i możliwe do wdrożenia. Dzięki narzędziom sztucznej inteligencji producenci mogą utrzymać optymalne poziomy zapasów, ograniczając ryzyko braków towarowych i nadmiarów oraz chroniąc operacje przed kosztownymi zawirowaniami związanymi z nagłymi zmianami w zapotrzebowaniu.
Ryzyka związane z AI dla odporności łańcucha dostaw
Najnowsza generacja narzędzi AI bywa przedstawiana jako rewolucyjna technologia, której wdrożenie rzekomo dramatycznie zwiększy wydajność i przyniesie firmom milionowe przychody. Rzeczywistość jest jednak bardziej złożona – sztuczna inteligencja wprowadza także nowe zagrożenia, które nie umykają uwadze profesjonalistów z obszaru łańcucha dostaw. W najnowszym Business Supply Chain Risk Management Index Uniwersytetu Lehigh, opublikowanym w IV kwartale 2024 roku, AI była wielokrotnie wskazywana jako istotne, nowe zagrożenie. Przedstawiciele branży wyrażali niepokój dotyczący tego, że narzędzia AI i ML mogą powodować wzrost ryzyk cybernetycznych, wywoływać poważne zaburzenia sektora i stać się narzędziem nadużyć przez osoby omijające nadzór regulacyjny. Ten raport jest tylko jednym z przykładów potwierdzających dwuznaczny charakter AI. Choć technologia ta może skutecznie przeciwdziałać zakłóceniom, skala jej wdrożeń i brak nadzoru powodują pojawianie się szeregu niepożądanych zmiennych.
Modele trenowane na niekompletnych danych
Po niemal dwóch latach szerokiego wdrożenia i medialnego szumu, niedoskonałości generatywnych modeli AI, takich jak ChatGTP, są już dobrze znane. Mimo imponujących możliwości przetwarzania danych i zdolności do pochłaniania ogromnych ilości informacji te narzędzia często zdradzają właśnie luźny, niezdyscyplinowany stosunek do prawdy i faktów. Źródło tych nieścisłości jest oczywiste: modele są trenowane na gigabajtach danych pobranych z Wikipedii, portali internetowych i niezliczonych innych źródeł cyfrowych, odzwierciedlając te same niespójności i niewiarygodność, które występują w samym internecie.
Te błędne informacje, nieścisłości oraz tzw. „halucynacje” (określenie z branży technologicznej) nie muszą mieć poważnych konsekwencji przy prostych zadaniach, takich jak e-maile, streszczenia czy prace szkolne. Jednak przy realizacji złożonych zadań – takich jak mapowanie łańcucha dostaw czy identyfikacja potencjalnych dostawców – skutki mogą być znacznie poważniejsze. Producenci i specjaliści ds. zaopatrzenia nie mogą sobie pozwolić na działanie w oparciu o fałszywe informacje lub wymysły generowane przez oprogramowanie AI, gdyż może to prowadzić do straty czasu i środków. W najgorszym przypadku poleganie na nieprawdziwych informacjach generowanych przez AI może przyczynić się nawet do powstania problemów regulacyjnych. Dlatego obecnie większość treści generowanych przez te narzędzia – w tym raporty pisemne, mapy łańcucha dostaw, listy dostawców sub-tier oraz vendorów – powinna być każdorazowo weryfikowana przez doświadczonych specjalistów.
Powiązania z rosnącym zagrożeniem cybernetycznym
W informacji prasowej Uniwersytetu Lehigh towarzyszącej publikacji niedawnego Supply Chain Risk Management Index, profesor Zach. G. Zacharia zwrócił uwagę na rosnące obawy przedstawicieli branży związane z powiązaniami AI i zagrożeniami cybernetycznymi. „Profesjonaliści łańcucha dostaw obawiają się cyberataków, korupcji danych, kradzieży danych, wirusów systemowych, a zwłaszcza tego, jak generatywna AI może zwiększać podatność ich firm” – ostrzegał.
Branżowa ankieta Uniwersytetu Lehigh może być swoistym „kanarkiem w kopalni”, sygnalizującym nadchodzący kryzys wynikający ze wzrostu skuteczności cyberataków z użyciem AI. Specjaliści wskazani przez Lehigh martwią się, że narzędzia AI umożliwiają cyberprzestępcom planowanie skuteczniejszych, bardziej zaawansowanych ataków przy wyższej częstotliwości. Jak sygnalizuje Zacharia, coraz powszechniejsze użycie sztucznej inteligencji w branży zarządzania ryzykiem w łańcuchu dostaw generuje również nowe, wewnętrzne podatności – same systemy AI mogą stawać się celem dla złośliwych aktorów, którzy chcą naruszyć lub zainfekować dane.
Nawigacja po krajobrazie SCRM przekształconym przez AI
Nawet firmy, które starają się działać ostrożnie i rozważnie, wkrótce staną przed presją opracowania wewnętrznej strategii wdrażania i rozwijania AI. Ryzyka związane z pozostawaniem w tyle w dynamicznie rozwijającej się branży są zbyt wysokie, a korzyści dostępne dla pierwszych użytkowników – zbyt kuszące, by je bez końca ignorować. Jak zauważył jeden z komentatorów cytowanych w Supply Chain Risk Management Index Uniwersytetu Lehigh: „Umiejętność dostosowania się do zmieniającego się krajobrazu AI i wykorzystanie sztucznej inteligencji będą decydowały o sukcesie firm w najbliższych latach”.
Producenci zainteresowani możliwościami, jakie daje AI, ale nieprzekonani jeszcze, że koszty wdrożenia przyniosą wymierny zwrot z inwestycji, mogą znaleźć porównywalną wartość i funkcjonalność w narzędziu do monitorowania odporności łańcucha dostaw. Wiodąca platforma Z2Data oferuje szeroki zakres funkcji SCRM, takich jak szczegółowe mapowanie powiązań komponentów z lokalizacjami, pełne dane na temat dostawców tier 1, 2 i 3 oraz szczegółowe oceny ryzyka dla poszczególnych zakładów produkcyjnych. Co więcej, bazy danych Z2Data są utrzymywane i weryfikowane przez doświadczonych specjalistów od lat pracujących w łańcuchu dostaw komponentów elektronicznych – co oznacza niemal zerowe ryzyko nieścisłości lub szkodliwych błędów informacyjnych.
Aby dowiedzieć się więcej o Z2Data i pakiecie funkcji widoczności dostępnych dla klientów, umów bezpłatne demo z naszym ekspertem produktowym.
