:quality(85))
Lata 20. XXI wieku to dekada niestabilności, zawirowań i rosnącego ryzyka dla łańcuchów dostaw. Najpierw pandemia COVID-19 wywołała zamknięcia fabryk, niedobory dostaw i zatory w portach kontenerowych od Szanghaju po Los Angeles. W kolejnych latach ekstremalne zjawiska pogodowe i konflikty geopolityczne zakłóciły kluczowe globalne szlaki transportowe, w tym Kanał Panamski i Morze Czerwone, komplikując logistykę i zwiększając koszty transportu dla firm na całym świecie. Ostatnio natomiast eskalujące wojny handlowe, rozszerzenie polityk protekcjonistycznych oraz wzmożony nadzór regulacyjny wprowadzają jeszcze więcej trudnych do przewidzenia zmiennych do krajobrazu łańcuchów dostaw, który dziś zupełnie nie przypomina relatywnie spokojnych lat 2010–2019.
Aby sprostać tej złożonej rzeczywistości i zwiększyć odporność łańcucha dostaw, organizacje coraz częściej sięgają po możliwości, jakie daje sztuczna inteligencja. Najnowsza generacja technologii AI, w tym uczenie maszynowe (ML), predykcyjna AI oraz duże modele językowe (LLM), pozwala analizować ogromne zbiory danych, oceniać szereg ryzyk oraz dostarczać cenne wnioski wspierające strategię i procesy decyzyjne. Przy odpowiednim poziomie kompetencji i realistycznych oczekiwaniach, platformy AI mogą stać się dla specjalistów ds. zaopatrzenia strategicznego potężnym i wszechstronnym narzędziem umożliwiającym sprawne poruszanie się po dzisiejszych zmiennych łańcuchach dostaw i licznych nowych zagrożeniach obecnych w tym środowisku.
Aby jednak osiągnąć ten cel, organizacje muszą opracować wielopłaszczyznową, przemyślaną strategię wdrożenia AI.
Dlaczego firmy potrzebują strategii wdrożenia AI
Aby w pełni docenić znaczenie klarownej strategii wdrażania AI, warto rozważyć alternatywę. Wyobraźmy sobie, że producent z branży motoryzacyjnej decyduje się na nową platformę AI. Firma ponosi inwestycję kapitałową z ogólnym założeniem, że najnowsza technologia sztucznej inteligencji pomoże zarządzać łańcuchem dostaw, minimalizować z nim związane ryzyka i w efekcie obniżyć koszty operacyjne. Jednakże kadra zarządzająca nie opracowała ani nie zakomunikowała strategii wdrożenia nowego narzędzia. Menedżerowie i pracownicy muszą samodzielnie wdrożyć rozwiązanie AI i zintegrować je z dotychczasowymi procesami.
Brak wsparcia z góry i jasno określonej ścieżki wdrożenia skutkuje poważnymi wyzwaniami. Organizacja może nie poświęcić wystarczająco czasu na przeszkolenie personelu i rozwój kompetencji niezbędnych do efektywnego wykorzystania platformy AI. Niedostateczne przygotowanie sprawia, że specjaliści ds. zakupów oraz zaopatrzenia strategicznego nie będą w stanie w pełni wykorzystać potencjału oprogramowania, co ograniczy możliwości zwrotu z inwestycji oraz wzmocnienia odporności łańcucha dostaw.
Jeśli firma motoryzacyjna nie określiła celów wdrożenia AI, menedżerom będzie trudno przekazać pracownikom konkretne oczekiwania dotyczące sposobu korzystania z platformy czy też wizji jej implementacji w perspektywie 6, 12 czy 18 miesięcy. Pracownicy mogą uzyskać dostęp do oprogramowania i nawet przyswoić podstawowe instrukcje jego obsługi, ale nie będą wiedzieć, jak nowe narzędzie wpisuje się w ich codzienne zadania. Bez spójnego przekazu z góry, personel nie podejmie samodzielnej inicjatywy, by aktywnie wdrażać platformę do swojej pracy.
Brak spójnej strategii AI może skutkować również przeciwną skrajnością, czyli zbyt szybkim, pochopnym i agresywnym wdrożeniem. W takim scenariuszu technologia może stać się czynnikiem zakłócającym, a nawet kontrproduktywnym – część pracowników zostanie do niej zniechęcona, a inni wdrożą ją bez świadomości jej ograniczeń. W obu przypadkach zbyt szybkie wdrożenie AI w zarządzaniu łańcuchem dostaw może uwypuklić ryzyka związane z tymi narzędziami, jednocześnie niwecząc korzyści, na które liczyła organizacja.
Z kolei opracowanie planu i zdefiniowanie jasnego procesu wdrożenia narzędzia AI w łańcuchu dostaw pozwala firmie maksymalizować wartość oprogramowania. Umiejętnie zaplanowane wdrożenia ułatwiają powszechną adaptację wewnątrz zespołów i działów, motywują pracowników do rozwijania ekspertyzy na platformie oraz umożliwiają ekspertom skuteczne komunikowanie strategicznych zastosowań i zasad korzystania z niej.
Kluczowe strategie wdrożenia AI w łańcuchu dostaw
Aby w pełni wykorzystać potencjał każdej technologii, producenci i inne przedsiębiorstwa muszą posiadać kompleksową wiedzę w trzech obszarach: jak działa dana technologia; jaką konkretną wartość chcą z niej uzyskać; oraz jak będzie przebiegać proces jej integracji z działalnością firmy. Poniżej opisane strategie mogą stanowić drogowskaz dla liderów łańcucha dostaw, którzy chcą osiągnąć sukces w tych trzech filarach skutecznego wdrożenia.
Wyznaczenie celów i właściwej odpowiedzialności
Choć wydaje się to oczywiste, zaskakująco wiele firm nie opracowuje pełnej listy celów przed wdrożeniem narzędzia AI. „Na pierwszym etapie firmy muszą zidentyfikować i nadać priorytet wszystkim obszarom generowania wartości w różnych funkcjach, od zakupów i produkcji po logistykę i sprzedaż” – wyjaśnia McKinsey & Company w artykule z 2021 roku poświęconym AI w łańcuchu dostaw. Rzeczywistość jest jednak taka, że mniej niż jedna trzecia firm rzeczywiście przeprowadza taką ocenę wstępną, przez co pozbawia się istotnych „szans na budowanie wartości”.
Budowanie fundamentów strategii AI oraz wdrożenia to jednak nie tylko wyznaczenie nadrzędnej wizji i zbioru wspierających ją celów. Firmy muszą również określić, którzy członkowie kierownictwa, menedżerowie czy specjaliści będą liderami procesu implementacji AI – powinni oni komunikować oczekiwania i monitorować postępy. Wskazanie liderów odpowiedzialnych za sukces wdrożenia pozwala uniknąć inercji i utrwalania się status quo.
Rozwijanie kompetencji dla optymalnego wykorzystania AI
Sztuczna inteligencja wciąż jest nową technologią, która nie przyjęła jeszcze jednolitych standardów między różnymi firmami i platformami. Nawet w samym obszarze AI używanej w zarządzaniu łańcuchem dostaw pojawiły się rozwiązania wyspecjalizowane w prognozowaniu popytu, odwzorowywaniu łańcucha dostaw, predykcyjnej konserwacji czy ocenie ryzyka. Są to niszowe, nowoczesne modele oprogramowania, które niemal wszyscy w organizacji – włącznie z najbardziej zaawansowanymi użytkownikami – będą musieli opanować, aby korzystać z nich efektywnie.
Firmy inwestujące w AI w łańcuchu dostaw muszą więc rozwijać wewnętrzne kompetencje umożliwiające zarówno pełne wykorzystanie platformy, jak i skuteczne szkolenie pozostałego personelu. W przypadkach szczególnie złożonych wdrożeń lub tam, gdzie skala implementacji jest znaczna, przedsiębiorstwa mogą rozważyć wsparcie firmy doradczej z doświadczeniem w transformacji cyfrowej. Duże, uznane firmy konsultingowe coraz częściej wspierają przedsiębiorstwa w budowaniu dojrzałej strategii wdrożeniowej AI, pomagając radzić sobie z wyzwaniami związanymi z wprowadzeniem nowej technologii.
Skuteczne zarządzanie zmianą
Zarządzanie zmianą to ugruntowana koncepcja w zarządzaniu operacyjnym, obejmująca narzędzia, środki i procesy wykorzystywane przez liderów do przeprowadzania organizacji przez istotne okresy transformacji. Serwis biznesowy BNET definiuje tę ideę jako „koordynację strukturalnego okresu przejściowego od sytuacji A do sytuacji B w celu uzyskania trwałej zmiany w organizacji”.
Techniki zarządzania zmianą mogą być przydatne w wielu scenariuszach, ale szczególną rolę odgrywają podczas wdrażania nowych technologii na dużą skalę. Według Massachusetts Institute of Technology, szczególnie istotne działania w tym procesie to: „opracowanie i przekazanie uzasadnienia biznesowego dla zmian, budowanie relacji i ciągła komunikacja, szkolenia dla personelu, przeprojektowanie procesów i powołanie zespołów zarządzających projektem”.
Innymi słowy, zarządzanie zmianą jest integralną częścią skutecznej strategii wdrożeniowej. Liderzy biznesu, którzy chcą przeprowadzić sprawną integrację AI w swoim łańcuchu dostaw, powinni rozumieć podstawowe narzędzia zarządzania zmianą i uwzględniać je w procesie wdrożeniowym. Wdrożenie narzędzia AI to nie tylko wzrost efektywności i maksymalizacja wartości w firmie – to również pozyskanie poparcia pracowników, przekonanie i motywowanie ich do wykorzystania nowych rozwiązań bez utraty zaangażowania i morale. Zarządzanie zmianą uwzględnia te czynniki i liderzy, którzy to rozumieją, odnoszą w tym zakresie większe sukcesy.
Wykorzystywanie czystych, wiarygodnych danych
Jak omawialiśmy we wcześniejszych materiałach, nowoczesne technologie AI opierają się dziś na przetwarzaniu ogromnych ilości danych, by realizować różnorodne zaawansowane funkcje. Modele sztucznej inteligencji wykorzystują dane wejściowe w procesie nauki, rozwijając kompetencje potrzebne między innymi do prognozowania popytu, przewidywania awarii urządzeń czy identyfikacji dostawców z niższych poziomów łańcucha dostaw. Skuteczność AI w tych zadaniach zależy więc wprost od jakości danych dostarczanych do systemu. Wadliwe, niepełne lub „zabrudzone” dane mogą prowadzić AI na manowce, czego efektem są błędne rekomendacje lub wyniki, na których nie można polegać.
Mając świadomość tych ograniczeń, producenci wdrażający AI do zarządzania łańcuchem dostaw powinni weryfikować wszystkie statystyki, dokumentację i inne dane służące jako wejście dla platform AI. Taka kontrola jest szczególnie kluczowa na etapie wczesnego wdrożenia, ponieważ pierwsze doświadczenia silnie wpływają na sposób, w jaki personel postrzega użyteczność nowych narzędzi w dłuższej perspektywie.
Łączenie potencjału człowieka i AI
W początkowym okresie gwałtownego rozwoju ChatGPT w latach 2022–2023 często poruszano kwestię, w jakim stopniu platformy AI i podobne narzędzia zastąpią człowieka w różnych branżach. Rzeczywiście, technologie te już wpływają na rynek pracy, wypierając specjalistów ds. wprowadzania danych i administracji oraz zagrażając wysokowykwalifikowanym stanowiskom związanym z programowaniem czy tworzeniem gier komputerowych. Sam fakt, że rewolucja AI zaczyna kształtować krajobraz zatrudnienia, nie oznacza jednak, że platformy te funkcjonują dokładnie tak jak samodzielni pracownicy.
W rzeczywistości jest wręcz przeciwnie. Realizacja bardziej zaawansowanych zadań, do których wykorzystują je specjaliści łańcucha dostaw, wymaga zaangażowania i zarządzania ze strony ludzi. Chociaż sztuczna inteligencja w łańcuchu dostaw może przetwarzać i analizować znacznie większe zasoby danych niż człowiek, brakuje jej doświadczenia, kontekstu i umiejętności krzyżowego porównywania danych, które posiadają doświadczeni profesjonaliści. Z tego względu rola AI w zarządzaniu łańcuchem dostaw powinna być pojmowana jako wsparcie – narzędzie rozszerzające efektywność i zdolność optymalizacji przedsiębiorstwa, które jednak wymaga nadzoru ludzkiego, by uzupełnić swoje ograniczenia.
Budowa odporności łańcucha dostaw w trudnej rzeczywistości
Zaledwie kilka lat po rozpoczęciu rewolucji AI przedsiębiorstwa w USA masowo wdrażają rozwiązania sztucznej inteligencji w łańcuchach dostaw. Niedawne badania IT firmy Capgemini wykazały, że ponad dwie trzecie organizacji zarządzających łańcuchem dostaw korzysta z AI do celów śledzenia (traceability) i uzyskania pełnej widoczności (visibility). 70% producentów wykorzystuje AI również do predykcyjnego utrzymania ruchu (predictive maintenance). Skala zainteresowania strategią AI dla zarządzania łańcuchem dostaw to nie tylko efekt przyciągającej nowości, czy też strachu przed pozostaniem w tyle podczas, gdy cała branża wykonuje milowy krok w rozwoju. Dzisiejsi specjaliści ds. zakupów i zaopatrzenia działają w dynamicznym środowisku zależnym od wielu nieprzewidywalnych czynników i potrzebują możliwie najwięcej danych oraz wiarygodnych informacji do podejmowania działań.
Producenci i firmy poszukujące technologii o wysokiej użyteczności, które najlepiej odpowiadają na wyzwania współczesnego łańcucha dostaw, mogą znaleźć dużą wartość w narzędziach zwiększających odporność łańcucha. Wiodąca platforma SCRM Z2Data oferuje na przykład zestaw wzajemnie powiązanych funkcji wspierających przedsiębiorstwa we wzmacnianiu widoczności, zrównoważonego rozwoju, zgodności z przepisami oraz zarządzania ryzykiem. Dzięki solidnemu połączeniu kompetencji specjalistycznych, AI oraz własnych, dużych baz danych, Z2Data dostarcza klientom istotnych informacji pozwalających minimalizować zagrożenia, maksymalizować przejrzystość i zyskać większą kontrolę nad łańcuchem dostaw.
Aby dowiedzieć się więcej o Z2Data i szerokim zakresie funkcjonalności łańcucha dostaw dostępnych dla klientów, umów bezpłatne demo z jednym z naszych ekspertów.
