:quality(85))
ทศวรรษ 2020 เป็นช่วงแห่งความไม่แน่นอน ความปั่นป่วน และความเสี่ยงที่เพิ่มขึ้นสำหรับห่วงโซ่อุปทาน เริ่มต้นด้วยการระบาดของ COVID-19 ที่ส่งผลให้โรงงานต้องหยุดการผลิต เกิดปัญหาขาดแคลนสินค้า รวมถึงการติดขัดของท่าเรือคอนเทนเนอร์ตั้งแต่เซี่ยงไฮ้ถึงลอสแอนเจลิส หลังจากนั้นในช่วงหลายปีที่ผ่านมา สภาพอากาศสุดขั้วและความขัดแย้งทางภูมิรัฐศาสตร์ได้ส่งผลต่อเส้นทางขนส่งสินค้าระดับโลกที่มีความสำคัญ เช่น คลองปานามาและทะเลแดง ทำให้การจัดการโลจิสติกส์ซับซ้อนขึ้นและต้นทุนขนส่งพุ่งสูงขึ้นสำหรับบริษัทต่าง ๆ ทั่วโลก ล่าสุด สงครามการค้าทวีความรุนแรง นโยบายปกป้องอุตสาหกรรมขยายตัว และการตรวจสอบจากหน่วยงานกำกับดูแลเพิ่มขึ้น ส่งผลให้มีปัจจัยแปรผันที่ท้าทายยิ่งกว่าเดิมเข้ามาสู่ภูมิทัศน์ห่วงโซ่อุปทานที่เปลี่ยนไปโดยสิ้นเชิง ต่างจากยุคมั่นคงของทศวรรษ 2010 อย่างมาก
เพื่อตอบสนองต่อสภาพแวดล้อมใหม่นี้และเสริมสร้างความแข็งแกร่งของห่วงโซ่อุปทาน องค์กรจำนวนมากจึงหันมาใช้ศักยภาพที่ปัญญาประดิษฐ์ (AI) นำเสนอ เทคโนโลยี AI รุ่นใหม่ล่าสุดทั้ง machine learning (ML), predictive AI และ large language models (LLMs) สามารถวิเคราะห์ชุดข้อมูลขนาดมหาศาล ประเมินความเสี่ยงหลากหลายรูปแบบ และสร้างข้อมูลเชิงลึกที่มีค่าสำหรับการกำหนดกลยุทธ์และการตัดสินใจ หากนำมาใช้ด้วยความเชี่ยวชาญที่เหมาะสมและมีความคาดหวังที่สอดคล้องกัน แพลตฟอร์ม AI เหล่านี้จะกลายเป็นเครื่องมืออเนกประสงค์ที่มีความทรงพลังให้กับผู้เชี่ยวชาญด้านการจัดซื้อเชิงกลยุทธ์ ใช้นำทางห่วงโซ่อุปทานที่ผันผวนและรับมือกับความเสี่ยงรูปแบบใหม่ ๆ ได้อย่างมีประสิทธิภาพ
อย่างไรก็ตาม องค์กรจำเป็นต้องพัฒนากลยุทธ์การนำ AI มาใช้ที่หลากหลายและผ่านการพิจารณาอย่างรอบคอบ
เหตุผลที่องค์กรต้องมีกลยุทธ์ AI
เพื่อให้เข้าใจถึงความสำคัญในการกำหนดกลยุทธ์สำหรับการนำ AI มาใช้ จำเป็นต้องพิจารณาทางเลือกอื่น สมมติว่าผู้ผลิตรถยนต์รายหนึ่งนำเครื่องมือ AI ใหม่มาใช้ โดยลงทุนทันทีโดยหวังว่าเทคโนโลยีปัญญาประดิษฐ์ล่าสุดจะช่วยให้บริษัทบริหารจัดการห่วงโซ่อุปทาน ลดความเสี่ยง และลดต้นทุน แต่ผู้บริหารของบริษัทขาดการวางกลยุทธ์และการสื่อสารแผนการนำเครื่องมือใหม่นี้มาใช้ ส่งผลให้ฝ่ายบริหารและพนักงานต้องนำ AI ไปใช้และผนวกเข้ากับกระบวนการทำงานด้วยตนเองโดยขาดแนวทางที่ชัดเจน
โดยไม่มีคำแนะนำจากฝ่ายบริหารและแผนงานที่สื่อสารอย่างมีประสิทธิผล ผู้ผลิตรถยนต์รายนี้จะพบกับปัญหาใหญ่ องค์กรอาจไม่ได้ทุ่มเทเวลาเพียงพอในการฝึกอบรมบุคลากรและสร้างทักษะเฉพาะทางที่จำเป็นในการใช้แพลตฟอร์ม AI อย่างมีประสิทธิภาพ ด้วยเหตุนี้ ผู้เชี่ยวชาญด้านการจัดซื้อและการจัดหาเชิงกลยุทธ์จะไม่สามารถดึงคุณค่าสูงสุดจากซอฟต์แวร์ ลดศักยภาพในการคืนทุนจากการลงทุนเบื้องต้น และขัดขวางการเสริมสร้างความแข็งแกร่งของห่วงโซ่อุปทาน
หากบริษัทรถยนต์นั้นไม่ได้กำหนดเป้าหมายชัดเจนสำหรับ AI ฝ่ายบริหารอาจประสบปัญหาในการถ่ายทอดความคาดหวังให้กับพนักงานเกี่ยวกับวิธีการใช้แพลตฟอร์ม และวิสัยทัศน์สำหรับการนำไปใช้ในระยะ 6 เดือน 12 เดือน และ 18 เดือน แม้พนักงานจะสามารถเข้าถึงซอฟต์แวร์และได้รับคำแนะนำเบื้องต้นในการใช้งาน แต่ก็อาจไม่เข้าใจอย่างชัดเจนว่าควรผนวกเทคโนโลยีเข้ากับหน้าที่ในแต่ละวันอย่างไร และหากไม่มีข้อความเชิงนโยบายที่สอดคล้องและต่อเนื่องจากผู้บริหาร พนักงานก็จะขาดแรงจูงใจที่จะนำ AI ไปใช้จริงในการทำงานประจำวัน
การขาดกลยุทธ์ AI ที่มีภาพรวมชัดเจน อาจนำไปสู่สถานการณ์อีกด้าน คือการนำเครื่องมือ AI มาใช้อย่างเร่งรีบและเกินควร ในกรณีนี้ เทคโนโลยีจะกลายเป็นปัจจัยรบกวนหรือแม้แต่ส่งผลในทางลบ ก่อให้เกิดการต่อต้านจากพนักงานบางส่วน และทำให้ผู้อื่นนำเครื่องมือมาใช้โดยไม่ตระหนักถึงข้อจำกัดที่แท้จริง ไม่ว่ากรณีใด การเร่งรีบปรับใช้ AI ในห่วงโซ่อุปทานโดยไม่รอบคอบ อาจสร้างความเสี่ยงมากมายและบั่นทอนประโยชน์ที่ต้องการจากเครื่องมือเหล่านี้
ในทางกลับกัน การพัฒนาแผนและกระบวนการที่ชัดเจนในการนำเครื่องมือ AI สำหรับห่วงโซ่อุปทานมาใช้ จะช่วยให้ซอฟต์แวร์แสดงศักยภาพสูงสุดในองค์กร การวางแผนและดำเนินการอย่างรอบคอบจะเอื้อให้เกิดการยอมรับในวงกว้าง สร้างแรงจูงใจให้สมาชิกทีมพัฒนาความเชี่ยวชาญในแพลตฟอร์ม และเปิดโอกาสให้ผู้เชี่ยวชาญสื่อสารแนวทางเชิงกลยุทธ์และขอบเขตการใช้ได้อย่างมีประสิทธิภาพ
กลยุทธ์สำคัญสำหรับการนำ AI มาใช้ในห่วงโซ่อุปทาน
เพื่อให้ได้รับคุณค่าสูงสุดจากเทคโนโลยีใด ๆ ผู้ผลิตและธุรกิจต้องเข้าใจอย่างครอบคลุมในสามประเด็นหลัก ได้แก่ เทคโนโลยีนั้นทำงานอย่างไร คุณค่าที่ต้องการได้รับคืออะไร และกระบวนการผนวกเครื่องมือนั้นเข้ากับการดำเนินงานจะเป็นอย่างไร กลยุทธ์ต่อไปนี้สามารถเป็นแนวทางให้ผู้นำห่วงโซ่อุปทานประสบความสำเร็จในทั้งสามด้านของการนำไปใช้ได้อย่างมีประสิทธิผล
กำหนดเป้าหมายและเจ้าของโครงการ
แม้จะดูเหมือนพื้นฐาน แต่อันที่จริงธุรกิจจำนวนไม่น้อยไม่ได้กำหนดเป้าหมายทั้งหมดอย่างชัดเจนก่อนนำ AI มาใช้ “ในขั้นแรก บริษัทต้องระบุและจัดลำดับความสำคัญของแหล่งสร้างคุณค่าในทุกฟังก์ชัน ไม่ว่าจะเป็นการจัดซื้อ การผลิต โลจิสติกส์ และในที่สุดคือเชิงพาณิชย์” McKinsey & Company ให้ข้อมูลไว้ ในบทความปี 2021 เกี่ยวกับปัญญาประดิษฐ์ในห่วงโซ่อุปทาน อย่างไรก็ตาม ในความเป็นจริงมีน้อยกว่าหนึ่งในสามของธุรกิจที่ดำเนินการประเมินเบื้องต้นลักษณะนี้ ส่งผลให้สูญเสีย “โอกาสในการสร้างคุณค่า” ที่สำคัญไป
การปูพื้นฐานสำหรับกลยุทธ์ AI และแผนการนำไปใช้ ไม่ได้จบเพียงการนิยามวิสัยทัศน์และเป้าหมายหลักที่สนับสนุนวิสัยทัศน์นั้น แต่องค์กรยังต้องระบุผู้บริหาร ผู้จัดการ และบุคลากรที่จะเป็นแกนนำในการดำเนินการนำ AI มาใช้ สื่อสารความคาดหวัง และกำกับดูแลความคืบหน้า การมีผู้สนับสนุนที่ผลักดันเครื่องมือและการบูรณาการ จะช่วยป้องกันองค์กรไม่ให้ยึดติดกับสภาวะเดิม
พัฒนาความเชี่ยวชาญเพื่อดึงศักยภาพสูงสุดจาก AI
เนื่องจาก AI ยังคงเป็นเทคโนโลยีใหม่ จึงไม่มีมาตรฐานที่เหมือนกันในแต่ละบริษัทหรือแพลตฟอร์ม แม้แต่ในภูมิทัศน์ AI สำหรับห่วงโซ่อุปทาน ปัจจุบันก็มีโซลูชันที่เชี่ยวชาญในด้านเฉพาะ ตั้งแต่การพยากรณ์ความต้องการ การทำแผนที่ห่วงโซ่อุปทาน การบำรุงรักษาเชิงคาดการณ์ ไปจนถึงการประเมินความเสี่ยง ซอฟต์แวร์เหล่านี้เป็นนวัตกรรมใหม่และเฉพาะทาง โดยแทบทุกคนในองค์กร — รวมถึงผู้ใช้งานกลุ่มแรกที่เชี่ยวชาญด้านเทคโนโลยี — ก็ต้องเรียนรู้วิธีใช้ให้เกิดประสิทธิผล
ดังนั้น ธุรกิจที่ลงทุนใน AI สำหรับห่วงโซ่อุปทานจะต้องสร้างความเชี่ยวชาญในองค์กรเพื่อดึงคุณค่าสูงสุดจากแพลตฟอร์ม และฝึกอบรมบุคลากรคนอื่นให้ใช้งานได้อย่างเต็มประสิทธิภาพ ในกรณีที่เทคโนโลยีมีความซับซ้อนสูงและการนำไปใช้มีขนาดใหญ่ บริษัทอาจพิจารณาจ้างที่ปรึกษาภายนอก โดยบริษัทที่ปรึกษาขนาดใหญ่ที่มีประสบการณ์ด้าน digital transformation เริ่มให้คำแนะนำแก่ธุรกิจต่าง ๆ ที่ต้องการกลยุทธ์ AI ขั้นสูงเพื่อช่วยนำทางผ่านอุปสรรคต่าง ๆ จากเทคโนโลยีเกิดใหม่
สร้างการบริหารการเปลี่ยนแปลงที่มีประสิทธิผล
การบริหารการเปลี่ยนแปลง (change management) เป็นแนวคิดที่ฝังรากในกระบวนการธุรกิจ หมายถึงเครื่องมือ มาตรการ และกระบวนการที่ผู้นำใช้บริหารช่วงเวลาการเปลี่ยนผ่านสำคัญในองค์กร เว็บไซต์ BNET ให้คำจำกัดความว่า “คือการประสานช่วงเวลาการเปลี่ยนผ่านจากสถานการณ์ A ไปสู่สถานการณ์ B อย่างมีโครงสร้างเพื่อบรรลุความเปลี่ยนแปลงที่คงทนในองค์กร”
แม้การใช้เทคนิคบริหารการเปลี่ยนแปลงจะมีความจำเป็นในหลายสถานการณ์ แต่จะเห็นประโยชน์ชัดเจนที่สุดเมื่อองค์กรนำเทคโนโลยีใหม่มาใช้ในวงกว้าง ตามข้อมูลจาก Massachusetts Institute of Technology เครื่องมือ change management ที่ใช้กันระหว่างการนำเทคโนโลยีไปใช้ ได้แก่ “การจัดทำและสื่อสารเหตุผลทางธุรกิจสำหรับการเปลี่ยนแปลง การสร้างความสัมพันธ์ระหว่างทีมอย่างต่อเนื่อง การสื่อสารและฝึกอบรมทีมงานที่ได้รับผลกระทบ การออกแบบกระบวนการทางธุรกิจใหม่ และการสร้างกลุ่มบริหารโครงการอย่างยั่งยืน”
กล่าวโดยสรุป การบริหารการเปลี่ยนแปลง (change management) เป็นส่วนสำคัญของกลยุทธ์การนำไปใช้งานผู้นำธุรกิจที่ต้องการผนวกรวม AI สำหรับห่วงโซ่อุปทานแบบไร้รอยต่อควรเข้าใจมาตรการบริหารการเปลี่ยนแปลงและนำเข้าไปเป็นส่วนหนึ่งของแผนกลยุทธ์ เพราะการนำ AI มาใช้ในกระบวนการและเวิร์กโฟลว์ ไม่ใช่แค่เร่งประสิทธิภาพหรือสร้างคุณค่าสูงสุดทั่วทั้งองค์กรเท่านั้น แต่ยังต้องชนะใจบุคลากร — โดยโน้มน้าวและสนับสนุนให้เห็นคุณค่าของเทคโนโลยีโดยไม่กระทบขวัญและกำลังใจ กระบวนการ change management ให้ความสำคัญกับปัจจัยนี้อย่างลึกซึ้ง และผู้นำที่เข้าใจและนำไปใช้ก็จะเห็นผลเช่นเดียวกัน
ใช้ข้อมูลที่ถูกต้องและเชื่อถือได้
ดังที่กล่าวในบทความที่ผ่านมา เทคโนโลยี AI ชั้นนำในช่วงไม่กี่ปีนี้พึ่งพาข้อมูลจำนวนมหาศาลสำหรับการทำงานที่หลากหลาย เพราะโมเดลปัญญาประดิษฐ์เหล่านี้ใช้ข้อมูลดังกล่าวเพื่อฝึกฝนตัวเองและสร้างความเชี่ยวชาญในการพยากรณ์ความต้องการ คาดการณ์การเสียของเครื่องจักร หรือแม้แต่ระบุซัพพลายเออร์ลำดับถัดไป ประสิทธิภาพของ AI เหล่านี้จึงขึ้นอยู่กับคุณภาพข้อมูลที่ป้อนให้ หากข้อมูลผิดพลาด ไม่ครบถ้วน หรือไม่สะอาด ก็อาจนำ AI เหล่านี้ออกนอกทาง ส่งผลให้คำแนะนำหรือผลลัพธ์ขาดความแม่นยำและไม่ควรนำไปใช้ในการตัดสินใจด้วยความมั่นใจ
จากข้อจำกัดนี้ ผู้ผลิตที่นำ AI สำหรับห่วงโซ่อุปทานไปใช้ ควรตรวจสอบข้อมูล สถิติ เอกสาร และรายละเอียดต่าง ๆ ที่ใช้เป็นอินพุตในเครื่องมือ AI กระบวนการกลั่นกรองนี้สำคัญยิ่งในช่วงเริ่มต้นการนำไปใช้ เพราะความประทับใจแรกเริ่มจะมีอิทธิพลอย่างมากต่อทัศนคติของพนักงานต่อเทคโนโลยีในระยะยาว
ผสานปัญญาประดิษฐ์และมนุษย์เข้าด้วยกัน
ในช่วงแรก ๆ ที่ ChatGPT ได้รับความนิยมอย่างรวดเร็วในปี 2022-2023 ประเด็นสำคัญที่ถูกหยิบยกบ่อย ๆ คือ AI และเครื่องมือที่คล้ายคลึงกันจะเข้ามาทดแทนแรงงานมนุษย์ในหลากหลายสาขา และก็เป็นความจริงว่าเทคโนโลยีเหล่านี้เริ่มส่งผลกระทบต่อตลาดแรงงาน โดยแทนที่ผู้เชี่ยวชาญในสายงานป้อนข้อมูล งานธุรการ และแม้แต่สายงานที่ใช้ทักษะสูงอย่างการเขียนโปรแกรมหรือพัฒนาเกม แต่ถึงแม้การเปลี่ยนแปลงนี้จะชัดเจน ไม่ได้หมายความว่า AI จะเข้าทดแทนแรงงานมนุษย์ได้อย่างสมบูรณ์
ในความเป็นจริงแล้ว ตรงกันข้าม สำหรับงานที่มีความซับซ้อนและต้องใช้ทักษะสูงที่ผู้เชี่ยวชาญห่วงโซ่อุปทานต้องการพึ่งพา AI จำเป็นต้องมีการบริหารจัดการและกำกับดูแลโดยมนุษย์ แม้ปัญญาประดิษฐ์สามารถประมวลผลและวิเคราะห์ข้อมูลมากกว่ามนุษย์ แต่ก็ขาดความเชี่ยวชาญ ประสบการณ์บริบท และทักษะการอ้างอิงข้ามประเด็นที่บุคลากรมี ด้วยข้อจำกัดในปัจจุบัน บทบาทของ AI ในการบริหารห่วงโซ่อุปทานจึงควรเป็นเครื่องมือเสริมที่ขยายศักยภาพขององค์กร เพิ่มประสิทธิภาพและการปรับแต่ง พร้อมกับต้องพึ่งพาการตัดสินใจของมนุษย์เพื่อเติมเต็มจุดอ่อนและข้อจำกัดของ AI เหล่านี้
เสริมสร้างความแข็งแกร่งของห่วงโซ่อุปทานในยุคปั่นป่วน
เพียงไม่กี่ปีหลังจากการปฏิวัติ AI เริ่มต้นขึ้น ธุรกิจในสหรัฐฯ กำลังนำโซลูชัน AI สำหรับห่วงโซ่อุปทานมาใช้อย่างแพร่หลาย งานศึกษา ล่าสุด โดย IT company Capgemini พบว่า กว่า 2 ใน 3 ขององค์กรบริหารห่วงโซ่อุปทานนำ AI มาใช้สำหรับการตรวจสอบย้อนกลับและการมองเห็น ขณะที่ 70% ของผู้ผลิตใช้เทคโนโลยีนี้เพื่อการบำรุงรักษาเชิงคาดการณ์ เหตุผลเบื้องหลังการเร่งพัฒนากลยุทธ์ AI สำหรับการบริหารห่วงโซ่อุปทาน ไม่ได้มาจากเพียงแค่เสน่ห์ของเทคโนโลยีใหม่หรือความกลัวว่าจะล้าหลังในช่วงเปลี่ยนผ่านครั้งสำคัญ วิชาชีพด้านการจัดซื้อและจัดหาในวันนี้ต้องเผชิญกับสภาวะแวดล้อมที่ซับซ้อนและเปิดรับความเสี่ยงมากมาย จึงต้องอาศัยข้อมูลและความรู้ที่สามารถนำไปปฏิบัติได้มากที่สุด
ผู้ผลิตและธุรกิจที่ต้องการเทคโนโลยีที่ตอบโจทย์สภาพแวดล้อมห่วงโซ่อุปทานอย่างแท้จริงจะได้รับคุณค่ามหาศาลจากเครื่องมือเสริมความแข็งแกร่งให้ห่วงโซ่อุปทาน แพลตฟอร์ม SCRM ชั้นนำอย่าง Z2Data นำเสนอกลุ่มฟีเจอร์ที่เชื่อมโยงกันเพื่อช่วยให้ธุรกิจเพิ่มการมองเห็น ความยั่งยืน การปฏิบัติตามข้อกำหนด และมาตรการการบริหารความเสี่ยง ที่มีประสิทธิภาพ โดยผสานความเชี่ยวชาญของมนุษย์ ปัญญาประดิษฐ์ และฐานข้อมูลขนาดใหญ่ที่เป็นกรรมสิทธิ์ Z2Data จึงมอบข้อมูลเชิงลึกเชิงสาระให้ลูกค้าช่วยลดความเสี่ยง เพิ่มความโปร่งใส และควบคุมห่วงโซ่อุปทานได้ดียิ่งขึ้น
หากต้องการดูข้อมูลเพิ่มเติมเกี่ยวกับ Z2Data และฟังก์ชันการทำงานห่วงโซ่อุปทานที่หลากหลาย กรุณา ขอเดโมฟรี กับผู้เชี่ยวชาญของเรา
