:quality(85))
Kasım 2022’de OpenAI tarafından ChatGPT’nin piyasaya sürülmesinden bu yana, dünyanın büyük bir bölümü yapay zekanın teknolojik atılımları ve görünüşte sonsuz potansiyeli karşısında hayranlık, endişe ve şaşkınlık duyguları arasında gidip geldi. Geçen 18 ay içinde şirketler, yapay zeka platformlarını ve modellerini ürünlerine, iç süreçlerine ve genel kurumsal stratejilerine hızla entegre etmeye başladı. Sonuç olarak, önceden istikrarlı bir şekilde büyüyen bir trend, hızla dev bir yatırım dalgasına dönüştü.
The Wall Street Journal'a göre, işletmeler bu yıl üretken yapay zekaya neredeyse 39 milyar dolar harcayacak; bu tutar, 2023’teki harcamanın tam iki katına denk geliyor. Goldman Sachs tarafından geçen yıl yayımlanan projeksiyonlar ise yapay zeka yatırımlarında daha da büyük bir sıçrayışa işaret ediyor. Finans kuruluşunun ekonomistleri, ABD’de şirketlerin yapay zeka yatırımlarının 2025’te 100 milyar dolara yaklaşabileceğini öngörüyor (araştırma notunda üretken yapay zeka ile genel anlamda yapay zeka teknolojileri arasında bir ayrım yapılmamış).
Dünyanın en büyük şirketlerinin birçoğu bu devrim niteliğindeki yeni teknolojiyle balayı dönemindeyken bile, yapay zekanın çeşitli sektörlerde kullanıldığına dair bazı güvenilir veriler şimdiden ortaya çıkmaya başladı. Aralık 2022’de McKinsey & Company tarafından yapılan araştırma, dünyanın dört bir yanından yaklaşık 1.500 şirketi inceleyerek, yapay zekanın kurumlar arasında nasıl uygulandığını ve bu teknolojinin şirketlere ne ölçüde değer kattığını analiz etti. Danışmanlık şirketi, işletmelerin üretim, satış & pazarlama, ürün geliştirme gibi birçok fonksiyonda genel olarak mütevazı gelir artışları ve maliyet düşüşleri yaşadıklarını tespit etti. Ancak, özellikle öne çıkan kullanım alanlarından biri ise tedarik zinciri yönetimi oldu. Katılımcıların %52’si, yapay zekanın tedarik zinciri yönetimi süreçlerinde maliyet azalmasına yol açtığını bildirdi. Neredeyse %60 ise, gelirlerinde artış yaşadıklarını belirtti.
Dünyanın en büyük şirketlerinin birçoğu bu devrim niteliğindeki yeni teknolojiyle balayı dönemindeyken bile, yapay zekanın çeşitli sektörlerde kullanıldığına dair bazı güvenilir veriler şimdiden ortaya çıkmaya başladı.
Bakırsak, yapay zekanın ve onun en yeni ve çarpıcı formu olan üretken yapay zekanın tedarik zinciri yönetimi için fayda sağlayacağı fikri pek de şaşırtıcı değil. Bu operasyonel disiplin, büyük veri yığınlarını etkin şekilde analiz etmeye, strateji ve karar süreçlerini yönlendirmek için karmaşık analitiklerden yararlanmaya ve potansiyel riskleri tespit edip analiz etmeye dayanır—tüm bu işlevler, yapay zekanın eşsiz kabiliyetleriyle ciddi oranda güçlendirilebilir.
Ancak, tedarik zinciri yönetimi gibi son derece pratik bir alan ve bir ölçüde buna paralel olan tedarik zinciri risk yönetimi (SCRM) için, bu ileri düzey platformları günlük faaliyetlere entegre etme olasılığıyla büyülenmek yeterli değildir. Asıl değerli olan, daha derinlemesine araştırma yapıp, yapay zekanın gerçekten hangi meşru kullanım alanlarında fayda sağladığını ve bunların yeni, pahalı ve potansiyel olarak sarsıcı bir teknoloji getirmenin riskleriyle dengelenip dengelenmediğini sormaktır.
Tedarik Zinciri Yönetiminde YZ’nin Kullanım Alanları
Yapay zeka artık tedarik zinciri yönetimi ve SCRM dünyasında bir varsayım olmaktan çıktı. Bugün tedarik zinciri profesyonellerinin erişimine açık, güçlü ve çok yönlü bir araç haline geldi. Dahası, ABD’li üreticiler ve diğer kurumlarda elle tutulur değer katan, oldukça çeşitli uygulamalarla zaten kullanılmakta.
- Üretim ekipmanlarında öngörücü analizler
- Tahmini talep analizi
- Tedarik zinciri haritalama
- Risk değerlendirmeleri ve risk matrisleri
- Alternatif tedarikçi tespiti
Üretim Ekipmanlarında Öngörücü Analitik
Kendisini besleyen inanılmaz miktardaki bilgiye rağmen, öngörücü analitik konsepti son derece anlaşılır ve basittir. Harvard Business School şöyle tanımlar: “Verinin kullanılarak gelecekteki eğilim ve olayların öngörülmesi.” Aynı tanım şöyle devam eder: “Bu öngörüler, aynı gün ilerleyen saatlerde bir makinenin arıza yapmasını tahmin etmek gibi yakın zamana ya da şirketinizin önümüzdeki yılki nakit akışını tahmin etmek gibi daha uzak geleceğe dair olabilir.”
Tedarik zinciri yönetimi bağlamında, asıl ilgi çeken daha çok ilk senaryodur. Öngörücü analitiğin bu özel uygulamasına bazen “öngörücü bakım” da denir. Öngörücü bakımda, yapay zeka ve makine öğrenmesi, belirli bir ekipmana bağlı sensörlerden ve izleme cihazlarından elde edilen büyük miktarda veriyi toplar. Sıcaklık, titreşim, basınç, nem, hız gibi davranışsal metriklerden oluşan bu veriler, yapay zeka modelinin ekipmanların normal çalışma koşullarını öğrenmesini sağlar. Tüm bu veriler kapsamlı bir şekilde analiz edildiğinde, yapay zeka, optimum koşullara ilişkin sapmaları anında algılayabilir ve böylece daha büyük çaplı bir arıza, bozulma ya da ekipman hatasının öncüllerini tespit edebilir.
Ekipman arızasını ortaya çıkmadan önce tespit edebilmek—ve böylece yalnızca kesintiyi hafifletmekle kalmayıp, tamamen önleyebilmek—elektronik tedarik zinciri boyunca birçok paydaşa fayda sağlar. Elektronik sözleşmeli üreticiler (ECM’ler) ve diğer tedarikçiler, arızalardan kaçınarak ekipman duruş sürelerini azaltabilir ve fabrika gibi tesislerin verimliliğini maksimize edebilir. Aynı şekilde, tedarik zincirinin aşağısındaki orijinal ekipman üreticileri (OEM’ler) ve diğer şirketler, üretim yavaşlamalarının ve gecikmelerinin azalmasından faydalanır; böylece üretim hedeflerine daha tutarlı şekilde ulaşabilirler. Öte yandan, büyük bir ekipman arızasının önüne anında geçilemeyecek durumlarda dahi, yapay zeka ile sağlanan öngörücü bakım sayesinde paydaşlar yaklaşan kesintilerden önceden haberdar olabilir, erken aksiyon planlayabilir ve doğru, zamanında müdahalede bulunabilir.
Tahmini Talep Analizi
Şirketler, geçtiğimiz birkaç on yılda adı konulmadan ve yaygınlaşmadan çok önce de talep tahmini yapıyordu. Üreticiler, piyasanın öngörülemez dalgalanmalarına asırlardır maruz kalıyor. (Örneğin 17. yüzyıldaki Hollanda’daki “Lale Çılgınlığı” döneminde, talep öyle yükselmişti ki, tek bir lale soğanı bugünün parasıyla 750.000 dolara kadar satılabiliyordu.) Tarih boyunca, üreticiler satış trendleri, mevsimsel oynamalar ve geçmişteki örüntüler gibi nicel verilerden etkin bir tahmin—yani “talep analizi”—üretmeye çalıştı. Sonuçlar ise çoğu zaman değişkendi, çünkü insanlar ancak sınırlı miktarda veriyle çalışabiliyordu. Üstelik, eksik veri setlerinden türetilen çıkarımlar çoğunlukla mükemmel olmaktan uzak; içsel önyargılar, yanlış beklentiler ve hatta farkında olunmadan yapılan duygusal yatırımlar tarafından da renklendirilebiliyordu.
Bugün kurumların hizmetine sunulan yeni yapay zeka modelleri, talep tahmini konusunda aynı insani zafiyetlerle hareket etmiyor. Daha da önemlisi, bu platformlar insanların asla analiz edemeyeceği kadar fazla veriyi inceleyebiliyor. Yalnızca geçmiş satış verileriyle sınırlı kalmayan değerlendirmeler, rakiplerin performans eğilimleri, makroekonomik göstergeler ve tüketici davranışlarındaki değişimler gibi daha incelikli, dolaylı göstergelere de ulaşıyor; bu göstergeler, önemli talep değişimlerinin habercisi olabilir. Bazı yapay zeka modelleri, panik alımların erken sinyallerini dahi tespit edebiliyor; böylece şirketler, anlık ve geçici artışları kalıcı bir talep değişimi olarak yorumlamadan stratejik ve fırsatçı biçimde yanıt verebiliyor.
Yapay zeka araçlarının sunduğu olanaklardan yararlanan üreticiler ve diğer şirketler, pazar talebini öngörme kapasitelerini ciddi biçimde yükseltebilir. Böylece, tedarik kıtlıklarından kaynaklanan fırsat maliyetine maruz kalma olasılıkları azalır ve ani stok fazlalarını hızla eritmek için son dakika önlemleri geliştirmek zorunda kalmazlar.
Yapay zeka araçlarının sunduğu olanaklardan yararlanan üreticiler ve diğer şirketler, pazar talebini öngörme kapasitelerini ciddi biçimde yükseltebilir.
Tedarik Zinciri Haritalama
Stratejik tedarik ve satın alma profesyonellerinin karşılaştığı en büyük zorluklardan biri, tedarik zincirlerinin tam derinliği ve genişliği hakkında düzenli ve kapsamlı bilgiye sahip olmaktır. 2021’de yine McKinsey tarafından yürütülen bir araştırma, kapsamlı ve derinlemesine tedarik zinciri haritalamanın ne kadar zor olduğunu—ve şirketler tedarikçi ağlarının derinliklerine indikçe bu görünürlüğün ne kadar hızlı düştüğünü—ortaya koyar. Ankete katılan tedarik zinciri yöneticilerinin neredeyse yarısı, birinci kademe tedarikçilerine iyi düzeyde görünürlük sağladıklarını bildirse de, bu oran ikinci kademe üreticilerde yaklaşık beşte bire düşüyor. İkinci kademeden daha ileriye ise neredeyse hiç erişilemiyor: katılımcıların yalnızca %2’si, üçüncü kademe tedarikçilerinin kim olduğunu bildiğini söyledi.
Daha derin ve kapsamlı tedarik zinciri haritalama yapabilme yetisi, işletmelere çok çeşitli operasyonel avantajlar sunar. İkinci ve üçüncü kademe tedarikçilerini görebilen şirketler, tedarik zinciri risk değerlendirmelerini daha eksiksiz yapabilir; menşe ülkeler, malzeme türleri ve mevzuat uyumu için gereken diğer veri noktalarını tespit edebilir; ve gecikmelerin ve kıtlıkların kaynağını, daha sınırlı görünürlüğe sahip firmaların ulaşamayacağı detayda teşhis edebilir. Özellikle bu son madde önemlidir; çünkü bir tedarik zinciri kesintisinin kesin kaynağını bilmek, üreticilerin stratejik olarak daha etkin çözüm geliştirmesini sağlar. Örneğin, üçüncü kademe bir üreticinin, birinci kademe tedarikçinizden ürün kıtlığına yol açtığını bilmek, doğrudan tedarikçinizle özel çözümler geliştirmenize olanak tanır.
Ancak tedarik zinciri haritalamasında temel sorun, değerinden şüphe edilmesi değil; esas sıkıntı, aslında bu veri-odaklı görselleştirmeleri oluşturmanın zorlu, ezici lojistiğidir. İşte burada yapay zeka somut bir kullanım alanı sunuyor. YZ araçları, üreticiler arasındaki işlemleri aydınlatacak, uzak ve ulaşılması güç kaynakları web üzerinde arayabilir ve böylece tedarikçi kademelerinizi oluşturan işletmeleri birbirine bağlayabilir. YZ platformları, siparişler, fişler, gümrük beyanları, nakliye rezervasyonları ve ürün, komponent ve hammaddeleriniz için sorumluluk zincirini oluşturan diğer dokümanları temin edebilir. Şirketler, bu kayıt ve belgeleri kullanarak daha derin ve sağlam tedarik zinciri haritaları oluşturabilir ve bunlar tedarik zinciri risk yönetimlerini (SCRM) güçlendirir.
YZ platformları, ürün, komponent ve hammaddeleriniz için sorumluluk zincirini oluşturan sipariş, fiş, gümrük beyannamesi, nakliye rezervasyonu ve diğer dokümanları temin edebilir.
Risk Değerlendirmeleri ve Risk Matrisleri
Risk matrisi, kurumların işlerine ve operasyonlarına yönelik çeşitli riskleri değerlendirme çalışmalarında yardımcı olan görsel bir araçtır. Matris genellikle iki temel faktörü bir araya getirir: bir riskin oluşma olasılığı ve gerçekleşmesi halinde o riskin şiddeti. Bu faktörler x ve y eksenlerinde farklı kategorilere ayrılır ve risk yönetimi uzmanları, belirli bir riskin ciddi ve tehditkâr olup olmadığını değerlendirebilir. (Örneğin, bir şirketin güçlü siber güvenlik önlemleri mevcut ise, bir siber saldırının olasılığı düşük ancak şiddeti yüksek olarak değerlendirilebilir.)
Güvenilir bir risk matrisinden yararlanmak SCRM takımları için kilit bir strateji olsa da, fabrika kapatmaları, aşırı hava olayları veya tedarikçi iflası gibi risklere şiddet ve olasılık düzeyleri atamada bir miktar tahmin yürütmek gerekir. İşte tam da bu noktada, yapay zeka son derece etkin biçimde devreye girebilir. Risk matrisini kullanırken kişisel deneyim, eksik öngörü veya sınırlı veri setlerine dayanmak yerine, YZ teknolojileri büyük miktarda bilgiyi işleyebilir ve bir riskin sizin şirketinize ve sektörünüze uygulanabilirliği konusunda çok daha nesnel ve doğru analizler sunabilir. Her ne kadar niş bir görev gibi görünse de, risk matrisinin kullanımıyla tehditleri hassas şekilde değerlendirmek, işletmelerin kaynaklarını daha verimli tahsis etmesine yardımcı olur.
Alternatif Tedarikçi Tespiti
Alternatif tedarikçi bulmak—diğer adıyla çoklu tedarikçi yönetimi—YZ araçlarının şirketlere daha kapsamlı ve nitelikli şekilde yardımcı olabileceği bir diğer nispeten basit işlemdir. Günümüzde pek çok şirket, belirli girdiler ve parametrelere göre potansiyel tedarikçilerin listesini sunabilen YZ modelleri sağlamaktadır. Bu modeller, yalnızca uygun üreticileri web’de aramakla kalmaz; aynı zamanda şirketin finansalları, ESG performansı ve müşteri memnuniyeti gibi belirleyici başka faktörleri de analiz ederek, kuruma iyice “değerlendirilmiş” adaylardan oluşan bir liste sunar.
YZ modellerinin kısa sürede alabildiği araştırma kapsamı sayesinde, geleneksel ve manuel aramalarla bulunması zor olabilecek daha geniş ve kapsayıcı bir tedarikçi portföyüne ulaşılabilir. Buna KOBİ’ler, daha çeşitli tedarikçiler ve genellikle gözden kaçan başka kuruluşlar da dâhildir.
Bu işlev tedarik zinciri yönetim ekipleri için devrimsel olmasa da, organizasyonlara SCRM süreçlerinde dayanıklılığını artıracak kaynaklar sunar. Harvard Business Review’de yayımlanan bir makalede, Siemens’te bir tedarik zinciri yönetimi yöneticisi, bir YZ uygulamasının şirketinde alternatif tedarikçilerle ilgili kritik bilginin derlenmesine nasıl yardımcı olduğunu anlatıyor. Kıdemli direktör, HBR’ye şunları söylüyor: “Teknoloji, arz kesintilerini yaşanmadan önce öngörmenizi sağlayacak bir görünürlük sunmaz; ama zincir kesintilerine insan satın almacılara kıyasla çok daha hızlı yanıt verebilmenize olanak tanıyacak bilgiyi sağlayabilir.”
Tedarik Zinciri Yönetiminde Yapay Zekanın Potansiyel Tehlikeleri
Yukarıda değinilen kullanım alanları—ve kurumsal sektörden gelen devasa yatırımlar—yapay zeka araçlarının ve modellerinin tedarik zinciri yönetimindeki yüksek potansiyelini ortaya koymaktadır. Ancak bu tür güçlü ve yeni nesil bir teknoloji, elbette risk getirmeden gelmez. Yapay zekayı süreçlerine entegre etmek isteyen üreticilerin karşılaşabilecekleri tehlikelere karşı dikkatli olması gerekir.
- Yüksek başlangıç maliyetleri
- Personelin şüpheciliği
- Güvenilmez, doğrulanmamış veri
Bugün piyasada bulunan platformların çoğu—gerek büyük teknoloji şirketlerinden gerek niş girişimlerden—önemli düzeyde başlangıç maliyeti gerektirir. Pek çok özel YZ çözümü, örneğin, altı haneli rakamlara ulaşabilir. Kurumlar, böyle yatırımlar konusunda seçici ve metodik davranmalı; maliyet-fayda analizi ile yatırımın geri dönüşü (ROI) gibi ölçütlerle teknolojiye girişin net değerini değerlendirmelidir.
Ayrıca, bu platformlar çalışanlardan güçlü ve hak edilmiş bir katılım gerektirir; yöneticiler ve liderler, bu araçların entegrasyonu hususunda aceleyle tek taraflı kararlar almaktan kaçınmalıdır. Araçların hangi koşullarda, hangi amaçla ve hangi parametrelerde kullanıldığını açık şekilde aktarmaksızın, işletmeler personelini yabancılaştırma, çalışan motivasyonunu zedeleme ve hatta ayrılma riskini tetikleme tehlikesiyle karşı karşıya kalabilir.
Son olarak, YZ tabanlı çözümlerden gelen öngörücü analizlere aceleyle güvenerek harekete geçen şirketler, bu sistemlerin güvenilirliğini ve verilerinin bütünlüğünü fazlasıyla abartma riski taşır. ChatGPT'nin ürettiği yanlış ya da hatalı bilgilerden herkesin aşina olduğu gibi, YZ araçları kendilerine sunulan verilere bağımlıdır. Kusurlu, eski ya da “kirli” veri, güvenilmez analiz ve değerlendirmelere yol açabilir; dolayısıyla kullanıcılar, YZ araçlarını uygulamanın ilk aşamalarında, doğrulanmamış kaynaklardan gelen girdilere karşı dikkatli olmalıdır.
