:quality(85))
Kể từ khi OpenAI ra mắt ChatGPT vào tháng 11/2022, phần lớn thế giới đã lần lượt bị cuốn hút, lo ngại và kinh ngạc trước những đột phá công nghệ cùng tiềm năng dường như vô hạn của trí tuệ nhân tạo (AI). Trong 18 tháng kể từ thời điểm đó, các doanh nghiệp đã nhanh chóng tích hợp các nền tảng và mô hình AI vào sản phẩm, quy trình nội bộ và chiến lược tổng thể của mình. Kết quả là, một xu hướng tăng trưởng ổn định trước đây đã nhanh chóng bùng nổ thành một làn sóng đầu tư mạnh mẽ.
Theo The Wall Street Journal, các doanh nghiệp đang trên đà chi gần 39 tỷ USD cho AI tạo sinh trong năm nay, gấp đôi chi tiêu của năm 2023. Các dự báo do Goldman Sachs công bố vào năm ngoái cho thấy mức tăng đầu tư vào AI còn ấn tượng hơn. Các chuyên gia kinh tế của tập đoàn tài chính này tin rằng khoản đầu tư vào AI của các tổ chức tại Hoa Kỳ có thể lên đến gần 100 tỷ USD vào năm 2025 (ghi chú nghiên cứu này không phân biệt rõ giữa AI tạo sinh – hình thức được thể hiện qua ChatGPT – và các công nghệ trí tuệ nhân tạo nói chung).
Trong khi nhiều tập đoàn lớn trên thế giới vẫn đang say mê trong “tuần trăng mật” với công nghệ đột phá này, đã bắt đầu xuất hiện những dữ liệu đáng tin cậy chứng minh hiệu quả thực tiễn của AI trong nhiều lĩnh vực khác nhau. Một nghiên cứu được McKinsey & Company thực hiện vào tháng 12/2022 khảo sát gần 1.500 doanh nghiệp toàn cầu nhằm đánh giá việc triển khai AI trong các tổ chức và mức độ mang lại giá trị cho doanh nghiệp. Công ty tư vấn này nhận thấy rằng các doanh nghiệp nói chung ghi nhận mức tăng doanh thu khiêm tốn và cắt giảm chi phí ở nhiều bộ phận khác nhau, như sản xuất, bán hàng, tiếp thị và phát triển sản phẩm. Tuy nhiên, một trong những hoạt động có mức hưởng lợi từ AI vượt trội là quản lý chuỗi cung ứng. 52% người tham gia khảo sát cho biết việc ứng dụng AI đang giúp giảm chi phí trong các quy trình quản lý chuỗi cung ứng của họ. Gần 60% cũng cho rằng giải pháp này giúp tăng doanh thu.
Trong khi nhiều tập đoàn lớn trên thế giới vẫn đang say mê trong “tuần trăng mật” với công nghệ đột phá này, đã bắt đầu xuất hiện những dữ liệu đáng tin cậy chứng minh hiệu quả thực tiễn của AI trong nhiều lĩnh vực khác nhau.
Ở một khía cạnh nào đó, việc AI và phiên bản mới nhất là AI tạo sinh trở thành công cụ hữu ích cho quản lý chuỗi cung ứng là điều không quá bất ngờ. Bởi công tác quản lý này dựa vào khả năng phân tích khối lượng dữ liệu lớn, vận dụng các mô hình phân tích phức tạp để xây dựng chiến lược, ra quyết định và nhận diện, đánh giá rủi ro giả định – tất cả đều là các nhiệm vụ có thể được củng cố mạnh mẽ nhờ các năng lực độc đáo của AI.
Tuy nhiên, đối với lĩnh vực thực tiễn như quản lý chuỗi cung ứng – cũng như quản lý rủi ro chuỗi cung ứng (supply chain risk management, SCRM) – việc bị hấp dẫn bởi tiềm năng công nghệ mà bỏ qua những yếu tố then chốt của hoạt động triển khai là chưa đủ. Điều quan trọng hơn là phân tích sâu hơn để nhận diện những tình huống sử dụng thực sự của AI, cũng như cân nhắc các rủi ro khi áp dụng công nghệ còn non trẻ, chi phí cao và tiềm ẩn biến động này.
Những tình huống sử dụng AI trong quản lý chuỗi cung ứng
AI hiện không còn là khái niệm giả định trong quản lý chuỗi cung ứng và SCRM. Đây là một công cụ đa chức năng, mạnh mẽ mà các chuyên gia chuỗi cung ứng có thể tiếp cận ngay lúc này. Thêm vào đó, AI đã được triển khai một cách đa dạng để mang lại giá trị thực tiễn cho các nhà sản xuất Hoa Kỳ và các tổ chức khác.
- Phân tích dự đoán cho thiết bị sản xuất
- Dự báo nhu cầu
- Lập bản đồ chuỗi cung ứng
- Đánh giá rủi ro và ma trận rủi ro
- Nhà cung cấp thay thế
Phân tích dự đoán cho thiết bị sản xuất
Trái ngược với độ sâu dữ liệu khổng lồ làm nền tảng, phân tích dự đoán nhìn chung lại đơn giản và logic. Trường Kinh doanh Harvard định nghĩa đây là “việc sử dụng dữ liệu để dự đoán xu hướng và sự kiện trong tương lai.” Các dự đoán này có thể áp dụng cho cả tương lai gần – chẳng hạn như dự đoán máy móc sẽ gặp sự cố vào cuối ngày – hoặc cho tương lai xa hơn, điển hình như dự báo dòng tiền cho doanh nghiệp trong năm tới.
Trong bối cảnh quản lý chuỗi cung ứng, trường hợp thứ nhất được quan tâm nhiều nhất. Phân đoạn này thường được gọi là “bảo trì dự đoán”. Trong bảo trì dự đoán, AI và học máy tổng hợp khối lượng dữ liệu lớn từ các cảm biến gắn trên thiết bị hoặc hạ tầng được theo dõi. Dữ liệu này bao gồm nhiều chỉ số hoạt động như nhiệt độ, độ rung, áp suất, độ ẩm và tốc độ, giúp mô hình AI “học” được trạng thái vận hành chuẩn của thiết bị. Khi toàn bộ dữ liệu này được phân tích toàn diện, AI có thể ngay lập tức phát hiện các dấu hiệu lệch chuẩn – từ đó xác định nguy cơ dẫn đến hỏng hóc lớn, sự cố nghiêm trọng hoặc thiết bị bị lỗi.
Khi có thể phát hiện sự cố thiết bị trước khi thực sự xảy ra – không chỉ giảm thiểu gián đoạn mà còn có thể phòng ngừa hoàn toàn – nhiều bên trong chuỗi cung ứng điện tử sẽ được hưởng lợi. Các nhà sản xuất thiết bị điện tử theo hợp đồng (ECM) và nhà cung cấp tránh được sự cố, giảm thời gian gián đoạn thiết bị và tối ưu năng suất tại nhà máy. Các bên ở hạ nguồn, như nhà sản xuất thiết bị gốc (OEM) và doanh nghiệp khác, sẽ ít bị chậm tiến độ. Nếu xảy ra sự cố lớn mà không thể phòng tránh triệt để, AI vẫn giúp phát cảnh báo sớm cho các bên liên quan để họ nhanh chóng lên kế hoạch dự phòng và phản ứng chủ động, chính xác.
Dự báo nhu cầu
Doanh nghiệp đã thực hành dự báo nhu cầu còn trước khi khái niệm này trở nên phổ biến trong vài thập niên gần đây. Nhà sản xuất vốn đã quen với tính bất ổn, khó lường của thị trường từ lâu. (Chẳng hạn hồi “Tulip Mania” tại Hà Lan vào thế kỷ 17, nhu cầu bất ngờ tăng vọt đến nỗi mỗi củ tulip có giá quy đổi hiện tại lên tới 750.000 USD.) Theo truyền thống, họ cố gắng dự đoán xu hướng – hay “dự báo” – nhờ các dữ liệu định lượng như doanh số, mùa vụ, mô hình lịch sử. Tuy nhiên, kết quả thường không ổn định do năng lực phân tích của con người có giới hạn. Bên cạnh đó, nhận định dựa trên dữ liệu không đầy đủ còn dễ bị ảnh hưởng bởi thiên kiến, dự đoán sai hoặc cảm tính vô thức.
Loạt mô hình AI mới hiện tại không mắc phải những nhược điểm con người trong công việc dự báo nhu cầu. Quan trọng hơn, các nền tảng này có thể xử lý rất nhiều dữ liệu mà người lao động không thể. Đánh giá của AI không đơn thuần dựa vào lịch sử doanh số mà mở rộng tới các chỉ số gián tiếp, ví dụ như xu hướng của đối thủ cạnh tranh, tác động kinh tế vĩ mô hay hành vi tiêu dùng có thể báo hiệu biến động lớn về nhu cầu. Một số mô hình còn nhận diện được dấu hiệu mua hoảng loạn từ rất sớm, giúp doanh nghiệp phản ứng chiến lược mà không nhầm giữa đột biến tạm thời và thay đổi xu hướng thực sự.
Khai thác tốt các công cụ AI, nhà sản xuất và doanh nghiệp có thể tăng ý nghĩa độ chính xác trong dự báo nhu cầu đối với sản phẩm của mình. Nhờ đó, họ giảm rủi ro chịu thiệt hại cơ hội do thiếu nguồn cung hoặc buộc phải tung ra giải pháp ứng phó tức thời để giải phóng tồn kho dư thừa.
Khai thác tốt các công cụ AI, nhà sản xuất và doanh nghiệp có thể tăng ý nghĩa độ chính xác trong dự báo nhu cầu đối với sản phẩm của mình.
Lập bản đồ chuỗi cung ứng
Một trong những thách thức lớn nhất đối với chuyên gia tìm nguồn cung ứng chiến lược và thu mua là hiểu đầy đủ mức độ rộng, sâu của chuỗi cung ứng. Nghiên cứu năm 2021 do McKinsey thực hiện cho thấy việc lập bản đồ chuỗi cung ứng ở mức độ chi tiết là vô cùng khó – và mức độ nắm bắt sụt giảm nhanh khi doanh nghiệp tiếp cận sâu vào các tầng nhà cung cấp. Khoảng một nửa nhà quản lý chuỗi cung ứng được khảo sát cho biết họ có khả năng hiển thị tốt đối với nhà cung cấp cấp 1, nhưng tỷ lệ này giảm xuống chỉ còn khoảng 20% ở các nhà sản xuất cấp 2. Với nhà cung cấp cấp 3, khả năng hiển thị gần như không tồn tại: chỉ 2% nhận biết được ai là nhà cung cấp ở tầng này.
Khả năng lập bản đồ chuỗi cung ứng sâu, toàn diện tạo ra nhiều lợi ích vận hành thiết thực. Doanh nghiệp có thể đánh giá rủi ro chuỗi cung ứng đầy đủ hơn; xác định vật liệu, nước xuất xứ và dữ liệu liên quan đến tuân thủ quy định; cũng như truy xuất chính xác nguyên nhân chậm trễ, thiếu hụt – điều mà đơn vị thiếu minh bạch khó thực hiện. Việc này đặc biệt quan trọng, bởi xác định đúng nguồn gốc gián đoạn cho phép nhà sản xuất triển khai các giải pháp hiệu quả. Nếu xác định được một nhà sản xuất cấp 3 là nguyên nhân khiến nhà cung cấp cấp 1 chậm hàng, doanh nghiệp có thể phối hợp với nhà cung cấp trực tiếp để xử lý có chủ đích.
Vấn đề trọng tâm cản trở lập bản đồ chuỗi cung ứng không nằm ở việc nghi ngờ giá trị mà ở thách thức về logistics khi xây dựng các sơ đồ phụ thuộc dữ liệu này. Đây là nơi AI khẳng định năng lực thực tiễn. Các công cụ AI có thể thu thập dữ liệu rộng khắp, kể cả các nguồn tài nguyên xa xôi giúp làm rõ giao dịch giữa các nhà sản xuất và kết nối mối quan hệ giữa các tầng nhà cung cấp của doanh nghiệp. AI có thể lấy thông tin về đơn hàng, hóa đơn, tờ khai hải quan, đặt lịch vận chuyển và các giấy tờ liên quan nhằm tạo chuỗi truy xuất cho sản phẩm, linh kiện, vật liệu của doanh nghiệp. Dựa trên các tài liệu này, doanh nghiệp xây dựng bản đồ chuỗi cung ứng sâu hơn và tăng cường quản lý rủi ro chuỗi cung ứng (SCRM).
Nền tảng AI có thể lấy thông tin về đơn hàng, hóa đơn, tờ khai hải quan, đặt lịch vận chuyển và các giấy tờ khác giúp tạo chuỗi truy xuất cho sản phẩm, linh kiện và vật liệu đầu vào của doanh nghiệp.
Đánh giá rủi ro và ma trận rủi ro
Ma trận rủi ro là công cụ trực quan hỗ trợ doanh nghiệp đánh giá các rủi ro đối với hoạt động sản xuất kinh doanh. Ma trận này thường tổng hợp hai yếu tố chính: xác suất xảy ra rủi ro và mức độ nghiêm trọng nếu rủi ro đó thành hiện thực. Hai yếu tố được chia thành các mức độ khác nhau trên trục x và y, giúp chuyên gia quản lý rủi ro xác lập mức độ nguy hại của từng loại rủi ro. (Ví dụ, tấn công mạng có thể được đánh giá xác suất thấp ở doanh nghiệp bảo mật tốt, nhưng lại cao về tác động.)
Dù sử dụng ma trận rủi ro là giải pháp quan trọng cho đội SCRM (xem thêm), việc phân loại mức độ nghiêm trọng và xác suất của các rủi ro như đóng cửa nhà máy, thiên tai, phá sản nhà cung cấp vẫn liên quan đến phán đoán và kinh nghiệm. Đây chính là lĩnh vực AI có thể hỗ trợ hiệu quả. Thay vì dựa vào kinh nghiệm cá nhân hay dự đoán thiếu cơ sở, AI có thể xử lý khối lượng dữ liệu lớn và đưa ra đánh giá khách quan, chính xác cao về mức độ tác động thực tế đối với doanh nghiệp, ngành nghề. Dù nhiệm vụ này mang tính chuyên biệt, áp dụng ma trận rủi ro với AI giúp doanh nghiệp phân bổ nguồn lực hiệu quả hơn.
Xác định nhà cung cấp thay thế
Công việc tìm kiếm nhà cung cấp thay thế – còn gọi là đa nguồn cung – là chức năng đơn giản, rõ ràng mà các công cụ AI có thể hỗ trợ doanh nghiệp thực hiện toàn diện hơn. Nhiều công ty hiện cung cấp mô hình AI giúp doanh nghiệp lên danh sách nhà cung cấp tiềm năng dựa trên thông tin đầu vào cụ thể. Không dừng lại ở việc tìm kiếm nhà sản xuất đáp ứng tiêu chí, các mô hình này còn phân tích các yếu tố như tình hình tài chính, hiệu quả ESG (môi trường – xã hội – quản trị), mức độ hài lòng của khách hàng để xây dựng danh sách ứng viên “đã được xác minh”.
Với phạm vi nghiên cứu rộng trong thời gian ngắn, mô hình AI có thể phát hiện nhiều nhà cung cấp tiềm năng mà tìm kiếm thủ công khó tiếp cận, bao gồm doanh nghiệp vừa và nhỏ (SMB), nhà cung cấp đa dạng và các đơn vị thường bị bỏ qua.
Dù chức năng này không mang tính đột phá đối với đội quản lý chuỗi cung ứng, nó vẫn giúp tổ chức nâng cao khả năng ứng phó trong SCRM. Trong một bài viết trên Harvard Business Review, một giám đốc quản lý chuỗi cung ứng tại Siemens cho biết ứng dụng AI đang giúp công ty tổng hợp thông tin về nhà cung cấp thay thế – yếu tố then chốt để giải quyết các sự cố nguồn cung trong tương lai. “Công nghệ không cung cấp khả năng hiển thị để ngăn chặn mọi gián đoạn chuỗi cung ứng trước khi xảy ra,” vị giám đốc chia sẻ với HBR, “nhưng nó cho bạn thông tin hữu ích để phản ứng nhanh hơn nhiều so với người mua truyền thống.”
Những rủi ro tiềm ẩn khi áp dụng AI trong quản lý chuỗi cung ứng
Các tình huống sử dụng kể trên – cùng lượng đầu tư lớn từ khối doanh nghiệp – đã cho thấy triển vọng mạnh mẽ của các công cụ, mô hình AI trong quản lý chuỗi cung ứng. Tuy nhiên, không công nghệ mang tính thế hệ nào là không có rủi ro riêng. Các nhà sản xuất cân nhắc triển khai AI cần nhận diện các nguy cơ đặc thù.
- Chi phí đầu tư ban đầu lớn
- Nhân sự tỏ ra hoài nghi
- Dữ liệu không đáng tin cậy, chưa được kiểm chứng
Phần lớn các nền tảng hiện có trên thị trường – từ “ông lớn” công nghệ đến start-up chuyên biệt – đều đòi hỏi chi phí ban đầu đáng kể. Nhiều giải pháp AI tùy chỉnh có chi phí lên tới hàng trăm nghìn USD. Doanh nghiệp cần đánh giá kỹ và tiếp cận có hệ thống, sử dụng các công cụ như phân tích chi phí-lợi ích và tiềm năng hoàn vốn (ROI) trước khi đầu tư.
Thêm vào đó, các nền tảng này đòi hỏi sự đồng thuận thực chất từ đội ngũ nhân sự, nhà quản lý và lãnh đạo nên không thể quyết định đơn phương, thiếu minh bạch. Nếu chưa truyền đạt đủ về bối cảnh, tình huống sử dụng, phạm vi triển khai, doanh nghiệp dễ khiến nhân viên cảm thấy xa cách, ảnh hưởng tinh thần và thậm chí tăng nguy cơ nghỉ việc.
Cuối cùng, doanh nghiệp triển khai sớm các phân tích dự đoán của AI có thể đánh giá quá cao độ tin cậy của các giải pháp này. Như bất kỳ cá nhân nào từng chứng kiến sai sót của ChatGPT đều biết, AI phụ thuộc hoàn toàn vào những dữ liệu được cung cấp. Dữ liệu lỗi, sai sót, lạc hậu hoặc “bẩn” có thể dẫn đến phân tích thiếu chính xác, vì vậy người dùng cần đặc biệt cẩn trọng ở giai đoạn đầu ứng dụng AI khi đầu vào chưa được kiểm chứng rộng rãi từ mọi ngóc ngách trên internet.
