Ποια θα είναι η πιο επιτυχημένη εφαρμογή της τεχνητής νοημοσύνης (AI) στην εφοδιαστική αλυσίδα; Από τότε που ο πωλητής IT OpenAI κυκλοφόρησε το ChatGPT τον Νοέμβριο του 2022, υπήρξε μια πραγματική διαφημιστική εκστρατεία γύρω από το γενετικό AI. Σύμφωνα με πρόσφατη έρευνα της αναλυτής Gartner, τα μισά από τα στελέχη της εφοδιαστικής αλυσίδας αναμένουν να υιοθετήσουν το Generative AI (GenAI) φέτος. Ωστόσο, πιθανότατα δεν έχουν ακόμη μια συγκεκριμένη ιδέα για το πώς να αναπτύξουν με νόημα αυτήν την εφαρμογή τεχνητής νοημοσύνης που δημιουργεί κείμενο και κώδικα, που εκπαιδεύεται από ένα μεγάλο γλωσσικό μοντέλο, στις αλυσίδες εφοδιασμού τους και σε ποια κλίμακα.
Ο παραγωγός καφέ Jacobs Douwe Egberts ενσωμάτωσε ένα φιλικό προς τον χρήστη chatbot αναβαθμίστε το λογισμικό σχεδιασμού ζήτησης του Garvis σε ένα επιτυχημένο πιλοτικό έργο στα μέσα του 2023. Με αυτό, οι τυχαίοι υπάλληλοι λαμβάνουν ακριβείς και προσβάσιμες απαντήσεις, για παράδειγμα, στις οικονομικές και υλικοτεχνικές επιπτώσεις μιας διαφημιστικής καμπάνιας.
Τα μεγαλύτερα εμπόδια
Το μεγαλύτερο εμπόδιο για υιοθέτηση της παραγωγικής τεχνητής νοημοσύνης σε όλη την επιχείρηση είναι η απαραίτητη εναρμόνιση του υποκείμενου λογισμικού της εφοδιαστικής αλυσίδας και των δεδομένων που παράγονται. Επιπλέον, είναι απαραίτητο να υπάρχει τεχνολογία κρυπτογράφησης για να αποτραπεί η διαρροή εταιρικών δεδομένων στη δημόσια εφαρμογή του OpenAI.
Επίσης, το κόστος αδειοδότησης της γενετικής τεχνητής νοημοσύνης μπορεί να είναι τεράστιο. Μια εταιρική άδεια ChatGPT κοστίζει πάνω από 9,000 $ για 60 χρήστες, με επιπλέον κόστος για κάθε ερώτημα («προτροπή»). Εάν οι μισές από όλες τις εταιρείες υιοθετήσουν πραγματικά τη γενετική τεχνητή νοημοσύνη, προβλέπω ότι αυτή η φούσκα θα σκάσει το επόμενο έτος λόγω του υπερβολικά υψηλού κόστους και των απογοητευτικών εσόδων.
Προσωπικά, βλέπω τις μεγαλύτερες δυνατότητες στην εφοδιαστική αλυσίδα στη λεγόμενη «στενή» τεχνητή νοημοσύνη. Η ελβετική start-up Afflux, που γεννήθηκε από το τεχνικό πανεπιστήμιο EPFL στη Λωζάνη, έχει ήδη ολοκληρώσει μια ολόκληρη σειρά επιτυχημένων έργων τεχνητής νοημοσύνης στην αλυσίδα εφοδιασμού χρησιμοποιώντας το συνδυασμό ενός μοντέλου προσομοίωσης και αλγορίθμων βελτιστοποίησης. Με την ακριβή μοντελοποίηση μιας υπάρχουσας γραμμής παραγωγής σε ένα μοντέλο προσομοίωσης και στη συνέχεια χρησιμοποιώντας διάφορους αλγόριθμους για τη βελτιστοποίηση του προγραμματισμού παραγωγής, έχουν πραγματοποιηθεί βελτιώσεις παραγωγικότητας μεταξύ 10 και 30%.
Προσαρμοσμένη μοντελοποίηση
Το τυπικό λογισμικό για τον προγραμματισμό παραγωγής έχει συχνά μόνο πέντε ή δέκα τεχνικούς περιορισμούς, ενώ ένα μοντέλο προσομοίωσης μπορεί να προσεγγίσει την πραγματικότητα με πολλά περισσότερα σημεία συμφόρησης με ακρίβεια έως και 99%. Αυτά τα ψηφιακά δίδυμα γραμμών παραγωγής και δικτύων διανομής θα είναι οι πιο επιτυχημένες εφαρμογές τεχνητής νοημοσύνης στις αλυσίδες εφοδιασμού. Ωστόσο, απαιτούν προσαρμοσμένη μοντελοποίηση.
Martijn Lofvers, Chief Trendwatcher Supply Chain Media
martijn.lofvers@supplychainmedia.nl
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
- PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
- PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
- πηγή: https://www.supplychainmovement.com/winning-artificial-intelligence/
