Mikä on tekoälyn (AI) menestynein sovellus toimitusketjussa? Sen jälkeen kun IT-toimittaja OpenAI julkaisi ChatGPT:n marraskuussa 2022, generatiivisen tekoälyn ympärillä on ollut todellista hypeä. Analyytikkoyhtiö Gartnerin tuoreen tutkimuksen mukaan puolet toimitusketjun johtajista odottaa ottavansa generatiivisen tekoälyn (GenAI) käyttöön tänä vuonna. Heillä ei kuitenkaan todennäköisesti ole vielä konkreettista käsitystä siitä, kuinka tätä tekstiä ja koodia luovaa, suurella kielimallilla koulutettua tekoälysovellusta voidaan mielekkäästi ottaa käyttöön toimitusketjuissaan ja missä mittakaavassa.
Kahvintuottaja Jacobs Douwe Egberts integroi käyttäjäystävällisen chatbotin laajentaa Garvisin kysynnän suunnitteluohjelmistoa onnistuneessa pilottiprojektissa vuoden 2023 puolivälissä. Sen avulla satunnaiset työntekijät saavat tarkkoja ja helposti saatavilla olevia vastauksia esimerkiksi promootiokampanjan taloudellisiin ja logistisiin vaikutuksiin.
Suurimmat esteet
Suurin este generatiivisen tekoälyn käyttöönotto koko yrityksessä on taustalla olevan toimitusketjun ohjelmiston ja tuotettujen tietojen välttämätön yhdenmukaistaminen. Lisäksi salaustekniikkaa tarvitaan estämään yritystietojen vuotaminen OpenAI:n julkiseen sovellukseen.
Myös generatiivisen tekoälyn lisenssikustannukset voivat olla valtavat. ChatGPT-yrityslisenssi maksaa yli 9,000 60 dollaria XNUMX käyttäjältä, minkä lisäksi jokaisesta kyselystä ("kehote") aiheutuu lisäkustannuksia. Jos puolet kaikista yrityksistä todella ottaa käyttöön generatiivisen tekoälyn, odotan tämän kuplan puhkeavan ensi vuonna kohtuuttoman korkeiden kustannusten ja pettymysten tuottamien tulojen vuoksi.
Henkilökohtaisesti näen toimitusketjun suurimman potentiaalin niin kutsutussa "kapeassa" tekoälyssä. Sveitsiläinen start-up Afflux, joka syntyi EPFL:n teknisestä yliopistosta Lausannessa, on jo saanut päätökseen sarjan onnistuneita tekoälyprojekteja toimitusketjussa käyttämällä simulaatiomallin ja optimointialgoritmien yhdistelmää. Mallintämällä olemassa oleva tuotantolinja tarkasti simulaatiomallissa ja käyttämällä erilaisia algoritmeja tuotannon ajoituksen optimointiin, tuottavuuden parannuksia on saavutettu jopa 10-30 %.
Räätälöity mallinnus
Tuotannon ajoituksen vakioohjelmistolla on usein vain viisi tai kymmenen teknistä rajoitusta, kun taas simulaatiomalli pystyy lähentämään todellisuutta useammilla pullonkauloilla jopa 99 prosentin tarkkuudella. Nämä tuotantolinjojen ja jakeluverkkojen digitaaliset kaksoset ovat menestyneimmät tekoälysovellukset toimitusketjuissa. Ne vaativat kuitenkin räätälöityä mallintamista.
Martijn Lofvers, Trendwatcherin toimitusketjun päämedia
martijn.lofvers@supplychainmedia.nl
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://www.supplychainmovement.com/winning-artificial-intelligence/
