Est-ce que ça ressemble au hip-hop ? Le jazz? Un cha-cha ? La glissière? Personne ne le sait, mais lors de mes discussions, les chefs d’entreprise conviennent que l’intelligence artificielle (IA) est là, et que l’impact prévu sur la technologie de la chaîne d’approvisionnement est imminent, envoyant l’industrie dans des évolutions très différentes. À quelle vitesse cela transformera-t-il le travail, personne ne le sait, mais l’enthousiasme règne.

Par Lora Cecere

Traditionnellement, les fournisseurs de technologies de chaîne d’approvisionnement évoluent lentement, et les chefs d’entreprise évoluent à un rythme encore plus lent (vitesse de glacier) pour réviser leurs pratiques de travail. Pour moi, c’est comme regarder la peinture sécher en hiver. Pouvons-nous surcharger cela ? Je pense peut etre.

Pendant que les équipes agitent la main et parlent numérique, je trouve que les idées de projets numériques manquent de définition, de clarté du processus et de succès. (Nos recherches montrent que les projets n'ont pas réussi à générer de la valeur dans 75 % des entreprises.) L'industrie a commencé à parler de numérique en 2012, mais aujourd'hui, il s'agit encore d'un concept amorphe. (Ma première présentation sur la chaîne d'approvisionnement numérique a eu lieu à Milan lors d'une conférence SAP Insider en 2012.) Si nous regardons l'ensemble de la décennie, la plus grande valeur s'est produite lorsque les dirigeants d'entreprise ont fait de petits pas dans l'analyse visuelle et l'ont malheureusement appelé numérique.

Alors d’où viendra l’innovation ? Les nouvelles start-ups et les entreprises innovatrices susciteront de nouveaux projets et idées. Au début, ce sera lent (comme une valse maladroite). Le rythme va alors s’accélérer. Peut-être un boogie ?

Qu’est-ce que l’IA ? En quoi est-ce important?

Commençons par une définition claire. Je définis l'intelligence artificielle (IA) comme la capacité informatique à effectuer des tâches humaines qui nécessitent l'intelligence et le discernement humains. L’apprentissage automatique et l’IA sont différents : l’apprentissage automatique est un moyen d’enseigner l’ordinateur. L’IA et l’apprentissage automatique ne sont pas identiques. L’apprentissage automatique est un moyen pour parvenir à une fin.

Le chemin à parcourir est semé d’embûches. Les résultats de l’IA, tout comme la pensée humaine, sont souvent imparfaits. Au sein d’une organisation, la pensée informatique peut être rongée par des préjugés politiques. Le degré d’erreur et de biais dépend des entrées et du raffinement du modèle. Le contrôle des erreurs et des biais est important en raison de la vitesse de calcul. Attachez votre ceinture de sécurité : l’IA mettra la prise de décision en matière de chaîne d’approvisionnement sous stéroïdes. Le problème est d’aider les modèles à faire le tri entre les inexactitudes et les biais.

Les modèles d’IA généraux comme ChatGPT font le buzz, mais le plus grand progrès pour la chaîne d’approvisionnement se produit dans le monde de l’IA étroite pilotée par l’apprentissage profond. L’IA étroite permet d’obtenir des informations basées sur des données disparates. Je regrette que les technologues et les chefs d’entreprise remplacent l’optimisation traditionnelle par de nouveaux modèles basés sur une IA étroite, sans remettre en question les taxonomies ou les définitions actuelles de la planification. Mon analogie consiste à mettre un nouveau moteur dans un vieux tacot.

Je suis satisfait de l'investissement dans des modèles de données sémantiques, ou ontologies, pour compléter les déploiements de graphes. Utilisant un graphe de connaissance (par rapport à un modèle de base de données relationnelle), les entreprises peuvent analyser les changements dans les réseaux relationnels, au lieu de voir les données dans des tableaux séparés. Le graphe de connaissances permet de visualiser les connexions entre les points de données qui autrement ne pourraient pas être visualisées.

Nous sommes loin d’une super intelligence où les machines seraient conscientes d’elles-mêmes.

Mes amis de la Silicon Valley qui travaillent avec des investisseurs en capital-risque sont tous en effervescence avec les cas d'utilisation. Le problème pour moi, ainsi que pour beaucoup de mes lecteurs, est que les travaux sur les cas d’utilisation de la chaîne d’approvisionnement sont rares. La crainte réside dans la volonté d’adoption d’une industrie à la traîne, dans laquelle seulement 3 % des fabricants sont des adopteurs précoces.

Quelle sera la valeur ?

Si nous sommes ouverts aux opportunités et prêts à admettre que les taxonomies actuelles de planification de la chaîne d’approvisionnement et l’utilisation des données sont héritées, les entreprises font le premier pas pour générer de la valeur dans cinq domaines :

• Détectez et répondez. Aujourd’hui, les entreprises investissent dans les réseaux pour améliorer la détection. Malheureusement, les entreprises se retrouvent noyées sous les données et manquent d’informations. Le problème est le manque de couche sémantique. Les déploiements technologiques traditionnels d’ERP et d’APS augmentent l’effet coup de fouet et allongent la latence des processus. Malheureusement, les entreprises dépensent beaucoup d’argent pour prendre des décisions tardives sans savoir si c’était une bonne décision. Le coût élevé des stocks inflationnistes et la nécessité de réduire le fonds de roulement post-pandémie incitent les entreprises à mieux utiliser les données des réseaux.
• Gestion de la relation. Aujourd’hui, les entreprises sont aveugles aux flux relationnels au sein de leurs réseaux. Les principaux investissements concernent des réseaux aux capacités limitées basés sur l'EDI et la gestion des dépenses d'approvisionnement indirect. L’accent mis sur les processus internes vers l’extérieur constitue un obstacle à l’établissement de relations solides. Les investissements dans de nouvelles approches et le déploiement de processus externes permettent une détection plus rapide et une orchestration bidirectionnelle entre la source, la fabrication et la livraison. La visibilité des relations est également nécessaire dans la gestion des plans ESG.
• Redéfinition du travail en planification. Planification de la démocratisation. J'ai parlé la semaine dernière à une entreprise comptant plus de 700 planificateurs. (Dites-le encore, 700 planificateurs ? Yowza, comment est-ce arrivé ?) L'entreprise a défini la planification comme le temps de réagir dans un horizon à court terme de 3 à 12 semaines. Dans leur zèle à travailler dur et à réagir, ils perdent la vision des choix à long terme. La réactivité ne conduit pas à l’excellence de la chaîne d’approvisionnement. L’objectif doit être de ressentir et de réagir. L'entreprise m'a demandé, « Combien de planificateurs devraient-ils avoir ? » Ma réponse a été, « Êtes-vous prêt à redéfinir le travail ? Je crois que l'évolution de meilleurs moteurs, architectures et processus externalisés a le potentiel de réduire le nombre de planificateurs de 85 à 90 %. Pour atteindre cet objectif, les entreprises doivent clarifier le rôle de la planification, la définition de l’excellence de la chaîne d’approvisionnement et démocratiser la planification. Cependant, si cette organisation demande à l’organisation actuelle de déployer des approches technologiques plus récentes, elle échouera. La raison? Les planificateurs combattront la redéfinition du travail.

Comment préparer mon équipe ?

Le point de départ de ce voyage est de définir clairement l’excellence de la chaîne d’approvisionnement. L'excellence fonctionnelle déséquilibre la chaîne d'approvisionnement, augmente le gaspillage et diminue la marge. Les taxonomies de planification traditionnelles se concentrent sur l'optimisation des métriques fonctionnelles. La première étape consiste à définir l’excellence de la chaîne d’approvisionnement de manière interfonctionnelle et à aligner les moteurs et les taxonomies pour améliorer l’efficacité du bilan. L'amélioration des coûts n'améliore pas nécessairement la marge.

La deuxième étape consiste à stimuler l’apprentissage organisationnel sur les nouvelles technologies et l’art du possible. Arrêtez les stupides appels d’offres qui circulent dans l’industrie. Au lieu de cela, associez-vous à quelques technologues pour tester et apprendre. Ne limitez pas ce travail en forçant le projet à avoir un retour sur investissement défini.

La troisième étape consiste à élaborer un plan futur sur les processus externes et l'utilisation du marché (données des canaux et des fournisseurs) pour piloter l'orchestration bidirectionnelle de bout en bout. Il n'existe pas encore de technologies sur le marché pour permettre cette vision, mais l'intérêt est grand et les technologies sont plus prêtes à piloter les cas d'utilisation. La barrière est le désapprentissage. En août, j'emmènerai trois cohortes dans une classe virtuelle où nous définirons un processus externe, catégoriserons les données, alignerons les technologies tout en définissant des cas d'utilisation/vision potentiels. J'ai hâte de partager davantage les idées de 140 étudiants virtuels fin août.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Automobile / VE, Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• Décalages de bloc. Modernisation de la propriété des compensations environnementales. Accéder ici.
• La source: https://www.supplychainmovement.com/the-dance-with-ai/