Quelle sera l’application la plus réussie de l’intelligence artificielle (IA) dans la chaîne d’approvisionnement ? Depuis que le fournisseur informatique OpenAI a lancé ChatGPT en novembre 2022, il y a eu un véritable battage médiatique autour de l'IA générative. Selon une étude récente du cabinet d'analyse Gartner, la moitié des responsables de la chaîne d'approvisionnement prévoient d'adopter l'IA générative (GenAI) cette année. Cependant, ils n’ont probablement pas encore d’idée concrète sur la manière de déployer de manière significative cette application d’IA génératrice de texte et de code, entraînée par un grand modèle de langage, dans leurs chaînes d’approvisionnement et à quelle échelle.
Le producteur de café Jacobs Douwe Egberts a intégré un chatbot convivial dans mettre à l'échelle le logiciel de planification de la demande de Garvis dans le cadre d'un projet pilote réussi à la mi-2023. Grâce à lui, des employés aléatoires obtiennent des réponses précises et accessibles, par exemple sur les implications financières et logistiques d'une campagne promotionnelle.
Les plus gros obstacles
Le plus grand obstacle à adoption de l’intelligence artificielle générative à l’échelle de l’entreprise est l’harmonisation nécessaire du logiciel sous-jacent de la chaîne d’approvisionnement et des données générées. De plus, il est nécessaire de disposer d'une technologie de cryptage pour empêcher les données de l'entreprise de fuir dans l'application publique d'OpenAI.
En outre, les coûts de licence de l’IA générative peuvent être énormes. Une licence d'entreprise ChatGPT coûte plus de 9,000 60 $ pour XNUMX utilisateurs, avec en plus des coûts supplémentaires pour chaque requête (« invite »). Si la moitié des entreprises adoptent réellement l’IA générative, je prévois que cette bulle éclatera l’année prochaine en raison de coûts exorbitants et de revenus décevants.
Personnellement, je vois le plus grand potentiel de la chaîne d'approvisionnement dans l'IA dite « étroite ». La start-up suisse Afflux, née de l'EPFL de Lausanne, a déjà réalisé avec succès toute une série de projets d'IA dans la supply chain en combinant un modèle de simulation et des algorithmes d'optimisation. En modélisant avec précision une ligne de production existante dans un modèle de simulation, puis en utilisant divers algorithmes pour optimiser la planification de la production, des améliorations de productivité allant jusqu'à 10 à 30 % ont été réalisées.
Modélisation sur mesure
Les logiciels standard de planification de la production ne comportent souvent que cinq ou dix contraintes techniques, alors qu'un modèle de simulation peut se rapprocher de la réalité avec bien plus de goulots d'étranglement avec une précision allant jusqu'à 99 %. Ces jumeaux numériques des lignes de production et des réseaux de distribution seront les applications d’IA les plus performantes dans les chaînes d’approvisionnement. Ils nécessitent cependant une modélisation personnalisée.
Martijn Lofvers, chef de la veille des tendances, médias de la chaîne d'approvisionnement
martijn.lofvers@supplychainmedia.nl
- 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. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- La source: https://www.supplychainmovement.com/winning-artificial-intelligence/
