인공 지능은 스마트폰과 사물 인터넷을 지원하면서 일상 생활의 일부가 되고 있습니다. 그러나 그것이 무엇인지, 어떻게 작동하는지, 더 중요한 것은 조달에 왜 그렇게 중요한지 이해하는 사람은 거의 없습니다.
이 문서는 이러한 질문에 답하고 구체적으로 다음과 같은 이점을 설명합니다. 구매 다음 체크리스트를 처리하여 프로세스:
체크리스트
- 인공 지능 또는 AI 란 무엇입니까?
- 어떤 유형의 AI가 사용되나요? 지도형 또는 비지도형?
- 어떤 AI 모델이 애플리케이션을 지원합니까?
- 모델의 정확도는 무엇입니까?
- 결과의 정확도는 무엇입니까?
- 훈련하는 데 시간이 얼마나 걸립니까?
- 얼마나 많은 SME 리소스가 필요합니까?
- 예상되는 이점은 무엇입니까?
인공 지능 또는 기계 학습이란 무엇입니까
옥스포드 영어 사전은 다음을 정의합니다. 인공 지능 (AI) 시각적 인식, 음성 인식, 의사 결정 및 번역과 같이 일반적으로 인간 지능이 필요한 작업을 수행할 수 있는 컴퓨터 시스템의 이론 및 개발 언어.
조달 부서의 많은 사람들에게 데이터 과학에서 사용되는 언어는 혼란스러울 수 있습니다. 단순히 AI에 의해 구동된다는 말로 설명하는 것이 훨씬 간단합니다.
그러나 대규모 기술 혁신 프로젝트에 투자할 때는 프로세스의 어떤 요소가 AI에 의해 구동되고 AI 자체가 어떻게 작동하는지 아는 것이 중요합니다. 무슨 힘 인공 지능 ?
인공 지능 또는 기계 학습은 일반적으로 두 가지 범주로 분류됩니다.
감독 학습
- 컴퓨터에는 예제 입력과 원하는 출력이 제공됩니다. "교사" 또는 "훈련 세트" 데이터는 다음과 같은 일반 규칙을 설정하는 데 사용됩니다. 지도 입력에서 출력으로.
감독되지 않은 학습
- 학습 알고리즘에 레이블이 지정되지 않아 입력에서 구조를 독립적으로 찾을 수 있습니다. 비지도 학습은 데이터에서 숨겨진 패턴을 발견하는 효과적인 방법이 될 수 있습니다.
비지도 학습과 지도 학습 모두 다양한 개체에 대한 기본 행동 프로파일을 설정하는 데 사용할 수 있으며, 이를 통해 의미 있는 통찰 및 이상 징후를 찾을 수 있습니다. 조달 분야 내 데이터 분석, 기계 학습은 다음 작업 또는 프로세스에 적합한 복잡한 모델 및 알고리즘을 고안하는 데 사용되는 방법입니다.
- 재고 관리
- 인보이스 결제 - 인보이스 사기
- 공급 업체 관계 관리
- 판매 파이프 라인
- 마케팅 분석
- 고객 세분화
- 정시 배달
- 운영 KPI
- 공급업체 온보딩
- 지출 분석
'Powered by AI'는 디지털 변환 솔루션의 이점과 장점을 판매하는 데 사용되는 일반적인 기능 또는 용어입니다. 이러한 분석 모델의 목표는 조달 팀에 신뢰할 수 있고 반복 가능한 결정을 제공하고 데이터의 과거 관계 및 추세에서 학습하는 것입니다. 따라서 AI가 어떻게 작동하고 무엇이 AI에 동력을 공급하는지에 대한 일반적인 이해를 갖는 것이 중요합니다.
AI의 진정한 힘은 무엇입니까?
AI 이면의 힘은 일련의 구조화된 학습 알고리즘 또는 입력 데이터를 분석하는 데 사용되는 코드입니다. 종종 R 또는 Python과 같은 오픈 소스 코딩 소프트웨어는 이러한 소프트웨어 모델이 사용하는 AI 기능을 개발하는 데 사용됩니다. 이러한 애플리케이션 내에는 AI를 "강화"하는 데 사용할 수 있는 여러 모델 또는 라이브러리가 있습니다.
다음은 Power AI가 사용하는 가장 인기 있는 결정 라이브러리 목록입니다.
- 의사 결정 트리 학습
- 연관 규칙 학습
- 인공 신경망
- 깊은 학습
- 유도 논리 프로그래밍
- 서포트 벡터 머신
- 클러스터링
- 베이지안 네트워크
AI 투명성
AI 모델에 대한 비판은 비행기 비행 기록 장치에 비유한 "블랙박스"라는 용어입니다. AI 모델이 항상 투명한 것은 아닙니다. 결과를 도출한 방법과 계산 또는 예측이 정확히 어떻게 이루어졌는지 이해하기 어려울 수 있습니다.
AI 모델 구성 및 정확성
모델은 95% 이상의 정확도를 가질 수 있으며 안정적인 기능을 생성하기 위해 epoch(s)라는 여러 반복을 사용하여 최적화할 수 있습니다. 이것 모델의 출력이 정확하다는 의미는 아닙니다., 단순히 모델 자체가 안정적이고 제대로 작동한다는 것입니다.
데이터 교육 및 검증 시간
모델을 완성하는 데 몇 시간이 걸릴 수 있습니다. 그러나 정확한 결과를 얻고 모델이 과적합될 위험이 있는 데 며칠 또는 몇 달이 걸릴 수 있습니다. 또한 결과를 검증하기 위해 사전에 전문 주제 리소스를 별도로 확보해야 할 수도 있습니다.
정확도는 매우 중요하며 많은 경우 훈련 데이터 세트 자체에 따라 달라집니다. 데이터 편향이 없는지 확인하기 위해 훈련 세트를 신중하게 고려해야 합니다. 편향은 하나 이상의 그룹이 다른 그룹보다 더 자주 등장하고 결과를 왜곡하여 편향을 생성할 때 발생합니다.
그러나 미리 정의되고 수동 작업을 복제하는 로봇 프로세스 자동화라는 흐름 프로세스를 사용하는 반복 작업은 업로드 속도를 높이고 프로세스를 매끄럽게 하며 매우 정확한 결과를 생성합니다.
인공지능의 힘 요약
대부분의 조달 전문가에게 이러한 모델은 복잡해 보입니다. 초기에 고도로 숙련된 데이터 엔지니어링 및 데이터 과학 전문가가 코드를 작성해야 하는 모델은 생산 비용이 많이 듭니다. 많은 사람들에게 AI는 다양한 성공 사례와 조달 이점을 통해 XNUMX년 전 빅 데이터를 주도했던 것과 동일한 정서를 반영합니다.
마케팅 과대 광고와 가려진 기술 "블랙박스" 솔루션의 확산으로 인해 AI가 어떻게 구동되는지에 대한 사실 확인 및 명확한 답변을 얻는 것이 그 어느 때보다 중요합니다.
조달 디지털 혁신의 목표는 현재 운영에 영향을 미치지 않고 원활하게 혜택을 제공하는 기술을 사용하여 작업과 프로세스를 보다 효율적으로 수행하는 것입니다. 많은 소싱 결정과 마찬가지로 이해하는 것이 중요합니다. AI의 이점, 조달 사례 및 투자 수익.
저자에 관하여
Edward McGeachie는 Schlumberger, IBM 및 Lenovo PC 사업부에서 25년 이상의 조달 및 공급망 경험을 보유하고 있습니다. 그는 Lenovo GSC 공급망 분석을 위한 우수 센터를 설립하기 전에 글로벌 조달, 운영 및 물류 팀을 관리했습니다.
Seaforth Analytical Services의 공동 설립자, 영국에 본사를 둔 Supply Chain Analytics Company. 그는 산업 공학에서 MBA 및 B.Eng.(hons)를 보유하고 있으며 린 식스 시그마에서 인증된 블랙 벨트이기도 합니다.
그는 위에서 설명한 프로세스의 혼합을 사용하여 혁신적인 지출 분석 플랫폼을 개발했습니다. 가속화된 통찰력 ® .
추가 자료
Microsoft Azure 와 구글 텐서플로우 AI를 코딩하는 방법을 조사하기에 좋은 장소이기도 합니다.
What Powers Artificial Intelligence 기사 및 게시 권한은 myseaforth.com에서 Edward McGeachie가 제공했습니다. 원래 Supply Chain Game Changer용으로 작성되었으며 11년 2021월 XNUMX일에 게시되었습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 자동차 / EV, 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 차트프라임. ChartPrime으로 트레이딩 게임을 향상시키십시오. 여기에서 액세스하십시오.
- BlockOffsets. 환경 오프셋 소유권 현대화. 여기에서 액세스하십시오.
- 출처: https://supplychaingamechanger.com/what-powers-artificial-intelligence-ai-a-guide-to-procurement/
