Hva vil være den mest vellykkede bruken av kunstig intelligens (AI) i forsyningskjeden? Siden IT-leverandøren OpenAI lanserte ChatGPT i november 2022, har det vært en skikkelig hype rundt generativ AI. I følge nyere undersøkelser fra analytikerfirmaet Gartner forventer halvparten av leverandørkjedene ledere å ta i bruk generativ AI (GenAI) i år. Imidlertid har de sannsynligvis ennå ikke en konkret idé om hvordan de kan distribuere denne tekst- og kodegenererende AI-applikasjonen, trent av en stor språkmodell, på en meningsfull måte i forsyningskjedene deres og i hvilken skala.
Kaffeprodusent Jacobs Douwe Egberts integrerte en brukervennlig chatbot i oppskalere Garvis' etterspørselsplanleggingsprogramvare i et vellykket pilotprosjekt i midten av 2023. Med den får tilfeldige ansatte nøyaktige og tilgjengelige svar på for eksempel de økonomiske og logistiske implikasjonene av en kampanjekampanje.
Største hindringer
Det største hinderet for virksomhetsomfattende bruk av generativ kunstig intelligens er den nødvendige harmoniseringen av den underliggende forsyningskjedeprogramvaren og dataene som genereres. I tillegg er det nødvendig å ha krypteringsteknologi for å forhindre at bedriftsdata lekker inn i OpenAIs offentlige applikasjon.
Dessuten kan lisenskostnadene for generativ AI være enorme. En ChatGPT-bedriftslisens koster oppover $9,000 60 for XNUMX brukere, med tilleggskostnader for hver spørring («prompt») i tillegg. Hvis halvparten av alle selskaper virkelig tar i bruk generativ kunstig intelligens, ser jeg for meg at denne boblen sprekker neste år på grunn av ublu kostnader og skuffende inntekter.
Personlig ser jeg det største potensialet i forsyningskjeden i såkalt 'smal' AI. Det sveitsiske oppstartsselskapet Afflux, født fra det tekniske universitetet EPFL i Lausanne, har allerede fullført en hel rekke vellykkede AI-prosjekter i forsyningskjeden ved å bruke kombinasjonen av en simuleringsmodell og optimaliseringsalgoritmer. Ved å nøyaktig modellere en eksisterende produksjonslinje i en simuleringsmodell og deretter bruke ulike algoritmer for å optimalisere produksjonsplanleggingen, har det blitt realisert produktivitetsforbedringer på mellom så mye som 10 til 30 %.
Skreddersydd modellering
Standard programvare for produksjonsplanlegging har ofte bare fem eller ti tekniske begrensninger, mens en simuleringsmodell kan tilnærme virkeligheten med mange flere flaskehalser med opptil 99 % nøyaktighet. Disse digitale tvillingene av produksjonslinjer og distribusjonsnettverk vil være de mest vellykkede AI-applikasjonene i forsyningskjeder. Imidlertid krever de tilpasset modellering.
Martijn Lofvers, Chief Trendwatcher Supply Chain Media
martijn.lofvers@supplychainmedia.nl
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
- PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
- PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
- PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
- kilde: https://www.supplychainmovement.com/winning-artificial-intelligence/
