Vilken kommer att vara den mest framgångsrika tillämpningen av artificiell intelligens (AI) i leveranskedjan? Sedan IT-leverantören OpenAI lanserade ChatGPT i november 2022 har det varit en rejäl hype kring generativ AI. Enligt nyligen genomförd forskning från analytikerföretaget Gartner, förväntar hälften av cheferna för leveranskedjan att anta generativ AI (GenAI) i år. Men de har förmodligen ännu inte en konkret uppfattning om hur man på ett meningsfullt sätt kan distribuera denna text- och kodgenererande AI-applikation, utbildad av en stor språkmodell, i sina leveranskedjor och i vilken skala.
Kaffeproducenten Jacobs Douwe Egberts integrerade en användarvänlig chatbot i skala upp Garvis mjukvara för efterfrågeplanering i ett framgångsrikt pilotprojekt i mitten av 2023. Med den får slumpmässiga medarbetare korrekta och tillgängliga svar på till exempel de ekonomiska och logistiska konsekvenserna av en kampanj.
Största hindren
Det största hindret för företagsomfattande användning av generativ artificiell intelligens är den nödvändiga harmoniseringen av den underliggande programvaran för leveranskedjan och de data som genereras. Dessutom är det nödvändigt att ha krypteringsteknik för att förhindra att företagsdata läcker in i OpenAI:s publika applikation.
Dessutom kan licenskostnaderna för generativ AI vara enorma. En ChatGPT-företagslicens kostar uppemot $9,000 60 för XNUMX användare, med extra kostnader för varje fråga ('prompt') utöver det. Om hälften av alla företag verkligen använder generativ AI, förutser jag att denna bubbla spricker nästa år på grund av orimligt höga kostnader och nedslående intäkter.
Personligen ser jag den största potentialen i försörjningskedjan i så kallad 'smal' AI. Schweiziska nystartade Afflux, född från EPFL tekniska universitetet i Lausanne, har redan genomfört en hel rad framgångsrika AI-projekt i försörjningskedjan genom att använda kombinationen av en simuleringsmodell och optimeringsalgoritmer. Genom att noggrant modellera en befintlig produktionslinje i en simuleringsmodell och sedan använda olika algoritmer för att optimera produktionsschemaläggningen har produktivitetsförbättringar på mellan så mycket som 10 till 30 % realiserats.
Skräddarsydd modellering
Standardmjukvara för produktionsschemaläggning har ofta bara fem eller tio tekniska begränsningar, medan en simuleringsmodell kan approximera verkligheten med många fler flaskhalsar med upp till 99 % noggrannhet. Dessa digitala tvillingar av produktionslinjer och distributionsnätverk kommer att vara de mest framgångsrika AI-applikationerna i leveranskedjor. De kräver dock anpassad modellering.
Martijn Lofvers, Chief Trendwatcher Supply Chain Media
martijn.lofvers@supplychainmedia.nl
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
- PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
- Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
- PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
- Källa: https://www.supplychainmovement.com/winning-artificial-intelligence/
