الذكاء الاصطناعي لسلسلة التوريد: البدء في 5 خطوات

لقد أثار الذكاء الاصطناعي في سلسلة التوريد قدرًا كبيرًا من الإثارة والصدمة والخوف خلال العام الماضي. من ابتكارات الذكاء الاصطناعي التوليدية مثل دردشةGPT إلى أحداث الصناعة والمحللين وقصص وسائل الإعلام، يتم اختبار كل قائد أعمال - بدءًا من رؤيتهم وثقتهم في التكنولوجيا وحتى الاستعدادات الداخلية ودمج الذكاء الاصطناعي في عمليات سلسلة التوريد.

السبب الرئيسي لمثل هذه المجموعة من المشاعر ينبع من عدم معرفة كيفية اعتماد تطورات الذكاء الاصطناعي. في إحدى ندواتنا الإلكترونية الأخيرة، a يظهر الاستطلاعd 76% من الحضور كانوا في المرحلة التعليمية لاعتماد الذكاء الاصطناعي التوليدي في شركاتهم. بالإضافة إلى ذلك، أظهر استطلاع آخر، بعد شهر واحد فقط، أن 31% من الحاضرين ذكروا أنهم إما يطورون مقترحات للبدء أو يقومون حاليًا باختبار الطيارين الذين يدمجون الذكاء الاصطناعي في شركاتهم.

وبالنظر إلى المرحلة التي وصلت إليها معظم الشركات في رحلة الذكاء الاصطناعي لسلسلة التوريد، فإن هذا المزيج من الإثارة والخوف ليس مفاجئًا. تتميز هذه المرحلة غالبًا بمجموعة من الأسئلة التي يصعب الإجابة عليها، بما في ذلك:

• كيف يمكننا الوثوق بالمعلومات التي ينتجها الذكاء الاصطناعي التوليدي والتحقق من صحتها؟
• كيف يمكن لمؤسستنا الاستعداد بشكل أفضل لقدرات الذكاء الاصطناعي الحالية والمستقبلية؟
• كيف يمكننا المضي قدمًا عندما تكون الموارد الداخلية محدودة - من المخططين إلى علماء البيانات؟

للتغلب حقًا على هذه العقبة الشائعة أمام التبني، يجب على قادة الأعمال فهم الفرق بين الذكاء الاصطناعي التوليدي والتعلم الآلي ومعرفة حالات الاستخدام التي تحقق أكبر تأثير ممكن.

الاختلافات بين الذكاء الاصطناعي التوليدي والتعلم الآلي

يرتبط الذكاء الاصطناعي التوليدي والتعلم الآلي ارتباطًا وثيقًا بالمجال الأوسع للذكاء الاصطناعي. ومع ذلك، هناك اختلافات حاسمة بين الاثنين: أهدافهم ومخرجاتهم الأساسية. على عكس التعلم الآلي، الذي يركز في الغالب على المهام، فإن الذكاء الاصطناعي التوليدي يدور حول إنشاء محتوى أصلي لا يرتبط بالضرورة بشكل مباشر ببيانات إدخال محددة ولكنه بدلاً من ذلك يتعلم البنية الأساسية لإنتاج نتائج جديدة مماثلة.

التعلم الآلي هو فرع يتضمن الخوارزميات والنماذج الإحصائية التي تمكن أجهزة الكمبيوتر من تحسين أدائها في مهمة ما من خلال الخبرة أو البيانات. تشمل التكنولوجيا تقنيات مختلفة للتعلم من البيانات المصنفة أو غير المنظمة للتنبؤ أو التصنيف بناءً على بيانات معينة، واتخاذ القرارات أو الاستدلالات، وتدريب النماذج لأداء المهام. يتعلم النظام بعد ذلك الأنماط ويقوم بالتنبؤات أو القرارات بناءً على البيانات المقدمة، مع التركيز بشكل أساسي على مهام محددة مثل التصنيف أو الانحدار أو التجميع.

الذكاء الاصطناعي التوليديمن ناحية أخرى، هي مجموعة فرعية من التعلم العميق الذي يتعامل مع إنشاء محتوى أو بيانات جديدة بناءً على البيانات المصنفة وغير المسماة. يركز هذا الحقل في المقام الأول على إنشاء محتوى جديد - بما في ذلك الصور أو النصوص أو الصوت أو مقاطع الفيديو - التي ربما لم تكن جزءًا من مجموعة البيانات الأصلية بناءً على الأنماط والمعلومات التي تم تعلمها وإعادة إنشائها من البيانات المدخلة.

تعد معرفة هذه الاختلافات بين التقنيتين أمرًا محوريًا للشركات التي تهدف إلى الاستفادة من الذكاء الاصطناعي بشكل فعال. ولكن يجب أيضًا الاعتراف بالعلاقة التكاملية بين الاثنين، خاصة وأن التقدم في أحدهما يفيد الآخر في نهاية المطاف ويساهم في التطوير الأوسع للتطبيقات المتطورة.

خمس طرق لبدء رحلتك

يعد اتباع نهج منظم للشروع في رحلة الذكاء الاصطناعي لسلسلة التوريد أمرًا ضروريًا للانتقال السلس. تحتاج الشركات إلى تحديد الأهداف، والحصول على الأدوات والتكنولوجيا المناسبة، وإعداد البنية التحتية للبيانات، وتنفيذ نماذج الذكاء الاصطناعي، وتحسين النظام بشكل مستمر.

فيما يلي خمس حالات استخدام محورية لاعتماد الذكاء الاصطناعي والتي يمكن تحقيقها الطلب على الذكاء الاصطناعي+ و الجردAI + حلول. هذه السيناريوهات لا تظهر فقط التأثير المحتمل لـ الذكاء الاصطناعي الأول لتخطيط سلسلة التوريد ولكن أيضًا إظهار تطبيقات متعددة الاستخدامات وبعيدة المدى عبر جوانب الأعمال المختلفة.

1. استشعار الطلب

تتيح الرؤية في الوقت الفعلي والرؤى المتعلقة بالطلب على المدى القصير تحسين مستويات الخدمة وزيادة دقة التنبؤ. تقوم هذه القدرة بترجمة معلومات الطلب المستندة إلى السوق للسماح لمؤسسات سلسلة التوريد باكتشاف أنماط الشراء قصيرة المدى. ويمكن بعد ذلك الاستفادة من التقنيات الرياضية الجديدة وإشارات الطلب في الوقت الفعلي تقريبًا لتحسين استجابة سلسلة التوريد تغييرات الطلب غير المخطط لها – فرصة تحويلية لأي شركة.

2. التنبؤ السببي

ويعمل التنبؤ السببي المبني على عزل إشارات الطلب الفعلية عن "ضجيج" السوق. من خلال الجمع بين التعلم الآلي وتقنيات الذكاء الاصطناعي التوليدي، يمكنه الكشف عن الأنماط المعقدة التي غالبًا ما يتم تفويتها، مما يساعد متخصصي سلسلة التوريد على التركيز على البيانات الأكثر أهمية لأعمالهم وعملائهم والنمو الإجمالي.

3. تقديم منتجات جديدة

قد يكون التنبؤ بمقدمات المنتجات الجديدة بدون تاريخ مبيعات أمرًا صعبًا، ولكن الذكاء الاصطناعي يمكن أن يكون أداة قيمة للمساعدة في جعل هذه التنبؤات أكثر دقة. يمكن لأنظمة سلسلة التوريد التعلم من الطلب المتطور في الوقت الفعلي لإنتاج توقعات أكثر دقة بجهد أقل بكثير. وبعد ذلك، بمرور الوقت، تصبح خطط سلسلة التوريد النهائية أكثر تحديدًا - مما يؤدي إلى زيادة الربحية، وزيادة رضا العملاء، وتحسين التزامن بين شركاء سلسلة التوريد.

4. تحسين المخزون

يوفر تطبيق الذكاء الاصطناعي لإدارة المخزون رؤى فورية حول أداء المخزون مقابل الخطة. يفتح هذا النوع من التحليلات الذكية الباب أمام مراكز مخزون أكثر ربحية مع إعطاء مخططي سلسلة التوريد تنبيهات في الوقت الفعلي ورؤية فورية للاستثناءات والحل المقترح للمشكلات.

والأفضل من ذلك، مع التسجيل الذكي، يطبق السيناريو الذكي الأولويات الاقتصادية للتركيز بشكل أكبر على الفرص الأكثر أهمية ــ في نهاية المطاف، الحد من المخزونات المتضخمة مع زيادة مستويات الخدمة وتجنب العجز. علاوة على ذلك، يمكن لإمكانيات تخطيط المخزون أتمتة تحديد أفضل سياسة مخزون لكل SKU في كل موقع تخزين بناءً على أحدث المعلومات. تتضمن هذه البيانات الطلب، وتقلب الطلب، وتقلب العرض، والمدة الزمنية بين المرافق، والمخزون المحتفظ به في مواقع تخزين بديلة، وأنواع المخزون في كل منشأة.

يمكن لمخططي سلسلة التوريد أيضًا الاستفادة من ميزة سياسات المخزون المؤتمتة بالذكاء الاصطناعي لتحديد المنتجات التي تواجه طلبًا متقطعًا أو "متكتلًا"، مثل نطاقات الحجم الواسعة أو قطع الغيار أو المعدات الصناعية. يسمح هذا النهج لسلاسل التوريد بتطبيق تكتيك تخطيط التجديد العشوائي الذي يمكن أن يؤدي إلى تحسينات على مستوى الخدمة بين 9% و27% مع خفض مستويات المخزون والتكاليف اللوجستية.

5. تحسين الشبكة

إن التعقيدات في تدفقات شبكة سلسلة التوريد اليوم لا تعيق المراقبة والإدارة الفعالة لحركات البضائع فحسب، بل تزيد أيضًا من تعرض سلسلة التوريد للكوارث الطبيعية والتوترات الجيوسياسية التي يمكن أن تزيد من تعقيد انقطاع التسليم.

يمكن للنهج المبتكر لتحسين الشبكة معالجة هذه المشكلة الشائعة من خلال إنشاء توأم رقمي لسلسلة التوريد بسرعة. من خلال استخدام الذكاء الاصطناعي التوليدي لاستكشاف السيناريوهات المستقبلية المحتملة، تمكن هذه الإستراتيجية مخططي سلسلة التوريد من تحليل وتقييم التكوينات المختلفة التي يمكنها إدارة التكاليف بشكل فعال، وتحسين الخدمة، والمواءمة مع أهداف خفض الانبعاثات. بالإضافة إلى ذلك، يمكن للمخططين محاكاة وتقييم سيناريوهات متنوعة، مما يسمح باتخاذ قرارات استباقية وتخطيط استراتيجي للتغلب على تعقيدات مشهد سلسلة التوريد الحديثة.

طريق سلس نحو تحول الأعمال الحقيقي القائم على الذكاء الاصطناعي أولاً

ومن خلال إدراك العلاقة الفريدة والتكاملية بين التعلم الآلي والذكاء الاصطناعي التوليدي، تتمتع مؤسسات سلسلة التوريد بفرصة فريدة من نوعها لتوجيه شركاتها إلى عصر جديد من ذكاء البيانات. ولا يمكنهم التعامل مع تعقيدات سلاسل التوريد الحديثة فحسب، بل يمكنهم أيضًا تحسين الكفاءة وإدارة التكاليف وتعزيز مستويات الخدمة وإنشاء مستقبل أكثر استدامة لسلسلة التوريد الخاصة بهم والأعمال التجارية بشكل عام.