Нейросети в цепочках поставок: игра продолжается

От поддержки принятия решений до обратной логистики — вот как ИИ активирует возможности цепочки поставок и выводит системы на новый уровень.

Нейросети в цепочках поставок изменяют систему закупок

Виктор Кущ, соучредитель & Технический директор Fairmarkit

Агентический ИИ может улучшить операционную модель и стратегическое влияние отдела закупок. В отличие от традиционных инструментов искусственного интеллекта, которые требуют вмешательства человека на каждом этапе, агентный искусственный интеллект представляет собой агентов, управляемых искусственным интеллектом, которые работают автономно, используя расширенные методы рассуждения и принятия решений для комплексного управления задачами по снабжению. Эти агенты не просто помогают в закупках — они реализуют стратегии, адаптируются к новым данным в режиме реального времени и оптимизируют результаты с минимальным контролем.

Агент ИИ может анализировать базы данных поставщиков, проверять кандидатов на соответствие стандартам, договариваться о ценах и завершать контракты. В результате функция закупок действует как ускоритель бизнеса, а не как узкое место.

Развитие агентного ИИ не заменит специалистов по закупкам; это переопределит их роль. Поскольку агенты ИИ возьмут на себя сложные задачи, команды по закупкам переключят свое внимание на стратегический надзор, принятие решений на основе ИИ и управление взаимоотношениями с поставщиками.

Агентический ИИ — это не просто автоматизация задач, это внедрение рассуждений на основе ИИ в закупки. Одним из наиболее ценных наборов навыков будет не проведение мероприятий по поиску поставщиков вручную, а разработка и оптимизация стратегий агентов ИИ для повышения эффективности бизнеса.

Агентический искусственный интеллект: использование интеллектуальных агентов для обработки и упрощения сложных данных. Способен адаптироваться и самостоятельно решать проблемы.

Начните с основ, чтобы раскрыть ценность

Шон Во, президент и технический директор Denim

По оценкам отчета McKinsey, искусственный интеллект может добавить 1,2 триллиона долларов в глобальные цепочки поставок. Но получение этой ценности зависит от того, как и где она применяется. В грузовой отрасли ИИ уже ускоряет повседневную работу: ускоряет расценки, интерпретацию документов и обеспечивает более быстрые и точные платежи. Но это не универсальный вариант.

Выбор подходящих инструментов ИИ для работы

Не все ИИ созданы равными. Некоторые системы следуют жестким правилам, другие анализируют прошлые данные, чтобы предсказать, что будет дальше, а некоторые понимают беспорядочную, неструктурированную информацию. Подумайте об этом так:

• Логика на основе правил обеспечивает согласованность и структурированность рабочих процессов
• Прогнозные модели поддерживают планирование с учетом исторических тенденций
• Языковые модели и агенты искусственного интеллекта обнаруживают аномалии в документах и данных произвольной формы

Вот три основных принципа эффективного использования искусственного интеллекта в грузовых операциях:

1. Начните с полезности, а не с возможности

Лучший способ оценить ИИ — это не спрашивать, на что он способен. Это вопрос о том, что сегодня тормозит работу вашей команды.

Наиболее эффективные варианты использования не пытаются сделать все. Они решают масштабные проблемы — например, интерпретируют противоречивую документацию, сокращают количество повторяющихся утверждений или помогают командам управлять рабочими процессами, которые плохо масштабируются с увеличением численности персонала.

Хорошая отправная точка: ищите задачи, которые являются объемными, повторяемыми и следуют общему шаблону, но все же время от времени требуют человеческого решения. Вот где ИИ имеет тенденцию проявлять себя.

2. Установите ограждения на ИИ

Системы искусственного интеллекта в сфере грузоперевозок часто используют конфиденциальные данные — все, от банковских реквизитов и счетов до тарифов клиентов и данных о загрузке. Вот почему безопасность и контроль — это не функции, которые нужно добавлять позже — они должны быть частью системы с первого дня.

Если вы создаете или покупаете ИИ для своего бизнеса, полезно задаться вопросом: какие данные будет использовать эта система? Можем ли мы объяснить, как принимаются решения? Как мы будем отслеживать его производительность, точность и справедливость с течением времени?

Одним из способов думать о безопасности ИИ является модель «швейцарского сыра». В одном уровне защиты могут быть дыры, но если сложить достаточно слоев — обучение, мониторинг, человеческий анализ, журналы аудита, — и эти пробелы начнут исчезать. Каждый уровень укрепляет систему. На практике это может включать:

• Обучение моделей ИИ с использованием соответствующих репрезентативных данных
• Мониторинг производительности по мере изменений
• Вовлечение человека в важные рабочие процессы
• Регистрация решений и результатов для прозрачности

Будь то проверка документа или проверка платежа, всегда должно быть понятно, что делает ИИ и почему.

3. Держите людей в курсе

ИИ может взять на себя большую часть повторяющейся работы, которая замедляет работу команды, но это не означает, что каждое решение должно быть полностью автоматизировано. Некоторые задачи, такие как обновление конфиденциальной платежной информации или проверка исключений, по-прежнему требуют человеческого контроля. Вот почему важно разрабатывать системы, которые поддерживают людей, а не полностью исключают их из процесса.

Один из полезных подходов — рассматривать ИИ как механизм рекомендаций. Он может обрабатывать данные, выявлять закономерности и обрабатывать рутинные случаи, отмечая при этом те, которые требуют повторного рассмотрения. В случае действий с более высокой отдачей, если последнее слово сделает человек, это добавляет уровень уверенности и ответственности.

6 действий для ответственного ИИ

Сбалансирование преимуществ ИИ и экологических проблем требует управления, ответственных инвестиций и стратегической интеграции. Эксперты рекомендуют 6 ходов:

1. Обоснование корпоративной стратегии и принятие решений по ответственному внедрению ИИ и его влиянию на устойчивость. Учитывайте как краткосрочное повышение эффективности и производительности, так и долгосрочное волновое воздействие на здоровье корпораций, людей и планеты.

2. Отслеживайте и сообщайте. Сообщите руководству и совету директоров об обязательствах относительно того, как будет измеряться и сообщаться о воздействии ИИ. Сюда следует включать источники энергии и воды, тенденции использования, выбросы и компенсации в других областях деятельности.

3. Сосредоточьтесь на системных инновациях. Развертывайте искусственный интеллект для ускорения внутренних инноваций в электрифицированных производственных процессах, оптимизации маршрутов цепочки поставок, оценки альтернативных видов транспорта и предпочтения «чистых» инвестиционных портфелей.

ИИ быстро интегрируется в технологические стеки SCM во многих областях рабочих процессов. Сегодня ИИ оцифровывает и стандартизирует данные, поэтому доверие быстро растет, поскольку ручной подход к обработке данных медленный и подвержен ошибкам. Потребуется время, чтобы доверить ИИ самостоятельно принимать решения, например, перенаправлять грузы, но этот день ближе, чем мы все думаем.

4. Обеспечьте устойчивое развитие поставщиков. Требуйте одинакового уровня обязательств и раскрытия информации в области устойчивого развития со стороны внешних поставщиков, продавцов и партнеров, чтобы обеспечить согласованность и постоянный прогресс в достижении стратегических целей и целей устойчивого развития.

5. Обратитесь за помощью к федеральному правительству. Присоединяйтесь к коллегам и отраслевым ассоциациям, чтобы выступить за стимулы, такие как продление и расширение федеральных налоговых льгот для ускорения и финансирования широкого внедрения методов устойчивого производства и логистики.

6. Развивайте межотраслевые сети. Участвуйте в разнообразных междисциплинарных форумах, чтобы выработать четкие обязательства о том, что люди будут стимулировать обучение ИИ. Лидеры отраслей, коммунальных предприятий, правительств, НПО и ученых имеют наилучшие возможности для разработки инновационных решений и комплексного подхода, который уравновешивает экологические, социальные и управленческие (ESG) факторы.

Источник: Балансирование преимуществ искусственного интеллекта и amp; «Здоровье нашей планеты: как воспользоваться преимуществами технологии искусственного интеллекта, не жертвуя экологическим прогрессом», официальный документ, инициированный Центром женского лидерства в Уильямс-Бей.

Формирование основы устойчивости цепочки поставок

Пол Паллат, вице-президент по прикладному искусственному интеллекту, Searce

ИИ переводит цепочки поставок из реактивных систем в прогнозирующие, адаптивные экосистемы. Анализируя огромные объемы данных в режиме реального времени от датчиков Интернета вещей, GPS-трекеров и корпоративных систем, ИИ может предвидеть ранние сигналы сбоев — будь то нехватка материалов, простой завода или задержка транспортировки — и рекомендовать упреждающие действия. Это не спекулятивное принятие решений; оно основано на живой разведке из нескольких источников.

Цифровые двойники идут еще дальше. Эти виртуальные копии целых цепочек поставок на базе искусственного интеллекта позволяют организациям моделировать сложные сценарии и тестировать ответы в безопасной, динамичной среде. Способность исследовать ситуации «что, если», выявлять слабые звенья и оптимизировать операции, не нарушая реальную деятельность, — это не что иное, как прорыв в операционной устойчивости, ставший возможным благодаря ИИ.

Представьте себе лидера производства, которому грозит потенциальное закрытие порта. Раньше они бы в ответ поднялись. Сегодня, благодаря гибкости, основанной на искусственном интеллекте, они меняют свое положение. ИИ позволяет сверхточно прогнозировать спрос, анализируя рыночные условия в реальном времени, региональные модели покупок и даже социальные настроения. Предприятия могут корректировать производственные графики, уровни запасов и маршруты распределения для более точного удовлетворения спроса, сокращения отходов и предотвращения ситуаций избытка или недостаточного запаса. В результате цепочка поставок становится не только быстрее, но и умнее.

Цели устойчивого развития также выигрывают от точности ИИ. Блокчейн и искусственный интеллект работают вместе для создания экологически ответственных и прозрачных цепочек поставок. ИИ отслеживает выбросы, использование энергии и отходы, помогая компаниям достигать целей ESG с помощью практической информации. Блокчейн повышает подотчетность, проверяя устойчивое снабжение и этическую трудовую практику, укрепляя доверие среди потребителей и заинтересованных сторон.

Коммуникация — часто скрытая точка разногласий в глобальных операциях — меняется. Большие языковые модели (LLM) устраняют давние языковые барьеры и барьеры в документации, обеспечивая совместную работу и генерацию контекстной информации в режиме реального времени. Команды по всему миру остаются согласованными, информированными и готовыми действовать, независимо от часового пояса или языка.

В конечном счете, будущее лидерства в цепочках поставок — это не только скорость или экономическая эффективность. Речь идет об использовании интеллекта на основе искусственного интеллекта не только для реагирования на изменения, но и для их прогнозирования, формирования стратегии и стимулирования инноваций.

ИИ борется с волатильностью тарифов

Рохит Трипати, вице-президент по отраслевой стратегии и производству РЕЛЭКС

Сегодняшняя нестабильная торговая среда не допускает отставания в принятии решений. Платформы планирования цепочек поставок на базе искусственного интеллекта меняют то, как компании адаптируются и насколько быстро они могут обнаруживать сбои и реагировать на них.

Эти сложные инструменты могут одновременно обрабатывать тысячи переменных, таких как тарифные ставки, сроки выполнения заказов поставщиками, правила страны происхождения и состояние запасов, что позволяет производителям моделировать тарифные сценарии и рассчитывать влияние затрат за считанные минуты. Системы также могут оценивать альтернативных поставщиков, моделировать изменения рецептов и пересчитывать стоимость доставки в нескольких регионах в режиме реального времени, что дает компаниям возможность чувствовать, оценивать и реагировать на сбои почти так же быстро, как они происходят.

Решения, с которыми сталкиваются компании после изменений в политике, становятся еще более сложными, если учесть, насколько сложны современные цепочки поставок. Спецификация продукта может исходить из шести разных стран, каждая из которых имеет разные тарифные ограничения и сроки выполнения заказа. Когда генеральный директор хочет знать, как новая политика повлияет на ассортимент продукции на одном рынке, ИИ может проанализировать влияние тарифов на каждый компонент и смоделировать различные сценарии.

Возможность моделировать различные сценарии также помогает брендам перейти к модульному управлению рисками. Бренды могут моделировать сложные компромиссы и оперативно перенастраивать бизнес-правила, чтобы увидеть, как это повлияет на их выручку и прибыльность. Это позволяет компаниям внедрять адаптивность в свои процессы планирования вместо того, чтобы управлять неопределенностью посредством масштабных капиталовложений.

Например, компания по производству напитков из кокосовых орехов эффективно управляла корректировкой и реконфигурацией цепочки поставок, связанной с тарифами, в глобальной цепочке поставок, охватывающей 15 заводов и более 20 рыночных складов. Возможность представлять структуру тарифов в рамках решения искусственного интеллекта означала, что они были включены в алгоритмы оптимизации в качестве ключевых входных данных, а не как запоздалый расчет в электронной таблице.

При планировании спроса ИИ помогает расшифровать реакцию потребителей, отделяя истинный базовый спрос от краткосрочных искажений, когда клиенты «предварительно покупают», чтобы избежать изменения тарифа. Он может выявлять тонкие закономерности в поведении потребителей, невидимые для аналитиков, и оптимизировать планирование SKU, анализируя исторические тенденции продаж.

Ритейлеры смогут принимать более обоснованные и упреждающие решения о ценах, уровне запасов и корректировке ассортимента, отделяя истинный сигнал спроса от шума, который может возникнуть.

Оптимизация розничных доходов

Педро Рамос, директор по доходам Appriss Retail

Искусственный интеллект может помочь ритейлерам анализировать данные о возвратах в режиме реального времени по всем каналам — онлайн, в магазине и в колл-центрах — сохраняя при этом анонимность потребителей. Он оценивает модели поведения, такие как частота покупок, привычки возврата и аномалии, такие как использование нескольких идентификационных данных, адресов или способов оплаты. Это дает системам ритейлеров более детальное понимание каждой транзакции, позволяя им утверждать, предупреждать или отклонять возвраты на основе реального риска, а не жестких правил.

Системы на основе искусственного интеллекта обеспечивают омниканальное представление о возвратах, выявляя основные причины, такие как качество продукции, проблемы с логистикой, серийные возвраты или потенциальные злоупотребления (например, складирование), а также распознавая и вознаграждая заслуживающих доверия клиентов. Ритейлеры могут использовать эту информацию, чтобы положительно повлиять на прибыль и предложить более экологичные варианты покупок, чтобы снизить доходы и ограничить воздействие на окружающую среду.

98% респондентов, работающих в организациях, использующих ИИ, говорят, что он полезен, важен или жизненно необходим, согласно недавнему отчету Deep Analysis «Готовность ИИ в бэк-офисных операциях транспорта и логистики». ИИ рассматривается как преобразующая сила, которая повышает эффективность и снижает эксплуатационные расходы, и только 2% не согласны с этим:

В рамках этого исследовательского проекта Hyperscience и Совет специалистов по управлению цепочками поставок (CSCMP) работали с Deep Analysis, чтобы собрать и проанализировать данные, чтобы пролить свет на влияние ИИ. Респонденты используют ИИ, чтобы:

Сложите их высоко, сложите плотно

Точная укладка поддонов для входящей и исходящей складской обработки материалов? Искусственный интеллект прокладывает путь.

AmbiStack от Ambi Robotics, основанный на системе искусственного интеллекта, основанной на базовых моделях, представляет собой роботизированное решение для штабелирования, которое анализирует, отслеживает и выбирает предметы, одновременно выполняя проверки качества. Его система планирования на основе искусственного интеллекта, построенная на технологии моделирования в реальности, устраняет необходимость сбора реальных данных, позволяя компаниям быстро развернуть ее. Обучение с подкреплением Sim2Real оптимизирует поддоны для обеспечения плотности и устойчивости без предварительного знания наборов предметов или их последовательности.

Панель запуска ИИ

Транспортный контейнер превращается в ИИ-агента. Новая платформа Net Feasa превращает контейнер в агента искусственного интеллекта, который может инициировать аукционы среди потенциальных клиентов, ищущих грузовые места на судах. Контейнер с поддержкой искусственного интеллекта может самостоятельно управлять, вести переговоры и обеспечивать оптимальные предложения.

Новый ИИ-агент помогает другим ИИ-агентам. Поставщик логистических услуг C.H. Робинсон создал агента искусственного интеллекта, который автоматизирует процесс классификации грузов, помогая грузоотправителям, особенно малым и средним предприятиям, которые активно используют как LTL-доставку, так и электронную почту. Новый агент помогает другим агентам искусственного интеллекта: он определяет класс и код груза и помогает другим агентам превращать отправленные по электронной почте тендеры в точные заказы.

А где мой инвентарь? Компания SC Codeworks, поставщик решений для управления складами, представила CODI, призванный помочь операторам складов и лицам, принимающим решения, получить доступ к ценной информации из своих данных. Агент поиска данных и диалогового управления на базе искусственного интеллекта, встроенный в платформу SC Codeworks, выступает в качестве внутреннего эксперта по собственным складским операциям пользователя.

Знакомьтесь, эксперт по планированию, Алан. FourKites представила Alan, цифрового работника на базе искусственного интеллекта для планирования работы двора. Работая с AutoGate AI, решением на основе технологии компьютерного зрения, оно может упростить управление прибытием и отправлением на объектах. Алан управляет всем жизненным циклом встреч по каналам связи.

ИИ оптимизирует процесс принятия решений. Компания Kraft Heinz меняет способы принятия решений в своей глобальной цепочке поставок, используя интеллектуальную систему принятия решений на базе искусственного интеллекта от Aera Technology. Aera от Aera Technology, агент анализа решений, улучшает процесс принятия решений — от поддержки до расширения и до полной автоматизации решений.

ИИ обеспечивает роботизированную перегрузку. Warp получила новый капитал — 10 миллионов долларов — для финансирования расширения своих систем искусственного интеллекта и запуска своего первого полностью роботизированного кросс-дока — флагманского предприятия, которое автоматизирует весь жизненный цикл грузов: от приема и определения размеров до интеллектуальной сортировки и отправки.