Kunstig intelligens kan blive det nye supervåben i værdikæden
Kunstig intelligens (AI) spiller en stadig vigtigere rolle i forsyningskæden ved at muliggøre avancerede dataanalyser, prognoser og optimering af processer på tværs af hele værdikæden. Der er ifølge to eksperter store muligheder for at styrke supply chain planning, ansvarlighed, resiliens samt den regenerative værdikæde. Læs her lidt om muligheder og faldgruber.
”Det tog Open AI to måneder at nå 100 millioner brugere af ChatGPT. Til sammenligning tog det Facebook fire år at nå det samme antal brugere. Generativ kunstig intelligens er nærmest eksploderet og får enorme mængder opmærksomhed”.
Læs også: Stort tema om kunstig intelligens i forsyningskæden
Det fortæller Stephan Skovlund om i podcasten ’AI in supply chain – beyond the buzzwords’. Han er supply chain planning-ekspert og har en faglig baggrund inden for statistik. I podcasten giver han en række anbefalinger til, hvordan du som supply chain leder kommer i gang med AI. Det vender vi tilbage til, men lad os først se på, hvordan AI – og særligt generativ AI - helt generelt kan skabe værdi i arbejdet med værdikæden:
- Bæredygtighed: Generativ AI kan på mange måder understøtte ESG-arbejdet. Det kan for eksempel ske via ressourceoptimering, design for bæredygtighed, identifikation af grønne leverandører, reducere overproduktion og spild, foretage avancerede livscyklusanalyser etcetera.
- Prognoser og efterspørgselsstyring: Generativ AI og andre former for AI – som for eksempel machine learning - kan analysere store mængder data, herunder historiske salgstal, forbrugeradfærd, sæsonvariationer og eksterne faktorer som vejr, økonomi og geopolitiske forhold for at generere mere præcise efterspørgselsprognoser. Dette hjælper virksomheder med at optimere deres lagerbeholdning, minimere overskud eller underskud og forbedre deres leveringsevne.
- Optimering af produktionsprocesser: Ved at analysere data fra produktionslinjer kan generativ AI identificere ineffektive processer eller flaskehalse og foreslå optimeringer for at øge produktionskapaciteten og reducere omkostningerne.
- Lagerstyring: Generativ AI kan hjælpe med at optimere lagerstyringen ved at forudsige efterspørgslen på tværs af forskellige placeringer og dynamisk tilpasse lagerniveauer og -placeringer til ændringer i efterspørgslen og forsyningskæden.
- Ruteoptimering: Ved at analysere trafikforhold, leveringstider og andre faktorer kan generativ AI hjælpe med at optimere leveringsruter og minimere transportomkostninger og leveringstider.
- Personliggjort tilbud og kundeoplevelser: Generativ AI kan analysere data om kundepræferencer, adfærd og købshistorik for at skabe personlige tilbud, anbefalinger og kundeoplevelser, der øger kundetilfredshed og loyalitet.
Læs også: COO vil industrialisere COOP’s processer
Generelt set kan generativ AI bidrage til at reducere omkostninger, øge effektiviteten, forbedre kundetilfredsheden og give virksomhederne et konkurrencefortrin i den stadig mere komplekse og konkurrenceprægede forsyningskæde. Ved at udnytte den enorme mængde data, der genereres i forsyningskæden, kan generativ AI identificere mønstre, træffe informerede beslutninger og optimere processer på måder, der tidligere ikke var mulige med traditionelle metoder.
Udfordringen for mange ledere ligger mest i at forstå, hvilke anvendelsestilfælde det kan anvendes til, og hvordan det skaber værdi
Alis Sindbjerg Hinrichsen
Mange anvendelser for AI
Stephan Skovlund peger i podcasten på, at der er rigtig mange anvendelsesområder for AI i supply chain planning. Over alt hvor, der forekommer mange data samt gentagne opgaver og der er behov for analyse, er der værdi i at anvende kunstig intelligens. Han fremhæver demand planning som et oplagt eksempel, hvor der er masser af data, løbende behov for at korrigere samt rense data, ligesom der er behov for at tage højde for ’outliers’. ”Demand planning kan i min optik ikke automatiseres 100 procent, men kunstig intelligens kan bidrage med meget stærk støtte til processen, som kan både kan spare masser af tid og skabe mere præcise analyser”, fortæller han.
Optimering af lager, ruteoptimering og kapacitetsplanlægning er andre oplagte områder, som kan styrkes med brug af kunstig intelligens.
”Der er så mange relevante brugsområder, at spørgsmålet mere kunne lyde: Hvor er det ikke relevant?”, fortæller han og tilføjer:
”Kunstig intelligens som for eksempel machine learning-modeller behandler data anderledes end traditionelle statistiske metoder. Kunstig intelligens anvender data på en meget mere granular måde. Det betyder, at kunstig intelligens er bedre og mere præcis til at afkode mønstre i datamængder. En statistik-model vil for eksempel operere med data på daglig eller månedlig basis, hvor machine learning kan gå ned på timer eller minutter, gå på tværs af tider og også afkode, at en eller flere fabrikker lukker den tredje uge i februar hver måned. Den slags ’granularitet’ kan statiske metoder ikke håndtere, og det åbner op for mange muligheder for virksomheder inden for eksempelvis hurtige forbrugsgoder eller reservedele, hvor efterspørgselsmønstrene er meget varierede”.
Læs også: Værdikæden der giver mere end, den tager – del 1: Introduktion
AI-modeller er altså utrolig stærke til at afkode mønstre. Ulempen ved modellerne er, at arbejdet med dem hurtigt bliver utrolig kompliceret og tilvejebringer enorme mængder data. Stephan Skovlund anbefaler derfor, at supply chain plannere begrænser datadimensionerne, hvilket begrænser kompleksiteten. Han anbefaler også, at supply chain plannere starter med interne data og venter med at inkludere eksterne data indtil, de har høstet noget erfaring og rutine.
AI kan styrke både resiliens og regeneration
I artiklen ”How AI can support in paving the way for more resilient, regenerative, and responsible Value Chains” beskriver SCM-eksperten Alis Sindbjerg Hinrichsen, hvordan supply chain ledere aktivt kan gøre brug af generativ kunstig intelligens til at håndtere de store kerneudfordringer i form af resiliens, regeneration og ansvarlighed, som de fleste værdikæder i dag er udfordret af.
I artiklen udforsker hun visionen om, at datadrevede beslutninger kan gøre virksomheder mere agile og øge deres mulighed for med kort varsel at skifte kurs, inden korthuset ramler.
Hun fremhæver, at kunstig intelligens (AI) som værktøj eller teknologi har potentialet til at spille en betydelig rolle i den måde, vi opererer på, udnytter data og træffer beslutninger i vores virksomheder og vores værdikæder i fremtiden. AI forventes at have en global indvirkning med en 26 procent stigning i det globale BNP inden 2030.
”Udfordringen for mange ledere ligger mest i at forstå, hvilke anvendelsestilfælde det kan anvendes til, og hvordan det skaber værdi”, skriver hun.
Kort sagt tilbyder AI kraftfulde værktøjer til at drive innovation inden for værdikæder og hjælpe virksomheder med at:
- reducere deres miljømæssige fodaftryk,
- forbedre effektiviteten og
- skabe langsigtet værdi både for virksomheder og samfundet.
I artiklen uddyber hun, hvordan AI kan hjælpe med at udvikle og styrke værdikædernes arbejde med ansvarlighed, resiliens og det regenerative.
Men det kræver stærkt fokus på data
Alis Sindbjerg Hinrichsen peger på, at AI har potentiale til at transformere virksomhedernes forretningsmodel og accelerere deres overgang til mere regenerative, ansvarlige og modstandsdygtige værdikæder.
”For at lykkes med AI-initiativer skal virksomheder fokusere på at opbygge en datadrevet kultur, etablere et solidt datagrundlag og udvikle de nødvendige færdigheder og kompetencer internt. Ved at investere i AI og datadrevne teknologier kan virksomheder positionere sig selv til at lykkes i den digitale økonomi og skabe værdi på tværs af deres værdikæder”, skriver hun afsluttende.