Του Γιώργου Δρακόπουλου,
Η έκρηξη καινοτομίας που επιφέρει η ραγδαία εξέλιξη της τεχνητής νοημοσύνης πρόκειται να καταστεί αρωγός στην αντιμετώπιση των προκλήσεων που βρίσκονται αντιμέτωπες οι επιχειρήσεις διεθνώς τη σύγχρονη εποχή, όπως οι γεωπολιτικές εντάσεις, το ευμετάβλητο περιβάλλον των αγορών, η κλιματική κρίση κ.ά., ώστε να μπορέσουν να είναι βιώσιμες και κερδοφόρες. Ωστόσο, η τεχνητή νοημοσύνη, μεταξύ άλλων, μεταβάλλει ολόκληρο το «παιχνίδι» του ανταγωνισμού, καθώς, σύμφωνα με την πλειονότητα των εταιρειών που δραστηριοποιούνται στον τομέα της συμβουλευτικής, το μερίδιο μιας εταιρείας σε έναν κλάδο και η κερδοφορία που επιτυγχάνει ή οι ζημίες που καταγράφει θα εξαρτώνται, σε μεγάλο βαθμό, από την ισχύ του μοντέλου Τ.Ν. και την ποιότητα των δεδομένων που συλλέγει. Έτσι θα διαμορφώνεται, πλέον, το συγκριτικό πλεονέκτημα κάθε εταιρείας έναντι των υπολοίπων.
Ένας από τους κυριότερους κλάδους που πρόκειται να λάβουν ιδιαίτερα θετική επίδραση από την εφαρμογή της (γενετικής) τεχνητής νοημοσύνης στις καθημερινές δραστηριότητες αποτελεί αυτός της εφοδιαστικής αλυσίδας. Η εφαρμογή της τεχνητής νοημοσύνης μπορεί να αυτοματοποιήσει την επεξεργασία δεδομένων, μετατρέποντάς τα σε πολύτιμα αποτελέσματα, διατηρώντας, παράλληλα, την αξιοπιστία των δεδομένων. Οι επιχειρήσεις θα μπορούν ευκολότερα να επανεξετάζουν τις αλυσίδες εφοδιασμού τους, για να εξισορροπήσουν τις ανάγκες της κοινωνίας και του πλανήτη με την κερδοφορία τους. Ουσιαστικά, θα υπάρχει μεγαλύτερη βοήθεια στη μείωση των απωλειών, στον εντοπισμό της προέλευσης των προϊόντων και στον έλεγχο της ποιότητας.
Συγχρόνως, για τις αλυσίδες εφοδιασμού, η ευρύτερη ψηφιοποίηση μπορεί να επιταχύνει τους χρόνους απόκρισης, να μειώσει τις εκπομπές άνθρακα και να αλλάξει τα οικονομικά της παραγωγής. Η τεχνητή νοημοσύνη και η μηχανική μάθηση είναι συστήματα συνεχούς μάθησης που λαμβάνουν δεδομένα που συλλέγονται από την αλυσίδα εφοδιασμού και ενημερώνουν τα αυτοματοποιημένα συστήματα δυναμικά, με εκθετική επίδραση. Αυτό μειώνει τον χρόνο που απαιτείται για τη δημιουργία και την ανάπτυξη νέων μοντέλων διεργασιών, έτσι ώστε η διαχείριση της διαδικασίας να γίνεται ταχύτερη και πιο αποτελεσματική σε συνεχή βάση.
Γενικότερα, ο υπερ-αυτοματισμός (συνδυάζοντας τον αυτοματισμό ρομποτικών διαδικασιών με άλλες τεχνολογίες όπως η τεχνητή νοημοσύνη, η μηχανική μάθηση, τα chatbots, το IoT και το blockchain) απαιτείται για την επιτάχυνση επιχειρηματικών διαδικασιών μεγάλου όγκου κατά μήκος της αλυσίδας εφοδιασμού και την παροχή έξυπνων λύσεων και σωστής οργάνωσης σε πραγματικό χρόνο ολόκληρου του οικοσυστήματος της εφοδιαστικής αλυσίδας για μακροπρόθεσμη βιωσιμότητα. Επίσης, ο ψηφιακός μετασχηματισμός των αλυσίδων εφοδιασμού μπορεί να βοηθήσει στην αντιμετώπιση της έλλειψης διασυνδεσιμότητας και των αναποτελεσματικών δεδομένων, που προκύπτουν όταν τα δεδομένα δεν ευθυγραμμίζονται σωστά μεταξύ πελάτη και προμηθευτή.
Ορισμένες από τις μεγαλύτερες εταιρείες του κόσμου, συμπεριλαμβανομένων των Unilever, Siemens και Maersk, χρησιμοποιούν ολοένα και περισσότερο την τεχνητή νοημοσύνη για την πλοήγηση σε περίπλοκες αλυσίδες εφοδιασμού και την αντιμετώπιση προκλήσεων που σχετίζονται με γεωπολιτικές εντάσεις και περιβαλλοντικά ζητήματα και ζητήματα ανθρωπίνων δικαιωμάτων. Η χρήση της τεχνητής νοημοσύνης στη διαχείριση της εφοδιαστικής αλυσίδας είναι διαδεδομένη εδώ και αρκετά χρόνια, αλλά η εμφάνιση της γενετικής Τ.Ν. έχει ανοίξει νέες ευκαιρίες για τον αυτοματισμό. Πλέον, οι πολυεθνικές εταιρείες έχουν αναγνωρίσει την ανάγκη να παρακολουθούν στενά τους προμηθευτές και τους πελάτες τους.
Η γενετική Τ.Ν., ειδικότερα, έχει συμβάλει καθοριστικά στη δημιουργία chatbot και άλλων λογισμικών που μπορούν να αυτοματοποιήσουν τις διαπραγματεύσεις και τις απαντήσεις σε ανθρώπινα ερωτήματα. Για παράδειγμα, η Maersk έχει χρηματοδοτήσει την Pactum, μια start-up με έδρα το Σαν Φρανσίσκο που χρησιμοποιεί ένα bot τύπου ChatGPT για να διαπραγματευτεί συμβάσεις με προμηθευτές για λογαριασμό εταιρειών όπως η Maersk, η Walmart και η Wesco. Αυτή η τεχνολογία έχει επιτρέψει την ταχύτερη επικοινωνία και διαπραγμάτευση με τους προμηθευτές. Επιπλέον, η Siemens προσπάθησε, επίσης, να μειώσει την εξάρτησή της από Κινέζους προμηθευτές και χρησιμοποίησε τις υπηρεσίες της Scoutbee, μιας start-up με έδρα το Βερολίνο. Το chatbot της Scoutbee μπορεί να εντοπίσει εναλλακτικούς προμηθευτές ή τρωτά σημεία στην εφοδιαστική αλυσίδα ενός χρήστη, αντιμετωπίζοντας τη γεωπολιτική πτυχή της διαχείρισης της εφοδιαστικής αλυσίδας.
Σύμφωνα με πρόσφατη έρευνα, έως και το 96% των επαγγελματιών της εφοδιαστικής αλυσίδας σχεδιάζει να χρησιμοποιήσει την τεχνολογία της τεχνητής νοημοσύνης, για τη διαχείριση της εφοδιαστικής αλυσίδας. Ωστόσο, οι ανησυχίες για πιθανές περικοπές θέσεων εργασίας λόγω αυτοματοποίησης παραμένουν παρούσες, με σχεδόν το ένα τρίτο των ερωτηθέντων (55 στελέχη από τον όμιλο logistics Freightos) να εκφράζει ανησυχίες σχετικά με τον αντίκτυπο της τεχνητής νοημοσύνης στην ασφάλεια της εργασίας.
Συνοψίζοντας, προκλήσεις υπάρχουν, και μάλιστα πολλές. Ωστόσο, τα οφέλη μπορούν να είναι ακόμα μεγαλύτερα με τον ψηφιακό μετασχηματισμό των εφοδιαστικών αλυσίδων και την ενσωμάτωση της τεχνητής νοημοσύνης στις διάφορες λειτουργίες των επιχειρήσεων, ακόμα και στη λήψη σημαντικών αποφάσεων επικουρικά. Τέλος, είναι απολύτως κρίσιμο να γίνει η βιωσιμότητα μέρος της χρήσης της τεχνητής νοημοσύνης στην αλυσίδα εφοδιασμού, καθώς θα αρθούν πολλά εμπόδια για την «πράσινη» μετάβαση, όσον αφορά τα logistics.
ΕΝΔΕΙΚΤΙΚΕΣ ΠΗΓΕΣ
- AI can help firms achieve supply chain sustainability – IBM, supplychaindigital.com, διαθέσιμο εδώ
- Multinationals turn to generative AI to manage supply chains, ft.com, διαθέσιμο εδώ
