現代のグローバルなサプライチェーンは、数十億回のトランザクションと複数のシステムにまたがるテラバイトのデータによって定義され、ビジネスはより多くの時間を生成します。 伝統的なサプライチェーンマネジメント（SCM）の慣行は、情報の絶え間ない猛攻撃によってすぐに凌駕されています。
在庫コストや可用性に問題が発生した場合、財務プランと需要プランナーは、問題を特定するためにExcelや従来のSCMツールを使用しています。 このアプローチは、乾草の中で諺の針を探しているようなものです。 膨大な量、速度、およびデータの多様性は、船舶のダイナミクスを理解し、船舶を正しく理解するための人間の努力に反します。
AIは、この課題を正確に処理するために、サプライチェーンマネジメントのホットな話題となっています。 革新的な組織は、膨大な数のサプライチェーンデータに対して人工知能と機械学習を適用して、最も熟練した計画の専門家でさえも事実上不可能な問題やパフォーマンスを把握します。
AI保有 すばらしい約束 これらのプロセスを最適化します。 実際、ガートナーは、 25％ 組織の2017年までのAIイニシアチブは、2年前の10％から増加しています。 医薬品、消費者パッケージ製品、製造業、およびその他の業界の企業は、最適化と拡張の能力を阻害する静的なビジネスルールに基づいて構築された比較的単純なSCMツールを目指しています。
私が聞いているよくある質問は、「どうやって始めたらいいの？」というものです。私は3つの提案をしたいと思います。
特定の問題をターゲットにする
最初のプロジェクトでは、AIで解決できる特定のサプライチェーンの問題を特定することが最善です。 それは、壁にスパゲティを投げるのではなく、一つの問題に努力とリソースを集中させるのに役立ちます。 当然のことながら、サプライチェーンの効率、顧客満足度、収益に影響を与える重要な問題点を選択したいと思うでしょう。
たとえば、グローバルCPG企業が小売業者の顧客とのサービスレベル契約に挑戦しているとしましょう。 在庫が時間内に全面的に納品されなければ、SLAの下で厳しい罰金に直面する可能性があります。 その特定の問題にAIを適用すると、CPG会社はサービスレベルの達成問題を解決するために迅速に対応します。
計画から生産、パッケージング、倉庫保管、流通、物流まで、サプライチェーン全体でAIのための数多くの潜在的なプロジェクトがあります。 特にターゲットを絞った方が最良の結果が得られますが、誤って定義された実験がバックバーナーになるリスクを最小限に抑えます。 個別のプロジェクトを選択することで、他の分野でAIを適用するための初期の成功と学習を基に構築できます。
AIの準備を整える
データはAIの準備の重要な要素です。 理想的には、企業は、SKUの場所、受注、プラント、原材料、顧客などの1日のトランザクションレベルまで細分化された3年間のデータなど、大規模な詳細なデータセットにAIを適用することが理想的です。
さまざまなシステム（ERP、MRP、CRMなど）からデータを取得する場合があるため、理想的にはそれらのデータセット全体で時間枠の一貫性が保たれています。 言い換えれば、6ヵ月分の原材料データ、1年間の在庫データ、3年間の販売データがあれば、AIは問題になる可能性があります。
データの収集と格納のメカニズムが高度に細かいデータに対応していることを確認することをお勧めします。 AIの準備が整っていなくても、AIは競争の激しい差別化要因になります。
私はしばしば、AIを使い始めるにあたって組織がデータサイエンスチームを必要としているかどうかを尋ねられます。 それは確かに助けになるかもしれませんが、始めに前提条件ではありません。 あなたが必要とするのは、AIの風景を描くのに役立つソースシステムとドメインの専門知識を持つ人々です。
技術パートナーが協力できるかどうか検討する
サプライチェーンを決定する企業にとって、AIは規模や複雑さなどによって異なりますが、成功するかどうかは、選択したテクノロジパートナーと、提供しているサービスに大きく依存します。 AIはまだ新興の革新であるため、選択したテクノロジパートナーが障害を回避するために備えていることを確認し、ニーズに対応するソリューションを開発することが不可欠です。
エンタープライズソフトウェアの選択と同様に、デューデリジェンスを行い、ニーズに積極的に取り組むパートナーを見つける必要があります。 たとえば、AIソフトウェアが必要なデータの集約と検証を処理できないことがあります。 他の人は、データを収集する能力に限界があります。これは、ソースシステムを何百回もクロールすることによって最も効果的です。 分析の深さと基礎となる技術は、考慮すべき他の側面です。
AIパートナーシップは双方向の通りです。 あなたの組織に革新的なCIOや革新を大胆に受け入れている他の指導者がいれば、成功の可能性が急激に高まります。 AIがデータに基づく洞察を掘り起こして、あなたが福音のように仮定した仮定をなくすことができるように、驚くように準備してください。
サプライチェーンのAIは、未知の領域への旅の何かであることを認識することが重要です。 しかしサプライチェーンが何十年にも見てきた最もエキサイティングなイノベーションは間違いありません。 すべての企業がそれを必要とするわけではありませんが、サプライチェーンのAIが差をつけることのできる人は、後ではなく早く始めることを考慮する必要があります。 AIがサプライチェーン事業を再編するにつれて、飛躍を遂げた企業は既に大きな配当を受けています。
Kaushal Daveは、コグニティブ（AI）サプライチェーンソリューション担当副社長です。 Aera Technology 、自己駆動企業のための認知技術。