Entregables de IA

A mediados de 2023, había al menos 50 empresas de nueva creación en Estados Unidos, calificadas por la revista Forbes como las más prometedoras en el desarrollo de tecnologías de inteligencia artificial. También hay varias empresas emergentes prometedoras de IA en otros países. Si hay empresas emergentes prometedoras, también debe haber otras que lo sean menos, así que tenga cuidado con las dudosas promesas "cielo azul" sobre la IA en su negocio.

Las grandes empresas multinacionales de productos de marca y los proveedores internacionales de servicios logísticos tienen acceso a recursos que permiten construir sus propios sistemas basados ​​en IA. Algunas fracasarán, con costos elevados, pero estas empresas pueden permitirse el lujo de cometer errores de aprendizaje. Para la mayoría de las empresas, los riesgos son demasiado altos como para "construir los suyos propios".

Para muchas empresas, es más probable que se incorpore una capacidad de IA en las aplicaciones de planificación y análisis de redes de suministro (SNAP) que se muestran en el diagrama. Se llama Inteligencia artificial 'estrecha', que requiere que un sistema aprenda de un rango restringido de datos (normalmente internos). Se diferencia de la tan publicitada inteligencia artificial "general", que utiliza todos los datos que se pueden extraer de fuentes existentes para aprender.

El foco de la IA en estas áreas de aplicación probablemente estará en dos capacidades:

Reconocimiento de formas – el análisis de datos para detectar patrones. Este es un subconjunto del aprendizaje automático (ML), que utiliza datos históricos para aprender y enseñar a un algoritmo informático los patrones experimentados. Luego, el algoritmo está habilitado para hacer predicciones y recomendaciones (y tal vez decisiones).

Análisis Proporciona información sobre datos que de otro modo no se detectarían y que permite tomar decisiones más informadas. Hay tres tipos de análisis:

• Analítica descriptiva Utiliza técnicas estadísticas para resumir y describir un conjunto de datos, identificando tendencias y relaciones.
• Análisis Predictivo utilizar teorías de probabilidad para determinar lo que es probable que suceda, basándose en patrones y tendencias revelados al analizar grandes conjuntos de datos históricos y/o en tiempo real
• Analítica prescriptiva utilizar los resultados proporcionados por el análisis predictivo para determinar los mejores planes de acción para lograr el resultado deseado

El nivel de planificación táctica (planificación de ventas y operaciones) es donde las capacidades de la IA se pueden utilizar mejor inicialmente para las cadenas de suministro, ya que puede ser en un entorno controlado y seguro con relativamente pocos participantes:

• recomendar planes para diferentes horizontes temporales. No se debe esperar que la IA proporcione el plan perfecto; en cambio, propone opciones y proporciona evidencia.
• incorpora incertidumbre (qué pasaría si) en simulaciones para ayudar a evaluar escenarios e identificar riesgos
• recomendar decisiones operativas con márgenes y riesgos. Reducir costos no necesariamente mejora los márgenes
• proporcionar visibilidad que anticipe las interrupciones de la cadena de suministro. Una herramienta de IA necesita conocer las situaciones de demanda, distribución y oferta y las limitaciones y capacidades relevantes en cada cadena de suministro.

Inicialmente, es preferible que las herramientas de IA no tomen decisiones, que es el papel de las personas. Sin embargo, se les debe capacitar para que no acepten automáticamente lo que dice el sistema: eso es un sesgo de "autonomización".

Posteriormente, los sistemas de IA también podrían ayudar a mejorar las actividades a nivel operativo, como: previsión de la demanda, gestión del transporte y carga, órdenes de compra y control de facturas. También en cumplimiento y manejo de registros. En el nivel de ejecución, la planificación y programación del mantenimiento de las máquinas se pueden mejorar utilizando sistemas de inteligencia artificial.

Cuando una aplicación habilitada para IA está disponible

Como siempre, el principal desafío a la hora de seleccionar aplicaciones de software no es técnico. Más bien, se trata de comprender los desafíos y capacidades comerciales de su organización y cómo la aplicación los abordará. No asuma que la IA resolverá las complejidades de las cadenas de suministro de su organización. Si no se puede analizar el problema utilizando los principios de la cadena de suministro, es poco probable que la IA proporcione la solución.

Cuando un proveedor de software de aplicaciones anuncia una aplicación de IA, verifique el estado de los datos de su organización. Para entrenar un algoritmo en un sistema de IA de aprendizaje automático es necesario identificar, acceder, recopilar, procesar y evaluar los datos para el aprendizaje en una secuencia estructurada de pasos. Pero antes de este paso, responda las siguientes preguntas:

• ¿Su empresa realiza una auditoría continua (digamos mensual) de los datos de las cadenas de suministro? Si hay una auditoría, ¿el informe proporciona una calificación de "excelente" (98 por ciento) o "buena" (95 por ciento)? De lo contrario, los datos no se pueden utilizar para entrenar un sistema habilitado para IA; recuerde "basura que entra, basura sale".
• ¿Existe algún proceso para eliminar el RROT de datos redundantes, repetitivos, obsoletos y triviales?
• ¿Cómo se garantizarán datos de entrada limpios, precisos y oportunos? ¿Esto aborda los datos faltantes, no considerados, inexactos y no coincidentes de diversas fuentes, que no están controlados por la Planificación de Operaciones?
• ¿Cómo se identificarán los errores y los sesgos en el algoritmo? Esto se debe a que a medida que la IA actualiza los datos y aprende, el algoritmo inicial se vuelve difícil de recuperar, por lo que los humanos son menos capaces de identificar la causa raíz de las fallas y los sesgos en los algoritmos.
• ¿Cómo se medirá el rendimiento de un algoritmo a lo largo del tiempo a medida que utilice los nuevos datos?
• Los defensores de las soluciones de IA enfatizan las decisiones en tiempo real, pero ¿es eso necesario? Replanificar y cambiar los planes de ejecución en tiempo real genera nerviosismo en las operaciones físicas. La planificación de ventas y operaciones se realiza actualmente en intervalos mensuales o de cuatro semanas y espera más allá del período de congelación. ¿Sería beneficioso el S&OP en tiempo real?
• Es posible que el sistema deba procesar grandes volúmenes de datos en poco tiempo. ¿Puede el grupo Supply Chains financiar grandes instalaciones de computación en la nube?

Sin las respuestas a estas preguntas, es una decisión imprudente seguir adelante. Pero no todo está perdido; Al mismo tiempo que las actividades para evaluar aplicaciones basadas en IA, puede trabajar para simplificar la planificación de las cadenas de suministro de su organización. Tenga como énfasis continuo las relaciones comerciales, su gente, los flujos de trabajo y los procesos, y luego la IA.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.learnaboutlogistics.com/ai-built-into-future-supply-chain-software-applications/#utm_source=rss&utm_medium=rss&utm_campaign=ai-built-into-future-supply-chain-software-applications