El papel de la IA generativa en las cadenas de suministro

El papel de la IA generativa en las cadenas de suministro' can be condensed to 'La IA generativa en las cadenas de suministro

Tal como las interrupciones en la cadena de suministro se convirtieron en tema frecuente de discusión en las salas de juntas en 2020, la IA generativa se convirtió rápidamente en el tema candente de 2023. Después de todo, ChatGPT de OpenAI alcanzó los 100 millones de usuarios en los primeros dos meses, convirtiéndose en la aplicación de consumo de crecimiento más rápido en la historia.

Las cadenas de suministro, en cierta medida, son muy adecuadas para las aplicaciones de IA generativa, dado que funcionan y generan grandes cantidades de datos. La variedad y el volumen de datos, así como los diferentes tipos de datos, añaden complejidad adicional a un problema del mundo real extremadamente complejo: cómo optimizar el rendimiento de la cadena de suministro. Y aunque los casos de uso de la IA generativa en las cadenas de suministro son amplios, como la automatización aumentada, la previsión de la demanda, el procesamiento y seguimiento de pedidos, el mantenimiento predictivo de maquinaria, la gestión de riesgos, la gestión de proveedores y más, muchos de ellos también se aplican a la IA predictiva y ya se han adoptado y desplegado a gran escala.

Este artículo describe algunos casos de uso que son especialmente adecuados para la IA generativa en las cadenas de suministro y ofrece algunas precauciones que los líderes de la cadena de suministro deben tener en cuenta antes de invertir.

Asistencia en la Toma de Decisiones

El objetivo principal de la IA y el aprendizaje automático (ML) en las cadenas de suministro es facilitar el proceso de toma de decisiones, ofreciendo la promesa de mayor velocidad y calidad. La IA predictiva lo logra proporcionando predicciones y pronósticos más precisos, descubriendo nuevos patrones aún no identificados y utilizando volúmenes muy altos de datos relevantes. La IA generativa puede llevar esto un paso más allá al apoyar varias áreas funcionales de la gestión de la cadena de suministro. Por ejemplo, los gerentes de cadena de suministro pueden utilizar modelos de IA generativa para hacer preguntas aclaratorias, solicitar datos adicionales, comprender mejor los factores influyentes y ver el rendimiento histórico de las decisiones en escenarios similares. En resumen, la IA generativa agiliza significativamente el proceso de diligencia debida que precede a la toma de decisiones y lo hace más rápido y fácil para el usuario.

• El Enigma para ChatGPT PUMA es un Enfoque de IA que Propone una Forma Rápida y Segura para la Inferencia de LLM
• Cómo aprobar el examen del Certificado Profesional de Científico de Datos
• Meta revela nueva herramienta de codificación Code Llama

Además, en función de los datos y los modelos subyacentes, la IA generativa puede analizar grandes cantidades de datos estructurados y no estructurados, generar automáticamente varios escenarios y proporcionar recomendaciones basadas en las opciones presentadas. Esto reduce significativamente el trabajo no agregado de valor que los gerentes de cadena de suministro realizan actualmente y les permite dedicar más tiempo a tomar decisiones basadas en datos y responder más rápidamente a los cambios del mercado.

Una (Posible) Solución a la Falta de Talento en la Gestión de la Cadena de Suministro

En los últimos años, las empresas han sufrido una escasez de talento en la cadena de suministro debido al agotamiento de los planificadores, la rotación de personal y una curva de aprendizaje pronunciada para los nuevos empleados debido a la complejidad de la función laboral. Los modelos de IA generativa se pueden ajustar a los procedimientos operativos estándar, los procesos comerciales, los flujos de trabajo y la documentación de software de las empresas, y luego pueden responder a las consultas de los usuarios con información contextualizada y relevante. La interfaz de usuario conversacional comúnmente asociada con la IA generativa facilita en gran medida la interacción con un sistema de soporte y permite refinar la consulta, acelerando aún más el tiempo necesario para encontrar la información correcta.

Combinar un sistema de aprendizaje y desarrollo basado en IA generativa con la toma de decisiones asistida por IA generativa puede ayudar a acelerar la resolución de diversos problemas de gestión del cambio. También puede acelerar la incorporación de nuevos empleados al reducir el tiempo de capacitación y los requisitos de experiencia laboral. Más importante aún, la IA generativa puede empoderar a las personas con discapacidades al mejorar la comunicación, mejorar la cognición, brindar asistencia en lectura y escritura, proporcionar organización personal y respaldar el aprendizaje y desarrollo continuos.

Aunque algunos temen que la IA generativa provoque la pérdida de empleos en los próximos años, otros piensan que elevará el trabajo al eliminar las tareas repetitivas y dejar espacio para tareas más estratégicas. Mientras tanto, se prevé que solucione la crónica escasez de talento digital y de la cadena de suministro. Por eso es importante aprender a trabajar con esta tecnología.

Construyendo el Modelo Digital de la Cadena de Suministro

Las cadenas de suministro deben ser resilientes y ágiles, lo que requiere visibilidad en toda la empresa. La cadena de suministro debe “conocer” toda la red para tener visibilidad. Sin embargo, construir el modelo digital de la red de cadenas de suministro de varios niveles a menudo resulta costoso. Las grandes empresas tienen datos distribuidos en docenas o cientos de sistemas, y la mayoría de las grandes empresas gestionan más de 500 aplicaciones simultáneamente en ERPs, CRMs, PLMs, aprovisionamiento y abastecimiento, planificación, WMS, TMS y más. Con toda esta complejidad y fragmentación, es extremadamente difícil unir lógicamente estos datos dispares. Esto se complica aún más cuando las organizaciones buscan más allá de los proveedores de primer y segundo nivel, donde la recopilación de datos en un formato estructurado es poco probable.

Los modelos de IA generativa pueden procesar grandes cantidades de datos, incluidos datos estructurados (datos maestros, datos de transacciones, EDIs) y datos no estructurados (contratos, facturas, escaneos de imágenes), para identificar patrones y contexto con un preprocesamiento limitado de datos. Debido a que los modelos de IA generativa aprenden a partir de patrones y utilizan cálculos de probabilidad (con cierta intervención humana) para predecir la siguiente salida lógica, pueden crear un modelo digital más preciso de la red de suministro de varios niveles, de manera más rápida y a gran escala, y optimizar la colaboración y visibilidad inter e intraempresa. Este modelo de varios niveles se puede enriquecer aún más para respaldar iniciativas de ESG, como la identificación de minerales en conflicto, el uso de recursos o áreas sensibles al medio ambiente, el cálculo de las emisiones de carbono de productos y procesos, y más.

Aunque la IA generativa brinda una oportunidad significativa para que los líderes de la cadena de suministro sean innovadores y creen una ventaja estratégica, existen ciertas preocupaciones y riesgos a considerar.

Tu cadena de suministro es única

Los usos generales de la IA generativa, como ChatGPT o Dall-E, tienen éxito actualmente al abordar tareas más amplias en su naturaleza porque los modelos se entrenan con grandes cantidades de datos disponibles públicamente. Para aprovechar realmente las capacidades de la IA generativa para la cadena de suministro empresarial, estos modelos deberán ajustarse en función de los datos empresariales respectivos y el contexto específico de su organización. En otras palabras, no se puede utilizar un modelo entrenado de manera general. Los desafíos de gestión de datos como la calidad de los datos, la integración y el rendimiento que dificultan los proyectos de transformación actuales también pueden afectar las inversiones en IA generativa, lo que conlleva un ejercicio que requiere mucho tiempo y costoso sin la solución adecuada de gestión de datos ya implementada.

La IA generativa depende de comprender los patrones dentro de los datos de entrenamiento y si los profesionales de la cadena de suministro han aprendido algo en los últimos tres años, es que las cadenas de suministro seguirán enfrentando nuevos riesgos y oportunidades sin precedentes.

Seguridad y regulaciones

El requisito básico de los modelos de IA generativa es tener acceso a vastas cantidades de datos de entrenamiento para comprender los patrones y el contexto. Dicho esto, la interfaz similar a la humana de las aplicaciones de IA generativa puede llevar a la suplantación de identidad del usuario, el phishing y otras preocupaciones de seguridad. Si bien el acceso limitado al entrenamiento del modelo puede generar un rendimiento deficiente por parte de la IA, otorgar acceso ilimitado a los datos de la cadena de suministro puede generar incidentes de seguridad de la información donde información crítica y confidencial esté disponible para usuarios no autorizados.

También es incierto cómo varios gobiernos elegirán regular la IA generativa en el futuro a medida que la adopción continúe creciendo y se descubran nuevas aplicaciones de IA generativa. Varios expertos en IA han expresado preocupación sobre el riesgo que representa la IA, solicitando a los gobiernos que detengan los experimentos gigantes de IA hasta que los líderes tecnológicos y los responsables de formular políticas puedan establecer reglas y regulaciones para garantizar la seguridad.

La IA generativa ofrece una abundancia de oportunidades de mejora para aquellas organizaciones que puedan aprovechar esta tecnología y crear un multiplicador de fuerza para la ingeniosidad humana, la creatividad y la toma de decisiones. Dicho esto, hasta que existan modelos entrenados y diseñados específicamente para casos de uso de la cadena de suministro, la mejor manera de avanzar es un enfoque equilibrado en las inversiones de IA generativa.

Establecer las barreras de seguridad adecuadas será prudente para garantizar que la IA ofrezca un conjunto de planes optimizados para que cada usuario los revise y seleccione, alineados con los procesos y objetivos empresariales. Las empresas que combinan “libros de jugadas empresariales” con IA generativa podrán aumentar mejor la capacidad de los equipos para planificar, decidir y ejecutar al tiempo que optimizan los resultados comerciales deseados. Las organizaciones también deben considerar un caso comercial sólido, la seguridad de los datos y los usuarios, y los objetivos comerciales medibles antes de invertir en una nueva tecnología de IA generativa.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!