Kronikk av Knut Inge Buset, Cognizant:

Knut Inge Buset, Country manager i Cognizant.

Slik kan generativ AI optimalisere logistikken

For å virkelig høste fruktene fra generativ AI, må bedriftene forstå hvordan de kan bruke den i forsyningskjeden.

Publisert

Generativ AI: En ny epoke for forsyningskjeder

De siste årene har avdekket sårbarheten i globale forsyningskjeder, påvirket av geopolitiske konflikter, mangel på nøkkelkomponenter og logistiske hindringer. Slike forstyrrelser har påført selskaper betydelige økonomiske tap, med anslag på gjennomsnittlig 184 millioner dollar per år. For å motvirke dette, har mange produsenter begynt å benytte analyser og kunstig intelligens for å styrke forsyningskjedenes motstandskraft og effektivitet.

Oppsummeringen er generert av Labrador AI, men gjennomlest av en journalist.

I løpet av de siste årene har vi fått et innblikk i skjørheten i mange selskapers globale forsyningskjeder. Geopolitiske konflikter, mangel på nøkkelkomponenter, lasteskip som sitter fast i kanaler og kollaps av broer over viktige vannveier er alle faktorer som har påvirket produksjonsselskapenes forsyningskjeder. Selv uten disse dramatiske hendelsene, anslås brudd på forsyningskjeder å koste selskaper gjennomsnittlig 184 millioner dollar per år (tall fra 2021).

Når produsenter ikke klarer å skape effektive forsyningskjeder, kan det bli vanskeligere å forutsi fremtidig etterspørsel eller å unngå overproduksjon av produkter med lav etterspørsel. Dette kan få negative konsekvenser for inntektene. Derfor har mange allerede begynt å bruke analyser og kunstig intelligens for å forbedre motstandskraft, sikkerhet og effektivitet i både forsyningskjeder og produksjonsprosesser.

Nylige fremskritt innen generativ AI har banet vei for enda en mulighet til å endre virksomheten. Generativ AI gjør at betydelig flere mennesker kan jobbe datadrevet og med analyser. Men for å bruke generativ AI så effektivt som mulig, må produsentene forstå hvor i forsyningskjeden det kan ha størst effekt.

En titt i krystallkulen

Produsenter som lykkes med å forutse etterspørsel kan øke inntektene betydelig, inntekter som igjen kan reinvesteres for å styrke og utvikle selskapet. Feilprognoser kan i motsatt tilfelle føre til kostbare overskuddsbeholdninger eller mangel på produkter på kritiske tidspunkter.

Fordi generativ AI kan integrere strukturerte og ustrukturerte data i sanntid og fra flere kilder, kan det gi bedrifter et helhetlig syn på virksomheten og potensiell etterspørsel. Denne innsikten kan deretter brukes til å planlegge logistikk.

For eksempel kan generativ AI beregne etterspørsel ikke bare basert på tidligere transaksjoner, men også basert på faktorer som sosiale medier-trender, verdensøkonomiske endringer og til og med vær. Med denne innsikten kan produsenter få et innblikk i hva som kan drive forbruket flere måneder fremover.

Generativ AI kan i tillegg raskt analysere leverandører, kontraktsdokumenter, økonomiske rapporter og annet innhold, for å skape dynamiske og relevante risikoprofiler. Produsenter kan dermed ta mer informerte beslutninger om hvem de bør samarbeide med.

Forsyningskjedens motstandskraft 

Hvert avbrudd i forsyningskjeden betyr en kostnad for produsentene. For eksempel, hvis en nøkkelleverandør går konkurs eller blir utsatt for et cyberangrep, blir produsenten tvunget til å søke etter alternative leverandører. Mens denne beslutningsprosessen pågår, risikerer fabrikken mangel på reservedeler eller redusert produksjon, som igjen fører til tapte inntekter.

AI-drevet analyse kan optimalisere denne beslutningsprosessen. Generativ AI kan analysere både strukturerte og ustrukturerte data fra distributører, leverandører og fabrikken, og hjelpe produsentene med å raskere identifisere flaskehalser. Dette kan hjelpe bedrifter med å lage scenarier og få svar på spørsmål som "hvilke anlegg risikerer å gå tom på lager?"

Smartere fabrikker betyr mindre tid brukt på å reparere ødelagte maskiner, mer effektiv ressursbruk og høyere produktivitet. For å oppnå dette kreves integrasjon av IoT-enheter og data med generativ AI. Når dette er oppnådd, kan produsentene lettere identifisere status på maskiner og forutse når vedlikehold er nødvendig.

Generativ AI kan hjelpe vedlikeholdsteam ved å gå gjennom tekniske manualer, servicehistorikk og vedlikeholdslogger for å tilby umiddelbar støtte, uten å måtte bytte mellom systemer. Dette reduserer nedetid og skaper en mer bærekraftig, effektiv og lønnsom fabrikk som lettere kan reagere på endringer i leverandørkjeden.

En tydelig plan 

Å komme i gang med generativ AI krever en dyp forståelse av hva teknologien er i stand til. Produsenter som ønsker å integrere AI i driften må finne pålitelige leverandører som kan bidra med ferdighetene og ekspertisen som produsentene ikke selv har tilgang til internt. På samme måte er det viktig å lage en tydelig plan for AI som inkluderer alle interessenter i virksomheten, samt et system som kan skape resultater.

Produsenter som begynner å bygge grunnlaget for generativ AI nå, vil kunne dra nytte av raskere og mer informerte beslutninger. Dermed kan de skape en mer robust og produktiv virksomhet enn sine konkurrenter.

Har du noe på hjertet?

  • Logistikk Inside er opptatt av meningsmangfold og bransjestemmer som kan bidra til å gi våre lesere nye perspektiver. 
  • Vi inviterer deg til å sende inn kronikker, faginnlegg eller debattinnlegg! Enten du har innsikt i logistikkens fremtid, ønsker å diskutere bransjeutfordringer, eller har tanker om innovasjoner som vil påvirke vår sektor, vil vi gjerne høre fra deg!
  • Vennligst merk at vi ikke publiserer innlegg som fungerer som "salgsinnlegg" eller som aktivt promoterer enkeltprodukter eller enkeltbedrifter. Slike innlegg vil ikke bli vurdert for publisering. 

  • Send inn ditt bidrag og bli en del av diskusjonen som former fremtidens logistikk! 

  • Send til: tips@logistikkinside.no

Powered by Labrador CMS