Kronikk av Knut Inge Buset, Cognizant:
Knut Inge Buset, Country manager i Cognizant.
Fotos: Cognizant og Istockphoto. Montasje: Logistikk Inside.
Slik kan generativ AI optimalisere logistikken
For å virkelig høste fruktene fra generativ AI, må bedriftene forstå hvordan de kan bruke den i forsyningskjeden.
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