Bagaimana Perusahaan Rantai Pasokan Dapat Membangun Peta Jalan Dengan AI

Rantai pasokan seperti yang kita ketahui berada di jurang yang berubah dari beberapa dekade yang terus-menerus mempercepat dinamika "dorongan" ke model "dorong-dan-tarik" yang baru.

Empat faktor utama yang berkontribusi terhadap perubahan global di seluruh industri ini:

Pembeli yang semakin cerdas saat ini. Pelanggan hidup di dunia digital dan menuntut pengalaman yang mulus. Jika tidak, mereka akan pergi ke tempat lain. Ini berarti bahwa rantai pasokan — yang dioptimalkan untuk "mendorong" inventaris ke pelanggan — perlu menambahkan pengoptimalan untuk apa yang ingin "ditarik" pelanggan ke diri mereka sendiri.

Iklim geopolitik saat ini. Baik itu kecenderungan nasionalistik yang ditampilkan secara global, perselisihan tarif antara AS dan China, Brexit, atau fokus global pada masalah keberlanjutan, rantai pasokan lebih dari sebelumnya terpapar pada ketidakpastian dan risiko.

Kemajuan yang tidak merata dalam Industri 4.0 dan rantai pasokan digital. Pabrik, rantai pasokan, dan toko menjadi lebih terhubung, memungkinkan sistem yang berbeda untuk berbagi informasi dan mempersingkat waktu tunggu — tetapi hanya untuk perusahaan yang mampu bertindak. Produksi bergeser lebih dekat ke pelanggan, mengganggu pola lama perdagangan regional.

Teknologi rantai pasokan yang ada berada di akhir siklus hidupnya. Solusi perangkat lunak lama, yang dibuat untuk memecahkan masalah khusus yang terisolasi seperti peramalan atau perencanaan pabrik, tidak lagi sesuai untuk tujuan tersebut. Sederhananya, perangkat lunak ini tidak dapat mengikuti.

Masukkan kecerdasan buatan untuk rantai pasokan. Baik melalui pemeliharaan prediktif di pabrik, truk swakemudi di rantai logistik, atau otomatisasi di toko, solusi AI muncul untuk meningkatkan efisiensi dan menurunkan biaya pengoperasian bagi pemain rantai pasokan. Namun ada keterputusan, seperti di sebagian besar industri, seputar cara mengenali sepenuhnya nilai dari AI.

Langkah pertama adalah membuat peta jalan:portofolio peluang AI terverifikasi yang diprioritaskan untuk mencapai tujuan bisnis strategis dalam jangka pendek dan panjang. Belajar melalui eksperimen tetap penting untuk mengadopsi AI, tetapi memiliki peta jalan AI adalah strategi yang diperlukan. Hal ini memungkinkan mereka yang berurusan dengan peningkatan logistik rantai pasokan untuk merencanakan dan memilih taktik terbaik untuk adopsi AI yang cerdas.

Bagaimana Anda mengembangkan peta jalan AI untuk menangkap momentum perubahan rantai pasokan dalam bisnis Anda? Pertama, Anda perlu melingkupi pekerjaan pada tingkat lini bisnis atau area fungsional — bukan seluruh bisnis, atau satu proses atau tugas. Di lingkungan pabrik, misalnya, area seperti inventaris atau manajemen kualitas adalah tempat yang baik untuk memulai karena mewakili sistem proses, data, peran, dan tujuan yang lengkap.

Setelah memilih fokus, Anda perlu mengedukasi eksekutif Anda tentang seperti apa peluang AI yang bagus, lalu bekerja di seluruh tim Anda untuk memanfaatkan kemungkinan untuk mencocokkan kemampuan AI dengan peluang.

Peluang AI yang baik bersifat praktis dan berharga. Mereka membahas prediksi atau keputusan mana yang akan dibuat oleh AI, menggunakan data apa, dan bagaimana output itu akan diterapkan untuk menciptakan nilai. Dalam manajemen kualitas pabrik, misalnya, sistem AI dapat menggunakan data lini produksi untuk memprediksi kerusakan, meresepkan pemeliharaan, atau menambah analis dalam menjawab pertanyaan.

Penemuan adalah tentang menemukan opsi-opsi ini seperti halnya membentuk hipotesis mengenai mana yang layak dikejar. Setelah penemuan, tim Anda harus memiliki serangkaian studi kasus yang sekarang perlu divalidasi.

Saat memperkirakan dampak kasus penggunaan AI, lihat lebih dari sekadar peningkatan bertahap pada akurasi atau efisiensi. Analisis nilai yang diciptakan di atas dan di luar status quo.

Misalnya, kasus penggunaan AI dapat dibangun untuk membantu petugas bagian hutang yang secara teratur membaca laporan dan memproses faktur. Dengan kemampuan AI seperti kecerdasan dokumen, faktur sederhana dapat ditangani dengan pemrosesan langsung. Petugas kemudian dapat menangani tagihan yang tersisa dengan lebih cepat, dibantu oleh fitur seperti ringkasan dokumen otomatis dan ekstraksi informasi, seperti untuk identifikasi perbedaan. Metrik awal untuk manfaat ini dapat berupa faktur yang diproses atau menghemat waktu, tetapi ada gambaran yang lebih besar. Jika petugas AP mendapatkan satu jam ekstra per hari, mereka dapat membelanjakannya untuk analisis akar penyebab dan koreksi masalah pesanan, atau mengelola beban kerja mereka untuk memanfaatkan diskon pemasok dengan lebih baik.

Fase analisis dilakukan ketika setiap kasus telah didefinisikan sampai pada titik di mana pengambil keputusan eksekutif memiliki informasi yang cukup untuk membuat kesimpulan yang sulit tentang memprioritaskan kasus dalam sebuah visi dan rencana.

Terakhir, dengan kasus penggunaan yang terdefinisi dengan baik, tim Anda siap untuk mengurutkan investasi AI untuk dampak maksimum dengan menyeimbangkan tiga sasaran:

• Menyiapkan langkah selanjutnya dengan proyek yang berharga dan dapat ditindaklanjuti,
• Menyiapkan kemenangan yang lebih besar dengan rencana yang disengaja untuk membangun dan meningkatkan kemampuan dari waktu ke waktu, dan
• Membuka dukungan dan anggaran dengan menyelaraskan para eksekutif dengan visi yang sama.

Dua tujuan pertama adalah tentang menyeimbangkan nilai jangka pendek dan jangka panjang. Yang ketiga adalah tentang membebaskan kemajuan dengan mengamankan dukungan dari pimpinan eksekutif tentang biaya dan manfaat realistis dari investasi AI dalam rantai pasokan.

Saat rantai pasokan menuju ke arah normal baru yang responsif, mendorong dan menarik, akan semakin penting bagi para pembuat keputusan untuk bertindak cepat untuk memanfaatkan momentum. Namun, seluk-beluk manajemen rantai pasokan mendikte bahwa penyeimbangan kembali keseimbangan rantai pasokan bukanlah aktivitas satu-dan-selesai. Meluangkan waktu untuk menemukan, menganalisis, dan memprioritaskan investasi AI Anda akan membuat perbedaan antara menjadi yang terdepan — atau membuang-buang waktu Anda.

Karthik Ramakrishnan adalah VP, Head of Advisory and Enablement, dan Ben Humphries adalah Head of Global PreSales, di Element AI.