Kedatangan Rantai Pasokan 'Self-Driving'
Usia mobil dan truk yang bisa mengemudi sendiri sudah hampir tiba. Bagaimana dengan rantai pasokan swakemudi?
Dalam beberapa dekade terakhir, teknologi telah menyusup ke dalam setiap aspek manajemen rantai pasokan. Namun, hingga saat ini, kehadiran manusia untuk membuat keputusan penting dalam produksi dan distribusi sangat diperlukan.
Terutama dalam hal manajemen risiko, sebuah disiplin yang telah menjadi penting bagi kelangsungan hidup organisasi global modern. Manajer rantai pasokan harus mempertimbangkan kemungkinan sejumlah gangguan potensial yang terjadi, apakah bencana alam seperti banjir, tsunami dan gunung berapi, atau peristiwa yang disebabkan manusia seperti aksi buruh dan serangan teroris, dan mengambil tindakan yang tepat. Tekad seperti itu dianggap di luar kemampuan mesin.
Sampai sekarang. Kecerdasan buatan, dengan kemampuannya untuk menyaring sejumlah besar data dan mendeteksi pola yang tidak terlihat oleh mata manusia, memainkan peran yang terus meningkat dalam peramalan dan manajemen risiko. Harinya mungkin akan segera tiba ketika mesin memiliki wawasan yang lebih baik tentang masa depan daripada manusia yang membuatnya.
Inovasi paling menjanjikan di A.I. saat ini terjadi di bidang farmasi dan barang kemasan konsumen, menurut Fred Laluyaux, chief executive officer Aera Technology, Inc. Mereka berada di bawah tekanan paling besar dari Amazon untuk mengubah cara mereka melayani pelanggan secara radikal.
“Seorang klien menggambarkannya kepada saya dengan cara yang fasih,” kenang Lalulaux. “Mereka berkata, ‘Kami adalah yang berikutnya pergi jika kami tidak berubah.'”
Untuk pedagang tradisional, tantangannya terletak pada melindungi merek mereka pada saat konsumen lebih tertarik pada harga, kenyamanan dan kecepatan. Berkat Amazon, kata Laluyaux, pergi ke toko menjadi “tidak relevan.” Agar sesuai dengan kemampuan raksasa e-commerce, penjual harus meningkatkan efisiensi di setiap tahap rantai pasokan mereka. Dan itu termasuk melakukan pekerjaan yang lebih baik dalam mengelola risiko.
Banyak kemajuan dalam A.I. terjadi di bidang analitik prediktif. Produsen dipaksa untuk mempercepat proses pengiriman produk ke pembeli. Pada saat yang sama, ketersediaan “data besar”, sementara menyajikan gambaran pasar yang jauh lebih luas, membanjiri para perencana dengan informasi. Tanpa bantuan sistem otomatis untuk menafsirkan masukan tersebut, mereka tidak dapat membedakan "sinyal" dari "kebisingan".
Perusahaan tidak lagi dapat bertahan dengan rencana promosi tahunan dan siklus perencanaan penjualan dan operasi (S&OP) enam bulan. Kondisi di pasar — khususnya, selera konsumen yang berubah-ubah — berubah terlalu cepat untuk itu. “Anda harus mencapai level performa berikutnya,” kata Laluyaux. “Otomasi [derajat] itu membawa Anda ke tempat yang tidak dapat diikuti manusia.”
Tujuan utama jika sulit dipahami adalah sistem yang merespons kondisi pasar secara real time. Penginderaan permintaan bukanlah disiplin baru, tetapi telah lama terhambat oleh alat dan proses lama yang menunda tindakan yang diperlukan. Dalam bentuknya yang sekarang, kemampuan melampaui angka penjualan untuk memasukkan elemen-elemen seperti kemasan “pintar”.
Input terdiri dari segala hal mulai dari data point-of-sale (POS) hingga prakiraan cuaca, peringkat Nielsen, postingan media sosial, dan intelijen kompetitif. Di dunia farmasi, tambahkan pembaruan tentang persetujuan pemerintah untuk obat baru.
“Jaringnya semakin lebar,” kata Laluyaux, “dan butirannya semakin halus.”
Sebagai sistem yang berdiri sendiri, A.I. nilainya kecil. Agar efektif, ia harus menggabungkan aliran data yang berbeda dan menyebar sendiri ke berbagai fungsi rantai pasokan. Katakanlah pengecer mengalami peningkatan penjualan sebesar 2 persen untuk barang tertentu. Untuk memenuhi permintaan yang tidak terduga, perusahaan harus mampu mengidentifikasi sumber optimal untuk meningkatkan produksi, menilai kemampuan manufaktur, merevisi daftar bahan dan menyesuaikan tingkat persediaan yang sesuai. Jika sistem transaksi tidak "berbicara" satu sama lain, proses itu bisa memakan waktu berhari-hari — sudah terlambat bagi penjual untuk memanfaatkan tren yang cepat berlalu.
Terlebih lagi, A.I. sistem perlu memadukan kumpulan datanya dengan pakar manusia, yang masih bertanggung jawab untuk membuat keputusan akhir tentang kapan dan di mana produk harus dikirim.
Lalulaux menjelaskan konsep “meja kerja kognitif”, di mana A.I. menafsirkan data dan membuat rekomendasi, yang kemudian (sebagian besar) dieksekusi oleh pakar manusia. Tapi itu hanya fase transisi dalam kemajuan A.I. Sifat pembelajaran mesin adalah bahwa sistem menjadi lebih baik dengan pengalaman dalam menghasilkan tindakan yang tepat untuk diambil. Pada akhirnya, ia harus dapat membuat banyak keputusan penting itu tanpa perlu campur tangan manusia. Pada saat itu, analitik "prediktif" menjadi "preskriptif".
Kami jauh dari titik di mana otomatisasi mengambil alih sepenuhnya dari manajer manusia. Jika perkembangan berjalan dari prediktif ke preskriptif hingga sepenuhnya otonom, maka banyak perusahaan tetap terjebak di antara tahap satu dan dua, kata Laluyaux. Prospek untuk rantai pasokan "mengemudi sendiri" cukup baik; hanya timeline yang dipertanyakan. Untuk saat ini, terlalu dini bagi manusia untuk berpikir tentang melepaskan tangan mereka dari kemudi.
