Peta Jalan Berbasis AI: Panduan Strategis untuk Perusahaan Rantai Pasok

Rantai pasok seperti yang kita kenal berada di ambang penggeseran dari dekade dinamis “push” yang semakin meluas ke model “push-and-pull” baru.

Empat faktor utama berkontribusi pada perubahan global, seluruh industri ini:

Pembeli yang semakin cerdas saat ini. Pelanggan tinggal di dunia digital dan mengharapkan pengalaman yang mulus. Jika tidak, mereka akan pergi ke tempat lain. Ini berarti rantai pasok — yang dioptimalkan untuk “mendorong” inventori ke pelanggan — perlu menambahkan optimisasi untuk apa yang pelanggan inginkan untuk “tarik” ke diri mereka sendiri.

Iklim geopolitik saat ini. Apakah itu tendensi nasionalis yang ditampilkan secara global, sengketa tarif antara AS dan Tiongkok, Brexit, atau fokus global pada isu keberlanjutan, rantai pasok lebih dari pernah terpapar pada ketidakpastian dan risiko.

Kemajuan yang tidak merata di Industri 4.0 dan rantai pasok digital. Pabrik, rantai pasok, dan toko semakin terhubung, memungkinkan sistem berbeda untuk berbagi informasi dan menyusutkan waktu kemasan — tetapi hanya untuk perusahaan yang dapat bertindak. Produksi beralih lebih dekat ke pelanggan, mengganggu pola perdagangan regional yang dirancang lama.

Teknologi rantai pasok yang ada berada di akhir siklus hidupnya. Solusi perangkat lunak generasi lama, yang dibangun untuk menyelesaikan masalah spesifik dan terisolasi seperti peramalan atau perencanaan pabrik, tidak lagi cocok untuk tujuan. Untuk mengatakan dengan sederhana, perangkat lunak ini tidak bisa mengikuti.

Masuk kecerdasan buatan untuk rantai pasok. Baik melalui perawatan prediktif di pabrik, truk tanpa sopir dalam rantai logistik, atau otomatisasi di toko, solusi AI muncul untuk meningkatkan efisiensi dan menurunkan biaya operasional bagi pelaku rantai pasok. Namun, ada kesenjangan, seperti di sebagian besar industri, tentang bagaimana sepenuhnya mengenali nilai dari AI.

Langkah pertama adalah menciptakan peta jalan: portofolio peluang AI yang telah diseleksi dan diprioritaskan untuk mencapai tujuan bisnis strategis dalam jangka pendek dan panjang. Belajar melalui eksperimen tetap kritis untuk adopsi AI, tetapi memiliki peta jalan AI adalah strategi yang diperlukan. Ini memungkinkan mereka yang menangani peningkatan logistik rantai pasok untuk merencanakan dan memilih taktik terbaik untuk adopsi AI yang cerdas.

Bagaimana Anda mengembangkan peta jalan AI untuk menangkap momentum dari rantai pasok yang berubah di bisnis Anda? Pertama, Anda perlu mencakup cakupan pekerjaan pada tingkat garis bisnis atau area fungsional — bukan seluruh bisnis, atau satu proses atau tugas. Dalam pengaturan pabrik, misalnya, area seperti manajemen inventori atau kualitas adalah tempat yang baik untuk memulai karena mewakili sistem lengkap proses, data, peran, dan tujuan.

Setelah memilih fokus Anda, Anda perlu mendidik eksekutif Anda tentang bagaimana tampilan peluang AI yang baik, lalu bekerja di seluruh tim Anda untuk mengeksploitasi kemungkinan mencocokkan kemampuan AI dengan peluang.

Peluang AI yang baik adalah praktis dan berharga. Mereka menjawab prediksi atau keputusan apa 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 cacat, meresepkan perawatan, atau melengkapi analis dalam menjawab pertanyaan.

Penemuan sama banyak tentang menemukan opsi ini seperi tentang membentuk hipotesis tentang mana yang layak untuk diusulkan. Setelah penemuan, tim Anda harus memiliki serangkaian studi kasus yang sekarang perlu divalidasi.

Saat memperkirakan dampak use case AI, lihat lebih dari sekadar perbaikan bertahap pada akurasi atau efisiensi. Analisis nilai yang dihasilkan di atas status quo.

Misalnya, use case AI dapat dibangun untuk membantu kantor akuntansi yang secara teratur membaca laporan dan memproses faktur. Dengan kemampuan AI seperti kecerdasan dokumen, faktur sederhana dapat ditangani oleh pemrosesan langsung. Kantor akuntansi dapat kemudian menangani faktur yang tersisa lebih cepat, didukung oleh fitur seperti ringkasan dokumen otomatis dan ekstraksi informasi, seperti untuk identifikasi ketidaksesuaian. Metrik awal untuk manfaat ini dapat sekadar faktur yang diproses atau waktu yang dihemat, tetapi ada gambar yang lebih besar. Jika kantor akuntansi mendapat jam tambahan per hari, mereka dapat meluangkannya untuk analisis penyebab akar dan koreksi masalah pesanan, atau mengelola beban kerja mereka untuk mengambil manfaat diskon pemasok dengan lebih baik.

Fase analisis selesai ketika setiap kasus telah didefinisikan hingga titik yang pemimpin eksekutif memiliki informasi yang cukup untuk membuat kesulitan kesimpulan tentang prioritas kasus dalam visi dan rencana.

Akhirnya, dengan use case yang telah didefinisikan dengan baik, tim Anda siap untuk merangkaian investasi AI untuk dampak maksimum dengan menyeimbangkan tiga tujuan:

• Menyiapkan langkah berikutnya yang segera dengan proyek berharga dan dapat ditindaklanjuti,
• Menyiapkan kemenangan yang lebih besar dengan rencana sengaja untuk membangun dan menskalakan kemampuan seiring waktu, dan
• Membuka dukungan dan anggaran dengan menyelaraskan eksekutif di sekitar visi bersama.

Dua tujuan pertama tentang menyeimbangkan nilai jangka pendek dan panjang. Yang ketiga tentang membuka kemajuan dengan mendapatkan persetujuan dari kepemimpinan eksekutif tentang biaya dan manfaat yang realistis dari investasi AI di rantai pasok.

Saat rantai pasok bergeser ke norma yang responsif, push-and-pull baru, akan semakin penting bagi pemimpin untuk bertindak cepat untuk menangkap momentum. Namun, kerumitan manajemen rantai pasok menentukan bahwa menyeimbangkan keseimbangan rantai pasok bukanlah aktivitas satu kali saja. Mengambil waktu untuk menemukan, menganalisis, dan memprioritaskan investasi AI Anda akan membuat semua perbedaan antara terdepan — atau membuang waktu Anda.

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