Pendekatan Tiga Langkah untuk Mengadopsi AI, dan Apa yang Harus Diprioritaskan

Dampak global dari pandemi telah menghasilkan sejumlah pelajaran penting bagi perusahaan yang ingin bertahan dari gangguan besar berikutnya. Di antaranya adalah kebutuhan untuk mengimplementasikan kecerdasan buatan dalam rantai pasokan dengan lebih baik.

Berikut adalah beberapa tips tentang bagaimana bisnis dapat mencapai tujuan tersebut.

Pertama, bangun model yang lebih baik untuk mengantisipasi permintaan konsumen, model yang memperhitungkan input yang kurang jelas. Saat ini sistem tersebut dibangun di sekitar tren sederhana dan prediksi musiman. Sebaliknya, mereka harus mempertimbangkan input eksternal terkait inflasi, indeks harga konsumen, dan guncangan input lainnya yang disebabkan oleh kebijakan intervensi COVID-19, seperti pemeriksaan stimulus, penguncian, dan pembangunan rumah. Banyak dari pola-pola ini mudah dilihat di belakang, tetapi itu tidak berarti bahwa mereka tidak dapat ditangkap sebelumnya. Keunggulan model berbasis AI untuk peramalan adalah bahwa model tersebut dapat mengambil interaksi antara fitur yang tampaknya tidak terkait.

Setelah model permintaan konsumen yang lebih baik dibangun, buat model estimasi pengiriman sekunder. Itu harus dibangun untuk memperhitungkan keadaan rantai pasokan saat ini setiap saat, dan memprediksi biaya untuk mengirimkan satu kontainer penuh produk. Keuntungan dari alat ini adalah dapat diuji kembali untuk mengevaluasi keakuratannya. Cukup lihat masa lalu dan periksa perkiraan harga pada waktu tertentu untuk melihat apakah itu cocok dengan kenyataan.

Terakhir, bangun sistem yang menggunakan model permintaan dan penaksir biaya untuk bertindak sebagai AI rantai pasokan yang sebenarnya. Cara kerjanya didasarkan pada dua pengamatan inti:

• Model permintaan dapat digunakan untuk memprediksi kapasitas apa yang dibutuhkan pada titik tertentu di masa depan.
• Model estimasi biaya dapat digunakan untuk memprediksi berapa harganya untuk memfasilitasi pengiriman pada titik tersebut di masa mendatang untuk permintaan tersebut.

Dengan kedua kemampuan tersebut, sistem AI dapat ditingkatkan dengan menyesuaikan tuas input pada model estimasi biaya. Model tersebut akan memiliki parameter input yang bisa sesederhana "berapa jam sehari pelabuhan Los Angeles beroperasi." Itu menjadi mampu untuk mengetahui pengaruhnya terhadap biaya pengiriman berdasarkan nilai-nilai yang berubah. AI dapat dilatih untuk terus menyesuaikan tuas input dari apa yang membentuk rantai pasokan, untuk memastikan bahwa apa pun permintaannya, total biaya untuk memenuhi permintaan memiliki batas atas.

Pendekatan tiga tahap ini adalah seperti apa rantai pasokan selama 10 tahun ke depan. Iblis, tentu saja, ada dalam detailnya. Tetapi begitu kami memiliki sistem seperti itu, kami tidak perlu bergantung pada politisi untuk solusi mengatasi gangguan rantai pasokan di masa depan. Dengan AI yang membantu dalam perencanaan dan pemodelan rantai pasokan, segalanya adalah batasnya.

James Kaplan adalah CEO MeetKAI.