Nello scenario sempre più erratico in cui stiamo vivendo, le organizzazioni si domandano come utilizzare al meglio l’AI, soprattutto nella gestione della supply chain che, negli ultimi due anni, è stata pesantemente messa alla prova.
Un recente rapporto delle società di consulenza americana Boston Consulting Group (BCG) e Aera Technology (IT Services & IT Consulting) rivela che le organizzazioni – nonostante le potenzialità dell’AI nella gestione dei flussi di lavoro end-to-end e nel ridurre l’impiego delle attività umane – non sono ancora riuscite a massimizzare il valore degli investimenti in questa tecnologia.
Come viene oggi utilizzata l’AI nelle supply chain
Le organizzazioni – come si evince dal rapporto di BCG e di Aera Technology – utilizzano l’AI soprattutto per l’analisi, la previsione della domanda e la pianificazione della produzione. Ovvero, non viene sfruttata in toto la potenzialità di questa tecnologia per prendere decisioni ricorrenti basandosi sui modelli scaturiti dall’analisi dei big data. Inoltre, le organizzazioni lamentano spesso di non disporre di personale sufficientemente specializzato, oltre a dover gestire un elevato turnover degli addetti alla funzione, con conseguente dispersione delle conoscenze acquisite e difficoltà nel migliorare le prestazioni a lungo termine.
Ad oggi la maggior parte delle organizzazioni prendono ancora decisioni a livello locale e per silos, senza considerare le implicazioni a valle della catena di fornitura. Ne consegue che gli operatori a valle si trovano a richiedere “aggiustamenti manuali” a monte, man mano che si trovano a gestire le varie sfide. Di fatto – sebbene le tecnologie digitali possano migliorare la resilienza assistendo il processo decisionale – risulta difficile raggiungere la trasparenza lungo tutta la catena del valore dato che ciò implica l’allineamento delle varie parti interessate e delle aspettative diverse su ciò che le tecnologie dovrebbero offrire.
Si ritiene che le organizzazioni dovrebbero utilizzare l’AI in modo da garantire la gestione e la resilienza della supply chain, implementando un sistema di machine learning che risulti efficacemente integrato a livello di funzioni aziendali e in grado di apprendere e migliorare la performance mediante l’analisi di dati esterni e interni.
Attraverso lo svolgimento ripetuto di analisi sarà possibile identificare modelli – che l’algoritmo stesso perfezionerà continuamente – fino a: ottenere risultati sempre più accurati; migliorare le prestazioni attraverso l’automatizzazione del processo decisionale della supply chain; affrontare con flessibilità l’erraticità dei contesti; gestire i rischi e creare valore.
Un sistema di apprendimento integrato della supply chain
Le organizzazioni, per garantire un processo automatizzato di gestione della supply chain, dovranno in futuro implementare sempre più l’automazione cognitiva su larga scala all’interno di un sistema di machine learning integrato. Ovvero, dovranno dotarsi di una piattaforma basata sull’AI in grado di elaborare le decisioni passate dei professionisti della supply chain e considerare come queste abbiano influenzato gli obiettivi chiave.
Ancora, sulla base di modelli storici, la piattaforma basata sull’AI sarà in grado di raccomandare azioni per rispondere a situazioni nuove e, man mano che l’esecuzione procede, analizzare continuamente i dati in tempo reale per prendere decisioni ricorrenti che ottimizzano le prestazioni. Ovviamente, i professionisti della supply chain dovranno essere coinvolti sia nelle prime fasi di utilizzo della piattaforma sia nella revisione della validità delle azioni proposte e nella loro esecuzione. Inoltre, i data scientist e gli architetti di sistema dovranno ricevere feedback su come migliorare la piattaforma in modo da garantire un’esecuzione più automatizzata.
Pertanto, grazie alla digitalizzazione delle conoscenze della funzione della supply chain e all’esecuzione automatizzata, le organizzazioni saranno in grado di: affrontare le sfide della scarsità di talenti e dell’elevato turnover; accelerare il processo decisionale; garantire l’esecuzione e l’apprendimento.
Cambi di paradigma
La realizzazione di un sistema di apprendimento integrato presuppone diversi cambi di paradigma e, precisamente:
- una maggiore concentrazione sul processo decisionale interfunzionale a fronte di scenari incerti ed erratici, dando priorità ai casi d’uso dell’AI che si applicano a diverse funzioni, imparando da precedenti situazioni comparabili.
- la progettazione di nuovi modelli operativi uomo-macchina, considerando che una piattaforma basata sull’AI – se ben progettata – sarà in grado di fornire soluzioni più realistiche, collegando le informazioni senza soluzione di continuità attraverso vari flussi di attività della supply chain end-to-end. Il motore di AI potrà supportare la pianificazione della supply chain raccogliendo informazioni da tutte le fonti e, alla fine, sottoporre al manager responsabile di un flusso specifico solo le situazioni particolarmente critiche. In questo modo le raccomandazioni dell’AI verranno analizzate, interpretate e successivamente convalidate. Gli architetti di sistema, a loro volta, faranno tesoro delle lezioni apprese per migliorare la progettazione di prossima generazione, sviluppando e migliorando la capacità della piattaforma AI in termini di processo decisionale.
- una maggiore automazione della supply chain utilizzando progetti pilota per testare la funzionalità di processo decisionale. Ovvero, i professionisti della supply chain, i data scientist e gli architetti di sistema, in sinergia, potranno sempre più acquisire esperienze e, al contempo, addestrare e migliorare il motore di AI basandosi su set di dati sia interni sia esterni.
- La definizione di una roadmap completa e orientata al valore per sviluppare un sistema di machine learning integrato in termini di gestione, di governance e di qualità dei dati. Senza dimenticare una dettagliata descrizione delle modalità di integrazione del sistema stesso con i sistemi utilizzati per la pianificazione della supply chain, per la collaborazione tra i vari attori e per l’esecuzione, garantendo il valore della supply chain lungo un arco temporale maggiore.
- Una maggiore fiducia nelle capacità dell’AI quale calibrata sintesi della collaborazione tra i data scientist e gli architetti di sistema, in un’ottica di miglioramento continuo delle raccomandazioni scaturite dall’attività di machine learning dell’AI e propedeutiche a costruire una strategia di modello operativo a lungo termine che includa, altresì, nuovi ruoli per i decisori tradizionali.
- Una revisione dei profili professionali dato sarà necessario garantire skill e profili maggiormente specializzati, in grado di costruire e orchestrare un ecosistema della Supply Chain che includa fornitori di tecnologia e integratori di dati.
Conclusioni
L’AI, se correttamente impiegata, potrà garantire maggiori capacità di apprendimento e potere decisionale automatizzato, contribuendo a creare una nuova modalità di gestione della supply chain. Ovvero, l’AI si convertirà, sempre più, in una leva strategica a supporto del professionista di supply chain, che potrà sfruttarne in toto il valore in termini di automazione dei processi lungo tutta la catena di approvvigionamento e, al contempo, garantire l’efficienza e la resilienza, la soddisfazione dei clienti e la competitività.
È doveroso ricordare che, sebbene le macchine intelligenti ci affascinino per le capacità di elaborazione, al tempo stesso, ci devono indurre a riflettere su quanto sia necessario definire lo specifico umano che ci rende diverse da esse. Ovvero, oggi più che mai risulta fondamentale stabilire se l’AI sia in grado di operare scelte senza sbagliare e, al contempo, come la stessa AI interagisca con l’uomo in modo tale da attuare un’innovazione armonica che mantenga sempre al centro l’homo sapiens a salvaguardia degli aspetti etici ed in contrapposizione alle machinae sapientes.
Stiamo assistendo a un’evoluzione tecnologica che opera in un mondo fatto di dati che regnano sovrani (i.e. il cosiddetto “dataismo”) e che alimentano l’AI che si sta sempre più insinuando in ogni ambito della nostra vita fino a creare la coesistenza fra uomo e intelligenze artificiali. Ovvero, si tratta di garantire un’AI che non sia un fine, bensì un mezzo messo al servizio del benessere dell’uomo.
