Come l’AI sta facendo evolvere la supply chain

È uno dei settori più largamente impattato e con il maggior potenziale di sviluppo per i prossimi tre anni. McKinsey e S&P Global stimano il potenziale annuo di generazione di valore intorno al 40% del totale valore aggiunto che l’intelligenza artificiale è in grado di generare in tutti i possibili domini di applicazione [...]
Davide Montanari

Analytics Translator di Ammagamma

Supply Chain
  1. Home
  2. Intelligenza Artificiale
  3. AI Manager
  4. Come l’AI sta facendo evolvere la supply chain

Il settore della supply chain ha un forte potenziale di sviluppo e di trasformazione, derivato dall’adozione di soluzioni di AI a supporto degli esperti di dominio. Per poter creare un reale valore aggiunto in un contesto simile, già ampiamente digitalizzato, è necessario interrogarsi su quali siano le effettive esigenze degli stakeholders interni, prima di imbattersi in investimenti onerosi, e talvolta controproducenti, derivati da soluzioni preconfezionate e “pronte all’uso”. Per mettere in moto questa trasformazione in maniera efficace è utile partire da una cosa molto semplice: il lessico utilizzato.

Il primo rilascio della libreria open source TensorFlow (libreria di data science sviluppata dal Google Brain team) a novembre 2015 ha segnato l’inizio dell’applicazione massiva dell’AI in contesti di business e da allora si è osservata un’esplosione di casi d’uso in cui tali tecnologie sono state adottate in domini e settori molto differenti. Dai sistemi di visione in ambito medicale alla guida autonoma, dalle applicazioni per la comprensione e generazione del testo agli algoritmi a supporto delle decisioni.

Evoluzione della supply chain con applicazione dell’AI

Al di là dello sviluppo di prodotti e servizi, a distanza di sette anni, l’ambito della supply chain si è affermato come uno dei settori più largamente impattato e con il maggior potenziale di sviluppo per i prossimi tre anni. Da un recente studio di McKinsey e di S&P Global si stima che il potenziale annuo di generazione di valore (inteso come somma di riduzione dei costi e aumento di fatturato) sia intorno al 40% del totale valore aggiunto che l’intelligenza artificiale è in grado di generare in tutti i possibili domini di applicazione (sales & marketing, finance, sviluppo prodotto, HR, ecc.)

Non è però certo una novità l’utilizzo di soluzioni di previsione e ricerca operativa nelle supply chain, in particolare quelle volte a sviluppare software che aiutino le persone coinvolte nel processo a ottimizzare i flussi e a prendere migliori decisioni. Quali sono quindi i fattori che differenziano le moderne soluzioni di AI applicate?

Innanzitutto, c’è stata un’evoluzione nel processo di scelta di tali soluzioni software (senza un effettivo sviluppo e rilascio di un software gli algoritmi non possono generare un valore), passando da una vendor selection di soluzioni preconfezionate a una supply chain a misura d’uomo, costruita intorno alle sue esigenze.

 

Supply Chain

Supply chain: il retaggio dell‘approccio “a silos”

Infatti, si è spesso condizionati, a volte forzati, ad adottare un approccio “a silos” che induce a perseguire una mentalità del tipo “Il mio problema in quale silos sta?” Demand o production o capacity, o operation planning? inventory optimization o replenishment? Il consolidamento di tale nomenclatura, coadiuvata dalla necessità dei fornitori di standardizzare e scalare il proprio modello di business, ha portato a una progressiva decentralizzazione del bisogno dell’utente finale, con un conseguente impoverimento del valore e dell’impatto reale generato.

WHITEPAPER
Porta il tuo Contact Center ad un livello successivo con speech analytics e sentiment analysis
Intelligenza Artificiale
Marketing

Vale anche la pena sottolineare che, data la competitività del mercato attuale in cui le realtà con una supply chain si trovano a operare e data l’alta digitalizzazione dei processi, è ancora più strategico andare a cercare lo strumento che sia capace di garantire un ulteriore vantaggio competitivo marginale. Le tecnologie di AI generano ritorni d’investimento sostenibili e molto brevi, permettendo quel grado di personalizzazione sufficiente a creare un vantaggio competitivo differenziante rispetto allo status quo tecnologico. Creando quindi nuove opportunità d’investimento concrete.

A misura d’uomo: il nuovo paradigma

Questa abilitazione ripone l’utente al centro, dalla fase di design della soluzione alla fase di adozione e miglioramento. Le necessità dell’utente finale, inteso come l’esperto di dominio (e in generale tutti gli stakeholder coinvolti) e il processo stesso tornano a ricoprire un ruolo centrale nella fase di scelta della soluzione di AI. Con l’ulteriore conseguenza che i processi vengono manutenuti e migliorati attraverso i software, e non necessariamente modificati da essi.

In questo percorso di valorizzazione dell’uomo, al centro del processo operativo e di sviluppo del software, le scorciatoie linguistiche (spesso anglosassoni), per quanto necessarie per ovvie ragioni di sintesi, contribuiscono ad alimentare un pensiero rigido e incasellato, che si oppone a tale cambio di paradigma.

Tre semplici consigli che, al contrario, permettono di implementare questo cambiamento, nel processo di adozione di soluzioni di AI, in maniera efficace:

  • mantenere l’attenzione e il lessico incentrati sul proprio processo
  • investigare il problema prima della soluzione
  • partire in piccolo e prepararsi a scalare a livello tecnologico e di processo.

Conclusioni

Negli ultimi anni abbiamo assistito a una sempre crescente adozione di soluzioni di AI nella supply chain con impatti significativi sul business. Ciò nonostante, la trasformazione della supply chain è ancora in grande accelerazione e presenta forti potenziali anche per le realtà più evolute. Per non perdere tali occasioni è sempre più strategico attuare un cambiamento verso un approccio sempre più umano-centrico nella selezione delle soluzioni, e rimettere al centro i bisogni specifici del proprio business, ricercando grandi capacità di personalizzazione e scalabilità. Una semplice strategia per innescare questo cambio di paradigma e abbandonare progressivamente il ragionamento a scomparti (silos) è evolvere il proprio vocabolario e dar peso alle parole.

 

 

FacebookTwitterLinkedIn