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: 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.
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.
