Pilt: iabac.org
Tarneahelate haldamine tehisintellekti abil
Tarneahelad on tänapäeval keerukamad kui kunagi varasemalt. Materjalipuudusest, kliimakatastroofidest ja geopoliitilistest pingetest tingitud tarnehäired on lisandunud niigi keerulisse tarneprotsessi.
Hiljutises Saksamaal läbi viidud uuringus on selgunud, et 65% kõigist logistikasektori ettevõtetest on kandnud rahalist kahju tarneahelates aset leidnud häirete, tarnete hilinemise ja katkemise tõttu. Tarnesüsteemi mudelite väljatöötamiseks ette valmistatud generatiivse tehisintellektiga on võimalik luua partneritega kokku lepitud äritegevusreeglite alusel lahendusi ja alternatiive erinevate logistika- ja tarneprobleemide ületamiseks.
Tehisaru omab potentsiaali luua organisatsioonile konkurentsieeliseid, kuid esitab ka selle juhtidele ja töötajatele ka ainulaadseid väljakutseid. Tehisintellekt (AI) on transformatiivne tehnoloogia, mille kasutuselevõtmisest organisatsioonis võib see saada kasu väga erinevates valdkondades. Tehisaru kasutamine võib aidata kaasa äri- ja tarneprotsessi ja toimingute muutmisele sujuvamaks ja tõhusamaks ning saavutada konkurentsieeliseid. Tehnoloogia juurutamine ei toimu üldjuhul probleemideta, sel teel tuleb võtta vastu mitmed väljakutseid. Enne tehisaru tehnoloogiasse investeerimisotsuse tegemist peaksid ettevõtte juhid püüdma vastata mitmetele küsimustele.
Esmalt on vaja teha kindlaks, missugust probleemi on organisatsioonis vaja lahendada. Tehisaru kasutuselevõtmine peaks olema lahendus konkreetsele probleemile või väljakutsele. Selleks võib olla näiteks tarneprotsessi tõhususe parandamine, klienditeeninduse taseme tõstmine või turutrendide prognoosimine. Probleemi selge mõistmine ja sõnastamine aitab määratleda tehisintellekti kasutamise valdkonda, ulatust ja eesmärke.
Otsustamisel tekivad järgmised küsimused:
- Kas tehisaru on vaja kaasata ettevõtte majandustulemuse parandamiseks või mõne probleemi lahendamiseks?
- Kas vaadeldav probleem on andmepõhine ja tehisaru kasutamine soodustab selle lahendamist?
- Missugust väärtust toob probleemi lahendamine ettevõttele? Kas selleks on kulude kokkuhoid, suurem tootlikkus, klientide rahulolu vms?
Tehisaru kasutamine peaks olema kooskõlas ettevõtte äristrateegia ja eesmärkidega. Kuna see tähendab enamasti AI integreerimist organisatsiooni põhiprotsessidesse, tuleb tagada, et sidusrühmad mõistaksid, kuidas aitab see kaasa ettevõtte kasvule ja arengule.
Tuleks vastata järgmistele küsimustele:
- Kas tehisaru poolt pakutavad lahendusalternatiivid on kooskõlas ettevõtte vajaduste ja eesmärkide ning digitaalse transformatsiooni tegevuskavaga?
- Kuidas tehisaru kasutamine võiks mõjutada turundust, müüki ja tootearendust?
AI-süsteemid on täpselt nii head, kui palju neid „õpetatakse“. Enne tehisintellekti juurutamist tuleb hinnata andmete kvaliteeti, kvantiteeti ja kättesaadavust. Paljud organisatsioonid peavad enne tegelema andmete puhastamise, korrastamise või isegi uute andmete hankimisega, et muuta tehisintellekti kasutamine üleüldse teostatavaks.
Oluline on selgitada välja:
- Kas andmed on täpsed, täielikud ja asjakohased?
- Kas andmed on struktureeritud või struktureerimata ja kas tehisintellekt saab neid tõhusalt kasutada?
- Kas võib tekkida probleeme osa andmete konfidentsiaalsusega, seda eriti klienditeabe käsitlemisel?
Sõltuvalt sellest, missuguste ülesannete ja probleemide lahendamiseks tehisintellekti vajatakse ning milliste tarkvaradega seda koos kasutatakse, langetatakse valik kas masinõppe (ML), generatiivse (GenAI), diskrinatiivse või sümbolitel põhineva tehisaru (symbolic AI) kasuks.
Diskriminatiivset tehisintellekti kasutatakse kategooriate eristamiseks uuritavas andmekogumis. Diskrimininatiivse tehisintellekti rakenduseks on näiteks on tootmisdefektide hindamine, kui viga on määratletud väljaspool vastuvõetavaid tolerantsi parameetreid. Seda kasutatakse üha sagedamini ka pettuste tuvastamiseks.
Üldjuhul annab diskriminatiivne tehisintellekt parema tulemuse täpsuse ja pakub suuremat usaldusväärsust kui GenAI. See on infomüra ja andmehälvete suhtes vastupidavam kui generatiivne tehisaru. Samuti on lihtsam mõista, kuidas diskriminatiivne AI andmeid tõlgendab kui seda teeb GenAI.
Tuleks teha selgeks:
- Millist tehisaru liiki või nende kombinatsiooni on vaja kasutada
- Kas peaks kasutama kohandatud AI-lahendust või standardtoodet?
- Kuidas saab tehisaru integreerida olemasolevate tehnoloogiatega?
Tehisaru võib parandada tõhusust ja automatiseerida toiminguid, kuid see võib avaldada mõju töötajatele ja tööprotsessidele. AI rakendamisega võib kaasneda töötajate ümberõpe ja nende töökohustuste muutumine.
Eelnevalt selgitada välja järgmist:
- Kas AI täiendab või asendab ettevõtte olemasolevaid äriprotsesse?
- Kuidas oleks võimalik töötajaid koolitada töötamaks koos tehisaruga?
AI rakendamisega võivad kaasneda eetilised ja juriidilised probleemid seoses andmete kasutamise privaatsuse, konfidentsiaalsuse ja sellega seotud eelarvamustega. Tuleb tagada, et tehisintellekti kasutamine toimub vastavuses õiguslike regulatsioonidega ja on kooskõlas ettevõtte eetiliste väärtustega.
On vaja teha kindlaks:
- Kas andmed ja informatsioon võivad sisaldada midagi, mis viib ebaõiglaste või ebaeetiliste tulemusteni?
- Kuidas tagada tehisintellekti otsustusprotsesside läbipaistvus?
- Missuguseid seadusi, määrusi, regulatsioone ja valdkonnas kehtivaid häid tavasid on vaja järgida?
Enne tehisintellekti rakendamist on vaja sellest saadava kasu hindamiseks määratleda olulised tulemusnäitajad. Tuleks teha kindlaks, milliseid tulemusnäitajaid oleks vaja kasutada tehisintellekti rakendamise edukuse mõõtmiseks.
AI kasutuselevõtt toob enamasti kaasa ka muudatused organisatsioonikultuuris. On oluline tagada, et organisatsioon on selleks muudatuseks valmis. Oskuslik muudatuste juhtimine aitab vähendada töötajate vastuseisu ja tagab uue tehnoloogia tõhusa kasutuselevõtmise.
Seejuures tuleks enne välja selgitada ja otsustada:
- Millist koolitust ja tuge on vaja töötajatele pakkuda tagamaks sujuvat kohanemist koostööks AI-ga?
- Kes on tehisaru juurutamisel eestvedajaks algatuste eest seisjaks?
- Kas organisatsioonis ollakse valmis kestvaks õppimiseks ja kohanemiseks uute tehnoloogiatega?
Tehisintellektiga koos töötamine nõuab töötajatelt pidevat õppimist ja kohanemist. Koos ettevõtte kasvu ja muutustega turul peab kaasnema strateegia tehisaru mudelite värskendamiseks, algoritmide muutmiseks ja süsteemi arendamiseks.
Selgitada välja:
- Kas ja kuidas suudame tehisintellekti arengutega sammu pidada säilitamaks oma konkurentsieelist?
- Kas organisatsioonil on piisavad ressursid AI-süsteemi pidevaks täiustamiseks?
scmr.com
Christopher G. Caine artikli põhjal
seilecs.prof.meedia
