Θα αναδιαμορφώσει η Τεχνητή Νοημοσύνη τον κλάδο της εφοδιαστικής;

Η τεχνητή νοημοσύνη (ΤΝ) δημιουργεί πρωτοφανή μετασχηματιστική πίεση στον κλάδο της εφοδιαστικής. Καθώς τα δεδομένα καθίστανται η «βασική ανταγωνιστική υποδομή», οι επιχειρήσεις εφοδιαστικής δεν μετρώνται πλέον με βάση το μέγεθος της αποθήκης ή του στόλου, αλλά με βάση την ικανότητά τους να συνδέονται, να επεξεργάζονται και να προβλέπουν σε πραγματικό χρόνο.

Ο κλάδος της εφοδιαστικής έχει πολλές επαναλαμβανόμενες διαδικασίες και χειρίζεται μεγάλους όγκους δεδομένων, επομένως η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει στην αυτοματοποίηση αυτών των διαδικασιών. (Ενδεικτική εικόνα.)

Από την «logistics» σε έναν τεχνολογικό αγώνα δρόμου.

Για πολλά χρόνια, η εφοδιαστική θεωρούνταν συχνά ως ένας κλάδος «υποστηρικτικών» υπηρεσιών, που συνδεόταν με την αποθήκευση, τη μεταφορά και την παράδοση αγαθών. Ωστόσο, υπό την πίεση της εξαιρετικά γρήγορης παράδοσης στο ηλεκτρονικό εμπόριο και των συνεχών διακυμάνσεων της παγκόσμιας αλυσίδας εφοδιασμού, αυτός ο τρόπος λειτουργίας αλλάζει ραγδαία.

Ο Αναπληρωτής Καθηγητής Δρ. Nguyen Thanh Chuong - Πρόεδρος του Συνδέσμου Ανάπτυξης Ανθρώπινου Δυναμικού Logistics του Βιετνάμ (VALOMA), πιστεύει ότι η τεχνολογία αλλάζει ριζικά τον τρόπο λειτουργίας των επιχειρήσεων, καθώς και τη δομή των παγκόσμιων αλυσίδων εφοδιασμού. Ενώ προηγουμένως η logistics έπαιζε κυρίως υποστηρικτικό ρόλο, πλέον έχει γίνει ένας θεμελιώδης τομέας υπηρεσιών για την ψηφιακή οικονομία , την πράσινη οικονομία και το διεθνές εμπόριο.

Η Τεχνητή Νοημοσύνη (ΤΝ) αναδεικνύεται ως η τεχνολογία με τον μεγαλύτερο αντίκτυπο στην εφοδιαστική αλυσίδα τις τελευταίες δεκαετίες. Είναι ήδη παρούσα σε πολλές επιχειρησιακές δραστηριότητες, όπως η βελτιστοποίηση των οδών μεταφοράς, η πρόβλεψη της ζήτησης φορτίου, η έξυπνη διαχείριση αποθηκών, ο αυτοματισμός λιμένων, η βελτιστοποίηση των εμπορευματοκιβωτίων, η μείωση των εκπομπών άνθρακα και η ανάλυση δεδομένων της εφοδιαστικής αλυσίδας σε πραγματικό χρόνο.

«Ο βασικός στόχος των επιχειρήσεων στον κλάδο των υπηρεσιών logistics είναι η βελτίωση της παραγωγικότητας της εργασίας και της επιχειρηματικής αποδοτικότητας. Σε αυτό το πλαίσιο, η Τεχνητή Νοημοσύνη (ΤΝ) καθίσταται ένα πολύ σημαντικό υποστηρικτικό εργαλείο, βοηθώντας τους εργαζόμενους και τους διευθυντές να λαμβάνουν ταχύτερες και ακριβέστερες αποφάσεις», δήλωσε ο κ. Chuong, προσθέτοντας ότι ένα από τα μεγαλύτερα οφέλη της ΤΝ είναι η μείωση του κόστους των ενδιάμεσων διαδικασιών και η βελτιστοποίηση των λειτουργιών. Ο κλάδος της logistics έχει πολλές επαναλαμβανόμενες διαδικασίες και χειρίζεται μεγάλους όγκους δεδομένων, επομένως η ΤΝ μπορεί να υποστηρίξει την αυτοματοποίηση των διαδικασιών, να αντικαταστήσει τις χειροκίνητες λειτουργίες και να βελτιώσει την αποτελεσματικότητα της διαχείρισης της εφοδιαστικής αλυσίδας.

Ο Αναπληρωτής Καθηγητής Δρ. Nguyen Binh Minh - Διευθυντής του Ινστιτούτου Ψηφιακής Τεχνολογίας και Οικονομικών (Πανεπιστήμιο Επιστήμης και Τεχνολογίας του Ανόι ) - πιστεύει ότι η Τεχνητή Νοημοσύνη δεν αποτελεί πλέον απλώς μια επιλογή αναφοράς, αλλά έχει γίνει μια «βασική ανταγωνιστική υποδομή» για τον κλάδο της εφοδιαστικής. Η πίεση για μετασχηματισμό έχει μετατοπιστεί από ένα «πρέπει» σε ένα «υποχρεωτικό» για την επιβίωση. Επικαλούμενος έρευνα της Deloitte, ο Δρ. Minh δήλωσε ότι μέσα στα επόμενα πέντε χρόνια, το ποσοστό των οργανισμών της εφοδιαστικής αλυσίδας που εφαρμόζουν ή προετοιμάζονται να εφαρμόσουν την Τεχνητή Νοημοσύνη αναμένεται να αυξηθεί από 28% σε 82%. Ταυτόχρονα, έως και 71% των επιχειρηματικών ηγετών πιστεύουν ότι εάν δεν υιοθετήσουν την Τεχνητή Νοημοσύνη εγκαίρως, οι επιχειρηματικές τους δραστηριότητες κινδυνεύουν με αναστάτωση.

«Τώρα δεν ρωτάμε αν πρέπει ή όχι να χρησιμοποιούμε την Τεχνητή Νοημοσύνη, αλλά πώς να την χρησιμοποιούμε, πού να την χρησιμοποιούμε και αν η χρήση της είναι ασφαλής», τόνισε ο κ. Μινχ.

Εν τω μεταξύ, ο κ. Ngo Ngoc Hoan, εκπρόσωπος επιχειρήσεων της Samsung SDS για την Ασία-Ειρηνικό, υποστήριξε ότι η εφοδιαστική δεν είναι πλέον απλώς ένα λειτουργικό πρόβλημα, αλλά έχει γίνει πρόβλημα δεδομένων και δυνατοτήτων πρόβλεψης κινδύνου. «Το ερώτημα πλέον δεν είναι πλέον εάν χρειάζεται η Τεχνητή Νοημοσύνη, αλλά εάν οι επιχειρήσεις μπορούν να λειτουργήσουν χωρίς αυτήν», δήλωσε ο κ. Hoan.

Σύμφωνα με τον κ. Hoan, οι παγκόσμιες αλυσίδες εφοδιασμού γίνονται ολοένα και πιο περίπλοκες λόγω των επιπτώσεων της πανδημίας, των γεωπολιτικών διακυμάνσεων και των τάσεων μετεγκατάστασης της παραγωγής. Σε αυτό το πλαίσιο, πολλές επιχειρήσεις κινούνται προς ένα μοντέλο «υπεραυτοματισμού», συνδυάζοντας την Τεχνητή Νοημοσύνη με τεχνολογίες αυτοματισμού για τη βελτιστοποίηση ολόκληρης της διαδικασίας εφοδιαστικής.

Τα δεδομένα και οι ανθρώπινοι πόροι θα καθορίσουν την ανταγωνιστικότητα.

Παρόλο που η Τεχνητή Νοημοσύνη προσφέρει μεγάλες δυνατότητες, το χάσμα μεταξύ της εφαρμοσιμότητας της τεχνολογίας και της πραγματικής εφαρμογής της στις επιχειρήσεις logistics του Βιετνάμ παραμένει αρκετά σημαντικό.

Ο Αναπληρωτής Καθηγητής Δρ. Nguyen Thanh Chuong δήλωσε ότι οι περισσότερες επιχειρήσεις logistics του Βιετνάμ βρίσκονται επί του παρόντος μόνο στο βασικό στάδιο της ψηφιοποίησης των διαδικασιών. Ο αριθμός των επιχειρήσεων που εφαρμόζουν συστηματικά την Τεχνητή Νοημοσύνη στην ανάλυση δεδομένων, την πρόβλεψη ή την υποστήριξη αποφάσεων εξακολουθεί να είναι αρκετά μέτριος.

Σύμφωνα με τον ίδιο, οι τρέχουσες προκλήσεις δεν έγκεινται μόνο στην τεχνολογία αλλά και στην ποιότητα των δεδομένων, τη συνδεσιμότητα των συστημάτων, τις δυνατότητες ανθρώπινου δυναμικού, τις υποδομές logistics, την επενδυτική ικανότητα και τη νοοτροπία μετασχηματισμού των επιχειρήσεων.

Το μεγαλύτερο εμπόδιο, όπως αναφέρθηκε από πολλούς ειδικούς, είναι τα δεδομένα. Ο κ. Nguyen Tien Dong, Διευθυντής Μηχανικής Τεχνητής Νοημοσύνης στον Όμιλο CMC, πιστεύει ότι οι περισσότερες επιχειρήσεις logistics εξακολουθούν να λειτουργούν χρησιμοποιώντας παραδοσιακά μοντέλα. Παρόλο που τα δεδομένα έχουν ψηφιοποιηθεί σε κάθε τμήμα, παραμένουν κατακερματισμένα, ενώ οι λειτουργικές διαδικασίες και οι αποφάσεις διαχείρισης εξακολουθούν να είναι ξεχωριστές μεταξύ των τμημάτων. Η Τεχνητή Νοημοσύνη έχει αποδειχθεί αποτελεσματική σε πολλές εργασίες, όπως η πρόβλεψη, η λειτουργική βελτιστοποίηση, η υποστήριξη αποφάσεων και ο αυτοματισμός διαδικασιών. Οι επιχειρήσεις μπορούν να μεταβούν από ένα αργό, γραμμικό μοντέλο σε ένα έξυπνο, προσαρμοστικό μοντέλο σε πραγματικό χρόνο εφαρμόζοντας την Τεχνητή Νοημοσύνη.

Από την άποψη της στρατηγικής υλοποίησης, ο Αναπληρωτής Καθηγητής Δρ. Nguyen Binh Minh πιστεύει ότι οι επιχειρήσεις θα πρέπει να ξεκινήσουν με μια πλατφόρμα που βασίζεται σε δεδομένα αντί να κυνηγούν ακριβά συστήματα Τεχνητής Νοημοσύνης. Οι επιχειρήσεις πρέπει να δώσουν προτεραιότητα στην ψηφιοποίηση και την τυποποίηση των δεδομένων, επειδή «χωρίς αξιόπιστα δεδομένα, η Τεχνητή Νοημοσύνη θα παραμείνει μόνο σε επίπεδο επίδειξης». Ταυτόχρονα, οι επιχειρήσεις θα πρέπει να εφαρμόσουν έργα μικρής κλίμακας που μπορούν να μετρηθούν αποτελεσματικά χρησιμοποιώντας KPI εντός 90 ημερών, όπως η βελτιστοποίηση των διαδρομών των οχημάτων ή η αυτοματοποίηση της διαλογής αγαθών.

Ο Αναπληρωτής Καθηγητής Δρ. Nguyen Binh Minh σημείωσε επίσης ότι οι επιχειρήσεις πρέπει να δημιουργήσουν μηχανισμούς διαχείρισης κινδύνου που σχετίζονται με την ασφάλεια δεδομένων, την ηθική της Τεχνητής Νοημοσύνης, την ευθύνη και τις διαδικασίες έγκρισης κατά την εφαρμογή αυτής της τεχνολογίας στις δραστηριότητές τους.

Εκτός από τα δεδομένα, οι ανθρώπινοι πόροι αποτελούν επίσης θέμα ιδιαίτερης ανησυχίας. Σύμφωνα με τον Αναπληρωτή Καθηγητή Δρ. Nguyen Thanh Chuong, ο τρέχων στόχος της εκπαίδευσης δεν είναι να μετατρέψει όλους τους φοιτητές σε ειδικούς στην Τεχνητή Νοημοσύνη, αλλά να βοηθήσει τους μαθητές να κατανοήσουν, να μάθουν πώς να χρησιμοποιούν και να εφαρμόζουν την Τεχνητή Νοημοσύνη στην εργασία τους μετά την αποφοίτηση. «Προηγουμένως, οι φοιτητές μάθαιναν Word και Excel, αλλά τώρα πρέπει να γνωρίζουν τι είναι η Τεχνητή Νοημοσύνη, πώς εφαρμόζεται και πώς να τη χρησιμοποιούν στην εργασία τους», σημείωσε ο Δρ. Chuong.

Πολλοί ειδικοί πιστεύουν ότι στο πλαίσιο των ολοένα και πιο ανταγωνιστικών παγκόσμιων αλυσίδων εφοδιασμού που απαιτούν μεγαλύτερη ταχύτητα, διαφάνεια και ανθεκτικότητα, η Τεχνητή Νοημοσύνη θα καταστεί ένα αποφασιστικό εργαλείο για την ανταγωνιστικότητα των επιχειρήσεων logistics.

Το Βιετνάμ στοχεύει επί του παρόντος στο 100% των επιχειρήσεων παροχής υπηρεσιών logistics να υιοθετήσουν τον ψηφιακό μετασχηματισμό έως το 2035, μειώνοντας έτσι το κόστος logistics σε περίπου 10-12% του ΑΕΠ. Ωστόσο, για να επιτευχθεί αυτός ο στόχος, οι επιχειρήσεις logistics δεν μπορούν απλώς να περιοριστούν σε μεμονωμένες λύσεις ψηφιοποίησης.

Λε Μινχ

Πηγή: https://daidoanket.vn/ai-se-tai-dinh-hinh-nganh-logistics.html