Τα ψηφιακά δεδομένα και η τεχνητή νοημοσύνη ελαχιστοποιούν τις διακοπές εφοδιασμού, χτίζουν μια βιώσιμη οικονομία

[διαφήμιση_1]

Μετά από τρία χρόνια πρωτοφανούς αναστάτωσης στο εμπόριο, τα μεγάλα γλωσσικά μοντέλα και η γενετική τεχνητή νοημοσύνη εμφανίστηκαν ακριβώς την κατάλληλη στιγμή για να βοηθήσουν τις κυβερνήσεις και τις επιχειρήσεις να διαχειριστούν τις πολύπλοκες αλυσίδες εφοδιασμού του κόσμου .

«Τα επόμενα χρόνια, θα δούμε πιο ακριβείς προγνωστικές και προγνωστικές αναλύσεις, που θα βασίζονται σε ολοκληρωμένα δεδομένα από κάθε βήμα της αλυσίδας εφοδιασμού», δήλωσε η Julie Gerdeman, Διευθύνουσα Σύμβουλος της εταιρείας αξιολόγησης κινδύνου της αλυσίδας εφοδιασμού Everstream Analytics. «Η αυτοματοποίηση της λήψης αποφάσεων θα μειώσει τον κίνδυνο και τις διαταραχές, δημιουργώντας ανθεκτικές, ανθεκτικές και προσαρμόσιμες αλυσίδες εφοδιασμού».

Καλύτερα δεδομένα

Η ανάλυση εμπορικών δεδομένων είναι μια πολύπλοκη διαδικασία. Αυτά τα μη δομημένα σύνολα δεδομένων, που αποτελούνται από εκατοντάδες εκατομμύρια αρχεία αποστολών, είναι διάσπαρτα σε αμέτρητες θυγατρικές και υπηρεσίες μεταφορών, καθιστώντας την επεξεργασία και τη διαλογή επιρρεπή σε σφάλματα και απαιτητική σε εργασία.

Οφέλη της Τεχνητής Νοημοσύνης για την εφοδιαστική αλυσίδα.

Για παράδειγμα, οι ιδιωτικές εταιρείες δεδομένων εμπορίου μπορούν να χρησιμοποιήσουν εργαλεία μηχανικής μάθησης για να αναγνωρίζουν μοτίβα τελωνειακών διασαφήσεων, να σαρώνουν νομικά έγγραφα και να μεταφράζουν γλώσσες, ώστε να δημιουργούν σαφή και ακριβή εμπορικά δεδομένα που είναι εύκολα στην αναζήτηση και ανάλυση.

Εταιρείες ιδιωτικών δεδομένων εμπορίου, όπως η ImportGenius με έδρα το Σκότσντεϊλ της Αριζόνα, χρησιμοποιούν εργαλεία μηχανικής μάθησης για να αναγνωρίζουν τελωνειακά πρότυπα, να σαρώνουν κανονιστικά έγγραφα και να μεταφράζουν ξένες γλώσσες, ώστε να δημιουργούν σαφή και ακριβή εμπορικά δεδομένα που είναι εύκολα στην αναζήτηση και ανάλυση.

«Χτίζουμε ένα μοντέλο εκμάθησης γλωσσών που θα λειτουργεί ως κεραία για την ανίχνευση, την αναγνώριση και την ενσωμάτωση δεικτών στην πλατφόρμα μας», δήλωσε ο Paulo Mariñas, CTO της ImportGenius, μιας εταιρείας εμπορικών δεδομένων με έδρα την Αριζόνα.

Εν τω μεταξύ, πολυεθνικές όπως η Nestle SA χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης για να αυξήσουν την αποδοτικότητα και να εντοπίσουν αναδυόμενα προβλήματα στις παγκόσμιες αλυσίδες αξίας. Η εταιρεία τροφίμων και ποτών με έδρα την Ελβετία χρησιμοποιεί αλγόριθμους για να εντοπίσει προβλήματα ποιότητας προϊόντων και να διασφαλίσει την αυτορρύθμιση και τον έλεγχο των γραμμών παραγωγής της.

Η Mercedes-Benz Group AG χρησιμοποιεί μια πλατφόρμα με τεχνητή νοημοσύνη που ονομάζεται Omniverse για να κάνει τα εργοστάσια παραγωγής και συναρμολόγησης πιο ευέλικτα. Η Omniverse βοηθά τη γερμανική αυτοκινητοβιομηχανία να αναδιαρθρώσει γρήγορα τα εργοστάσιά της ώστε να προσαρμοστούν σε εξωτερικές κρίσεις εφοδιασμού.

Τα εργαλεία τεχνητής νοημοσύνης βοηθούν τις επιχειρήσεις να απλοποιήσουν τον τρόπο με τον οποίο αναλύουν δεδομένα, ώστε να προχωρήσουν σε ένα πιο ομαλό σύστημα διασυνοριακού εμπορίου.

Η Τεχνητή Νοημοσύνη αναμένεται να ανατρέψει πολλές βιομηχανίες, με ιδιαίτερα υψηλή ανάπτυξη στο εμπόριο. Αυτό συμβαίνει επειδή το πρώτο μισό της τελευταίας δεκαετίας της παγκοσμιοποίησης αφορούσε σε μεγάλο βαθμό τη μείωση των εμποδίων στα αγαθά, τις υπηρεσίες και τις επενδύσεις. Εν τω μεταξύ, στην επόμενη φάση και στο τρέχον πλαίσιο, η τάση της αποπαγκοσμιοποίησης, των δασμολογικών φραγμών και των γεωπολιτικών τριβών θα αποτελέσει τεράστια πρόκληση ακόμη και για την πιο έμπειρη ομάδα logistics.

Ανάλυση εφοδιαστικής αλυσίδας

Ένας τομέας όπου οι εφαρμογές Τεχνητής Νοημοσύνης μπορούν να έχουν μεγάλο αντίκτυπο είναι η παροχή βοήθειας σε εταιρείες και κυβερνήσεις για την καλύτερη κατανόηση των αλλαγών στις παγκόσμιες αλυσίδες αξίας.

Τον περασμένο μήνα, οι υπουργοί εμπορίου της G20 ενέκριναν ένα πλαίσιο για τη χαρτογράφηση νέων δεδομένων, προσδιορίζοντας τη συγκέντρωση προμηθευτών, τις εμπορικές διασυνδέσεις, την αστάθεια της αγοράς και την ευπάθεια των παγκοσμίως σημαντικών βιομηχανιών.

Η ιδέα, που ανακοινώθηκε την περασμένη εβδομάδα, είναι να βοηθηθούν οι κυβερνήσεις να αξιολογήσουν την ανθεκτικότητα των αλυσίδων εφοδιασμού και να αναπτύξουν μέτρα για τον μετριασμό των εξωτερικών κραδασμών. Η G20 λάνσαρε επίσης ένα νέο εργαλείο τεχνητής νοημοσύνης για την αντιστοίχιση εμπορικών δεδομένων με αλγόριθμους πρόβλεψης, οι οποίοι θα μπορούσαν να βοηθήσουν τους υπεύθυνους χάραξης πολιτικής και τις επιχειρήσεις να βελτιστοποιήσουν τις στρατηγικές εξαγωγών τους.

Τα εργαλεία τεχνητής νοημοσύνης μπορούν να μειώσουν τον χρόνο και την έρευνα που απαιτούνται για τη σύναψη εμπορικών συμφωνιών, καθώς και να υπολογίσουν γρήγορα τους δασμούς στα μεταφερόμενα αγαθά. Ωστόσο, η πολυπλοκότητα και ορισμένες πτυχές της διεθνούς εμπορικής πολιτικής απλώς δεν μπορούν να αντιμετωπιστούν από την τεχνητή νοημοσύνη.

«Η Τεχνητή Νοημοσύνη μπορεί να βοηθήσει τους διαπραγματευτές να προετοιμαστούν καλύτερα, αλλά δεν μπορεί να αντικαταστήσει τις πραγματικές διαπραγματεύσεις όπου το ανθρώπινο στοιχείο είναι πρωταρχικής σημασίας», δήλωσε η Γουέντι Κάτλερ, αντιπρόεδρος του Ινστιτούτου Πολιτικής της Κοινωνίας της Ασίας. «Το να ακούτε και να επεξεργάζεστε τι λέει στην πραγματικότητα ο διαπραγματευτικός σας εταίρος, να διαβάζετε τη γλώσσα του σώματος και να βρίσκετε φιλικές ιδέες επί τόπου για να γεφυρώσετε τις διαφορές είναι πράγματα που η τεχνολογία δεν μπορεί να κάνει».

(Σύμφωνα με το Bloomberg)

[διαφήμιση_2]
Πηγή