Inteligencia Artificial (IA) y Aprendizaje Automático (ML) en la Planificación de la Cadena de Suministro (Parte 2 de 2)

Según un reciente Modelo de Economía Digital de la Corporación Internacional de Datos (IDC), para 2023 más del 50% de todo el producto interno bruto nominal mundial estará impulsado por empresas transformadas digitalmente. Y para 2025 al menos el 90% de las nuevas aplicaciones empresariales tendrán capacidades de IA incorporadas.1 Gartner estima que para 2021 el aumento de la IA generará 2,9 billones de dólares en valor empresarial y recuperará 6.200 millones de horas de productividad de los trabajadores.2

En un estudio tras otro hay pruebas del creciente uso de la IA y el ML en todas las funciones empresariales, incluida la planificación de la cadena de suministro. Hoy en día existen capacidades de IA/ML disponibles que se utilizan para mejorar las operaciones de planificación de la cadena de suministro. (Véase la Parte 1 de este blog de dos partes, “Capacidades disponibles ahora”). ¿Qué capacidades de IA/ML están desarrollando activamente los proveedores de soluciones avanzadas para la cadena de suministro que estarán disponibles en un futuro próximo?

Análisis cognitivo, el tipo de análisis más avanzado, permite a los usuarios identificar “Nuevas percepciones” mediante el uso de la IA, el aprendizaje automático y el procesamiento del lenguaje natural. La analítica cognitiva también permite el análisis y la respuesta autónomos, liberando la mano de obra para trabajar en actividades de mayor valor añadido. Se están desarrollando capacidades analíticas cognitivas adicionales para percibir, analizar y responder automáticamente a las interrupciones y oportunidades imprevistas, ayudando a minimizar el riesgo y a maximizar los beneficios de la empresa.

Aumento de la selección de escenarios utiliza capacidades cognitivas avanzadas para desarrollar nuevos conocimientos y aumentar la capacidad de un planificador para tomar decisiones rápidas y bien informadas. La utilización de los escenarios “Y si…” conduce a mejores decisiones. Sin embargo, identificar la información correcta necesaria para tomar una decisión puede ser difícil y construir escenarios hipotéticos puede llevar mucho tiempo. Una solución de aumento de la selección de escenarios impulsada por la IA puede buscar de forma autónoma las mejores soluciones para las interrupciones y oportunidades y puede proporcionar al planificador un conjunto de las mejores alternativas para acelerar la toma de decisiones.


Recomendado: ¿Qué es el Big data?.


La demanda de nuevos productos suele ser difícil de prever. Optimización del perfil del ciclo de vida del producto mejora la precisión de los pronósticos de los artículos mediante técnicas de modelización basadas en atributos de la ML. La modelización basada en atributos implica la creación de perfiles de demanda, la asignación de un perfil a un nuevo artículo, la evaluación continua de la precisión del perfil y la revisión automática de los perfiles. Las soluciones de optimización de perfiles del ciclo de vida de los productos aprenden de las presentaciones de productos anteriores para optimizar la forma y el volumen del perfil para los lanzamientos de nuevos productos.

Optimización de los parámetros de suministro es una nueva capacidad similar a las soluciones de optimización de los parámetros de pronóstico actualmente disponibles en los proveedores de soluciones avanzadas como Logility. Las soluciones de optimización de parámetros de suministro detectan, analizan y actualizan continuamente los parámetros de planificación del suministro para mejorar la optimización del mismo y ayudar a garantizar que la cadena de suministro funcione al máximo rendimiento. Al igual que en el caso de la demanda, los parámetros de planificación de la oferta rara vez se revisan o ajustan para reflejar el estado real de la cadena de suministro física. Esta capacidad impulsada por la IA analiza de forma autónoma el estado actual de la cadena de suministro en relación con los parámetros de planificación de la oferta que se encuentran en el “gemelo digital” de la cadena de suministro y actualiza automáticamente estos parámetros para optimizar la respuesta de la cadena de suministro.

Simulaciones probabilísticas de suministro es un avanzado ML-muy similar a las actuales capacidades de simulación de demanda probabilística. Estas soluciones utilizan el aprendizaje por máquina para comprender la variabilidad de la capacidad de suministro para construir una gama de posibles capacidades de respuesta del suministro. Las capacidades de suministro aleatorias se utilizan cuando se realizan simulaciones. Se pueden incorporar datos de ingresos y beneficios a nivel de producto para permitir la evaluación de los riesgos financieros dentro del rango esperado de posibilidades de suministro.

La primera ola de Gen Z está entrando en la fuerza de trabajo y esperan tener la misma Interfaz de Lenguaje Natural y AI/ML las capacidades de automatización disponibles para ellos en el lugar de trabajo con el que crecieron en casa y en la escuela. Las empresas deben adoptar soluciones de software para la cadena de suministro con interfaces de lenguaje natural y capacidades de automatización de AI/ML que permitan a los usuarios conversar y utilizar su plataforma de cadena de suministro con la misma facilidad con que utilizan dispositivos móviles y asistentes en el hogar.

Resumen:

La introducción de la IA y el ML en las operaciones de la cadena de suministro puede impulsar a su empresa hacia el futuro: aprovechando la automatización, optimizando la planificación de la cadena de suministro y evaluando los resultados de múltiples escenarios para aumentar su confianza en la toma de decisiones. Construir una base sólida de personas, procesos, datos y soluciones, y aprovechar las tecnologías de la cadena de suministro líderes en la industria y construidas con ese fin, como las que ofrece Logility, puede aumentar su experiencia y acelerar su ascenso en la curva de madurez de la IA/ML.