Νέα Εποχή Logistics
Οι παγκόσμιες αλλαγές απαιτούν την οικοδόμηση της ανθεκτικότητας των αλυσίδων εφοδιασμού σε νέους κινδύνους.
Οι ειδικοί σε θέματα Logistics και λειτουργιών που ερωτήθηκαν από την EY βλέπουν τη GenAI ως βασική λύση που θα τους βοηθήσει να παραμείνουν ανταγωνιστικοί στο μέλλον. Σχεδόν τα τρία τέταρτα από αυτούς (73%) σχεδιάζουν να εφαρμόσουν αυτήν την τεχνολογία στις αλυσίδες εφοδιασμού τους και το 80% πιστεύει ότι μπορεί να μεταμορφώσει αυτόν τον τομέα και επομένως να του δώσει υψηλή προτεραιότητα. Οι ηγέτες στην εφαρμογή της γενετικής τεχνητής νοημοσύνης τη χρησιμοποιούν για να βελτιώσουν την πρόβλεψη της ζήτησης και τη λειτουργική αποτελεσματικότητα. Είναι σημαντικό ότι το 69% των ερωτηθέντων πιστεύει ότι η έλλειψη ενσωμάτωσης της GenAI με τις αλυσίδες εφοδιασμού θα εκθέσει τον οργανισμό τους στην απώλεια μιας ισχυρής θέσης στην αγορά. – Στοιχεία που υποστηρίζονται από τεχνητή νοημοσύνη χρησιμοποιούνται στον τομέα της εφοδιαστικής αλυσίδας εδώ και χρόνια. Αλλά μόνο η σύνδεση με την GenAI είναι μια σημαντική ανακάλυψη στη δημιουργία απρόσωπων αλυσίδων εφοδιασμού. Το AI δεν χρησιμοποιείται μόνο για την ανάλυση και την ερμηνεία τεράστιων ποσοτήτων δεδομένων, αλλά και για τη δημιουργία νέων σεναρίων, τη δημιουργία καινοτόμων λύσεων και την εξάλειψη της τριβής σε πραγματικό χρόνο. Με τη σειρά του, η GenAI μπορεί να σχεδιάσει νέες διαδικασίες, να προβλέψει τις μελλοντικές απαιτήσεις με μεγαλύτερη ακρίβεια για τον μετριασμό των εξωτερικών κραδασμών και να εντοπίσει απρόσκοπτα τις πιο οικονομικές διαδρομές σε περίπτωση διαταραχών. Αυτό είναι ζωτικής σημασίας για την ανάπτυξη αλυσίδων εφοδιασμού που μπορούν να προσαρμοστούν δυναμικά στις μεταβαλλόμενες συνθήκες της αγοράς και να λειτουργούν με περιορισμένη ανθρώπινη παρέμβαση - εξηγεί η Marta Cicholska, Partner στην EY Polska, Leader of the Supply Chain & Operations Team.
Η έρευνα της EY δείχνει ότι έως και το 90% των ειδικών έχουν εφαρμόσει το GenAI με κάποια μορφή στις αλυσίδες εφοδιασμού τους. Ωστόσο, κατά τους τελευταίους 12 μήνες, το 62% των ερωτηθέντων αξιολόγησε τις πρωτοβουλίες τους σε αυτόν τον τομέα, αλλά μόνο το 7% ολοκλήρωσε την πλήρη εφαρμογή. Οι δύο κύριοι λόγοι για αυτήν την κατάσταση είναι οι ανησυχίες και η έλλειψη κατανόησης των απειλών που θέτει το GenAI και των προκλήσεων που συνδέονται με την εφαρμογή αυτής της περίπλοκης τεχνολογίας. Οι εις βάθος συνεντεύξεις με στελέχη της εφοδιαστικής αλυσίδας και των λειτουργιών αποκάλυψαν ότι το τεχνικό άλμα από την απόδειξη της ιδέας στην εφαρμογή του GenAI σε κλίμακα ήταν πιο δύσκολο από το αναμενόμενο.
Η επίτευξη πλήρους υλικοτεχνικής αυτονομίας παραμένει επίσης σημαντική πρόκληση. Μόνο το 28% των εταιρειών που άρχισαν να προετοιμάζονται για την εφαρμογή του GenAI δημιούργησαν αλυσίδες εφοδιασμού με χαμηλή ανθρώπινη παρέμβαση. Ένας παράγοντας επιτυχίας για πιο προηγμένους οργανισμούς είναι μια ισχυρή ψηφιακή βάση που τους επιτρέπει να υιοθετούν γρήγορα και να αξιοποιούν το GenAI. Οι ηγέτες παρουσιάζουν επίσης μεγαλύτερη πρόοδο στην εφαρμογή τόσο της τεχνητής νοημοσύνης όσο και του GenAI στον χώρο της εφοδιαστικής. Είναι 3,5 φορές πιο πιθανό να επιτύχουν πολύ υψηλότερη από την αναμενόμενη επιτυχία για το AI και 5,2 φορές πιο πιθανό για το GenAI. – Αναμένουμε σημαντική ανάπτυξη στην εφαρμογή της παραγωγικής τεχνητής νοημοσύνης τα επόμενα δύο χρόνια. Ως αποτέλεσμα, αυτό θα διευρύνει το ψηφιακό χάσμα μεταξύ των οργανισμών που βρίσκονται στην πρώτη γραμμή της χρήσης νέων τεχνολογιών και εκείνων που βρίσκονται μόνο στα πρώτα στάδια της υιοθέτησής τους. Ωστόσο, αξίζει να τονιστεί ότι η πρόσβαση στην τεχνητή νοημοσύνη γίνεται ολοένα και πιο δημοκρατική.
Μέχρι πρόσφατα, η χρήση του απαιτούσε μοντέλα εκπαίδευσης και ως εκ τούτου περιοριζόταν από την ανάγκη να υπάρχουν υψηλά καταρτισμένοι ειδικοί και κατάλληλη υποδομή στον οργανισμό. Αυτό δημιούργησε πρόσθετο κόστος και αύξησε το εμπόδιο εισόδου. Στην εποχή του GenAI, καθώς μεγάλα προεκπαιδευμένα μοντέλα γίνονται διαθέσιμα μέσω βασικών τεχνολογικών πλατφορμών, η προσπάθεια μετατοπίζεται στη σωστή αξιοποίησή τους εντός του οργανισμού, των δεδομένων, των διαδικασιών και των απαιτήσεών του. Η ίδια η τεχνολογία γίνεται πιο διαθέσιμη, αλλά η πρόκληση παραμένει η σωστή εφαρμογή της, χρησιμοποιώντας όλα τα στοιχεία που σχετίζονται με τις ρυθμιστικές απαιτήσεις και την ασφάλεια στον κυβερνοχώρο - προσθέτει η Ewa Nowakowska, Συνεργάτης στην EY Polska, επικεφαλής του EY AI Lab.
Κατανόηση των προκλήσεων και των παραγόντων επιτυχίας
Η έλλειψη πληρότητας δεδομένων και τα κενά δεξιοτήτων προσδιορίστηκαν από τους ερωτηθέντες ως οι κύριες προκλήσεις για την εφαρμογή της τεχνητής νοημοσύνης στις αλυσίδες εφοδιασμού. Ο ανθρώπινος παράγοντας θα καθορίσει την ταχύτητα υλοποίησης, επομένως οι οργανισμοί θα πρέπει να αναπτύξουν σταθερά σχέδια για τη βελτίωση των προσόντων των σημερινών εργαζομένων και να εξετάσουν προσεκτικά τις μελλοντικές προσλήψεις. Οι μισοί από τους ηγέτες της εφαρμογής GenAI στις αλυσίδες εφοδιασμού εμπιστεύονται τη διαχείριση αυτής της τεχνολογίας στις ομάδες τους - 51% έναντι 33% στις εταιρείες στην αρχή αυτής της διαδρομής. Αυτή η εσωτερική ενεργοποίηση είναι σημαντική γιατί, σύμφωνα με τα αποτελέσματα της Έρευνας Work Reimagined της EY, το 49% των εργαζομένων ήδη χρησιμοποιεί ή αναμένει να χρησιμοποιήσει το GenAI τους επόμενους 12 μήνες.
Σύμφωνα με εμπειρογνώμονες των λειτουργιών και της εφοδιαστικής αλυσίδας, η επιτυχία στην εφαρμογή του GenAI καθορίζεται από την υποστήριξη από τη διοίκηση (67%), τη δημιουργία υποστήριξης από τρίτους (65%) και τη διαθεσιμότητα τεχνικών ταλέντων (64%). Το Generative AI είναι μια νέα τεχνολογία και το 40% των ερωτηθέντων πιστεύει ότι ο οργανισμός τους δεν κατανοεί πλήρως τους κινδύνους και τις προκλήσεις που συνδέονται με αυτό. Κατά τη γνώμη τους, τα πιο σημαντικά καθήκοντα σε αυτόν τον τομέα είναι η διατήρηση της ποιότητας των δεδομένων (38%) και η πρόσβαση σε αυτά (33%). Αυτό ισχύει ιδιαίτερα για τις αλυσίδες εφοδιασμού όπου τα δεδομένα είναι διάσπαρτα σε διάφορα συστήματα εντός του οργανισμού και μεταξύ εξωτερικών οντοτήτων.
Σχετικά με τη μελέτη
Η έρευνα διεξήχθη από την EY σε συνεργασία με την HFS Research τον Φεβρουάριο και τον Μάρτιο του 2024 μεταξύ 460 ειδικών της εφοδιαστικής αλυσίδας και των λειτουργιών που διαδραματίζουν σημαντικό ρόλο στις πρωτοβουλίες των οργανισμών τους στον τομέα αυτό. Οι απαντήσεις συλλέχθηκαν από 19 χώρες που καλύπτουν την Αμερική, την Ασία-Ειρηνικό (APAC) και την Ευρώπη, τη Μέση Ανατολή, την Ινδία και την Αφρική (EMEIA). Εξετάστηκαν εταιρείες που δραστηριοποιούνται στους κλάδους των καταναλωτών, των επιστημών υγείας και ευεξίας, της ενέργειας και των πόρων, της τεχνολογίας, των τηλεπικοινωνιών και της μεταποιητικής βιομηχανίας. Οι ερωτηθέντες αντιπροσώπευαν οργανισμούς με ετήσια έσοδα άνω του 1 δισεκατομμυρίου δολαρίων που βρίσκονταν τουλάχιστον στα στάδια σχεδιασμού της εφαρμογής του GenAI στην εφοδιαστική τους αλυσίδα. Επιπλέον, διεξήχθησαν εις βάθος ποιοτικές συνεντεύξεις με διευθυντές εφοδιαστικής αλυσίδας και λειτουργιών.
Η τέταρτη έκδοση της παγκόσμιας μελέτης της EY - Work Reimagined Survey - διεξήχθη μεταξύ Ιουνίου και Αυγούστου 2023 σε μια ομάδα 17 εργαζομένων και 050 εταιρειών. Αντιπροσώπευαν 1 τομείς αγοράς και 575 γεωγραφικές περιοχές από την Αμερική, την Ασία-Ειρηνικό, την Ευρώπη, τη Μέση Ανατολή, την Ινδία και την Αφρική.