공급망 기업이 AI로 로드맵을 구축하는 방법

우리가 알고 있는 공급망은 수십 년 동안 꾸준히 가속화되는 "밀기" 역학에서 새로운 "밀기 및 당기기" 모델로 전환하는 벼랑에 있습니다.

4가지 주요 요인이 이러한 글로벌 산업 전반의 변화에 ​​기여하고 있습니다.

오늘날의 점점 더 능숙해지는 쇼핑객. 고객은 디지털 세계에 살고 있으며 원활한 경험을 요구합니다. 그렇지 않으면 그들은 다른 곳으로 갈 것입니다. 이는 재고를 고객에게 '밀어내기' 최적화된 공급망에서 고객이 '끌어오기'를 원하는 것에 최적화를 추가해야 함을 의미합니다.

현재 지정학적 기후. 전 세계적으로 나타나는 민족주의적 경향, 미국과 중국 간의 관세 분쟁, 브렉시트 또는 지속 가능성 문제에 대한 글로벌 초점 등 공급망은 그 어느 때보다 불확실성과 위험에 노출되어 있습니다.

인더스트리 4.0 및 디지털 공급망의 불균등한 발전 공장, 공급망, 매장이 점점 더 연결되어 서로 다른 시스템이 정보를 공유하고 리드 타임을 단축할 수 있게 되었지만, 이는 행동할 수 있는 회사에게만 해당됩니다. 생산이 고객에게 더 가까이 이동하면서 지역 무역의 오랜 패턴을 붕괴시키고 있습니다.

기존 공급망 기술은 수명 주기가 끝났습니다. 예측 또는 공장 계획과 같이 특정하고 고립된 문제를 해결하기 위해 구축된 레거시 소프트웨어 솔루션은 더 이상 그 목적에 적합하지 않습니다. 간단히 말해서 이 소프트웨어는 따라갈 수 없습니다.

공급망에 인공 지능을 입력하십시오. 공장의 예측 유지보수, 물류 체인의 자율 주행 트럭 또는 매장의 자동화를 통해 AI 솔루션이 등장하여 공급망 참여자의 효율성을 개선하고 운영 비용을 절감하고 있습니다. 그러나 대부분의 산업에서와 마찬가지로 AI의 가치를 완전히 인식하는 방법과 관련하여 단절이 있습니다.

첫 번째 단계는 로드맵을 만드는 것입니다. 즉, 장단기적으로 전략적 비즈니스 목표를 달성하기 위해 우선 순위를 정하는 검증된 AI 기회 포트폴리오입니다. 실험을 통한 학습은 AI 채택에 여전히 중요하지만 AI 로드맵을 갖는 것은 필수 전략입니다. 이를 통해 공급망 물류 개선을 처리하는 사람들은 지능형 AI 채택을 위한 최상의 전술을 계획하고 선택할 수 있습니다.

비즈니스에서 변화하는 공급망의 추진력을 포착하기 위해 AI 로드맵을 어떻게 개발합니까? 첫째, 전체 비즈니스나 단일 프로세스나 작업이 아니라 비즈니스 라인 또는 기능 영역 수준에서 작업 범위를 지정해야 합니다. 예를 들어 공장 설정에서 재고 또는 품질 관리와 같은 영역은 프로세스, 데이터, 역할 및 목표의 완전한 시스템을 나타내기 때문에 시작하기에 좋은 장소입니다.

초점을 선택한 후에는 경영진에게 좋은 AI 기회가 무엇인지 교육한 다음 팀 전체에서 협력하여 AI 기능을 기회와 일치시킬 수 있는 가능성을 활용해야 합니다.

좋은 AI 기회는 실용적이고 가치가 있습니다. 그들은 어떤 데이터를 사용하여 AI가 어떤 예측이나 결정을 내릴 것인지, 그리고 그 결과가 가치를 창출하기 위해 어떻게 적용될 것인지를 다룹니다. 예를 들어 공장 품질 관리에서 AI 시스템은 생산 라인 데이터를 사용하여 결함을 예측하고, 유지 관리를 처방하거나, 질문에 답변하는 분석가를 보강할 수 있습니다.

발견은 이러한 옵션을 찾는 것만큼이나 추구할 가치가 있는 옵션에 대한 가설을 세우는 것입니다. 발견 후 팀은 이제 검증이 필요한 일련의 사례 연구를 보유해야 합니다.

AI 사용 사례의 영향을 평가할 때 정확성이나 효율성에 대한 점진적인 개선 이상을 살펴보십시오. 현상 유지 이상으로 창출된 가치를 분석합니다.

예를 들어, AI 사용 사례는 정기적으로 보고서를 읽고 송장을 처리하는 미지급금 직원을 돕는 것을 중심으로 구축될 수 있습니다. 문서 인텔리전스와 같은 AI 기능을 통해 간단한 인보이스를 바로 처리할 수 있습니다. 그러면 사무원은 불일치 식별과 같은 자동 문서 요약 및 정보 추출과 같은 기능을 통해 나머지 송장을 보다 신속하게 처리할 수 있습니다. 이 혜택에 대한 초기 지표는 단순히 송장을 처리하거나 시간을 절약할 수 있지만 더 큰 그림이 있습니다. AP 직원이 하루에 한 시간을 추가로 얻는다면 근본 원인 분석 및 주문 문제 수정 또는 공급업체 할인을 더 잘 활용하기 위한 작업량 관리에 시간을 할애할 수 있습니다.

분석 단계는 경영진 의사결정자가 비전과 계획에서 사례의 우선 순위를 정하는 것과 관련하여 어려운 결론을 내리기에 충분한 정보를 갖고 있다는 점에서 각 사례가 정의되었을 때 수행됩니다.

마지막으로 잘 정의된 사용 사례를 통해 팀은 다음 세 가지 목표의 균형을 맞춰 최대 효과를 위해 AI 투자 순서를 정할 준비가 되었습니다.

처음 두 가지 목표는 장단기 가치의 균형을 맞추는 것입니다. 세 번째는 공급망에 대한 AI 투자의 현실적인 비용과 이점에 대해 경영진의 동의를 얻어 진행 상황을 방해하지 않는 것입니다.

공급망이 새로운 반응형 밀고 당기기의 정상을 향함에 따라 의사 결정권자들이 모멘텀을 포착하기 위해 신속하게 행동하는 것이 점점 더 중요해질 것입니다. 그러나 공급망 관리의 복잡성으로 인해 공급망 균형을 재조정하는 것은 일회성 활동이 아닙니다. 시간을 할애하여 AI 투자를 발견하고 분석하고 우선 순위를 정하면 앞서 나가거나 시간을 낭비할 수 있습니다.

Karthik Ramakrishnan은 Element AI의 자문 및 지원 책임자인 부사장이고 Ben Humphries는 글로벌 사전 판매 책임자입니다.