AI 채택에 대한 3단계 접근 방식과 우선 순위

팬데믹의 세계적 영향은 다음 주요 혼란에서 살아남으려는 기업에게 여러 가지 중요한 교훈을 주었습니다. 그 중에는 공급망에서 인공 지능을 더 잘 구현해야 할 필요성이 있습니다.

다음은 기업이 그 목표를 달성할 수 있는 방법에 대한 몇 가지 팁입니다.

첫째, 소비자 수요를 예측할 수 있는 더 나은 모델을 구축하고, 덜 분명한 입력을 고려합니다. 현재 이러한 시스템은 단순한 추세 및 계절성 예측을 중심으로 구축됩니다. 대신 인플레이션, 소비자 물가 지수 및 경기 부양책, 봉쇄 및 주택 건설과 같은 COVID-19 개입 정책으로 인한 기타 입력 충격과 관련된 외부 입력을 고려해야 합니다. 이러한 패턴의 대부분은 뒤늦게 보면 쉽게 알 수 있지만 그렇다고 해서 미리 포착할 수 없는 것은 아닙니다. 예측을 위한 AI 기반 모델의 장점은 겉보기에 관련이 없어 보이는 기능 간의 상호 작용을 포착할 수 있다는 것입니다.

더 나은 소비자 수요 모델이 구축되면 2차 배송 추정 모델을 만듭니다. 언제든지 현재 공급망 상태를 고려하고 제품으로 가득 찬 컨테이너를 운송하는 비용을 예측할 수 있도록 구성해야 합니다. 이 도구의 장점은 정확도를 평가하기 위해 백 테스트할 수 있다는 것입니다. 단순히 과거를 보고 실제와 일치하는지 확인하기 위해 주어진 시간에 예상 가격을 확인하십시오.

마지막으로 수요 모델과 비용 추정기를 사용하여 진정한 공급망 AI로 작동하는 시스템을 구축하십시오. 이것이 작동하는 방식은 다음 두 가지 핵심 관찰을 기반으로 합니다.

이 두 가지 기능을 통해 AI 시스템은 비용 추정 모델의 입력 레버를 조정하여 개선할 수 있습니다. 모델에는 "로스앤젤레스 항구가 하루에 몇 시간 동안 운영되는지"와 같이 간단한 입력 매개변수가 있습니다. 값의 변화에 ​​따라 배송비에 미치는 영향을 알 수 있게 됩니다. AI는 공급망을 구성하는 요소의 입력 레버를 지속적으로 조정하도록 훈련되어 수요가 무엇이든 상관없이 수요를 충족시키기 위한 총 비용이 상한선을 갖도록 할 수 있습니다.

이 3단계 접근 방식은 향후 10년 동안 공급망의 모습입니다. 악마는 물론 세부 사항에 있습니다. 그러나 일단 그러한 시스템을 갖추면 미래의 공급망 혼란에 대처하기 위한 솔루션을 정치인에게 의존할 필요가 없습니다. AI가 공급망 계획 및 모델링을 지원하면 한계가 있습니다.

James Kaplan은 MeetKAI의 CEO입니다.