הסבר על יתרון הבינה המלאכותית

 

מדוע שקיפות, אינטגרציה ואמון הופכים מכריעים בטכנולוגיה לוגיסטית? פיטר מקלאוד מדבר עם מומחה.

ב-LogiMAT של השנה, אם היה נושא שחותך את הרעש בצורה ברורה יותר מרובם, זה היה מהירות. לא רק מהירות הפעילות, אלא מהירות הפריסה, מהירות החדשנות, ובסופו של דבר The Big One: מהירות ההחזר על ההשקעה. עבור Inform Software, הדיון הזה מוביל יותר ויותר לשאלה רחבה יותר: איך ארגונים לוגיסטיים יכולים לאמץ מערכות חכמות יותר מבלי לאבד שקיפות, שליטה או אמון?

 

בשיחה איתי ברצפת התצוגה העמוסה בשטוטגרט, סמנכ"ל המלאי ושרשרת האספקה ​​של אינפורם, ד"ר ברנד היינריקס תיאר כיצד החברה רואה בינה מלאכותית מתפתחת בשרשרת האספקה ​​ובסביבות תוך-לוגיסטיות.

 

הרחבת שכבת האופטימיזציה

Inform מקושר זה מכבר לאופטימיזציה בסביבות מורכבות-מונעות נתונים. אבל ככל שהשווקים הופכים תנודתיים יותר, מערכות האופטימיזציה מתבקשות להגיב מהר יותר, לשלב יותר אותות ולתמוך בקבלת החלטות-דינמית יותר.

השינוי הזה רלוונטי במיוחד בסביבות שבהן החלטות תלויות זו בזו. שינוי בתכנון הביקוש עשוי להשפיע על המלאי, יכולת ההובלה, הקצאת העבודה או רמות השירות. המלצה המוצעת בחלק אחד של הפעולה יכולה ליצור השלכות במקומות אחרים, מה שהופך את השקיפות לחיונית לשימוש-ליום{3}}יום יום.

עבור היינריקס, זה המקום שבו בינה מלאכותית בלוגיסטיקה חייבת להוכיח את ערכה המעשי. "אני לא מדבר על AI. אני מדבר על AI שניתן להסביר", הוא אומר. "לכל מה שאנחנו עושים, לכל מה שאנחנו מציעים, יש הסבר. אחרת, אנשים לא סומכים על זה".

אמון כדרישה מעשית

בשיחות עם לקוחות בתעשיות שונות, הוא אומר שאותה שאלה עולה שוב ושוב: "למה המערכת בחרה באפשרות הזו ולא אחרת?"

 

השאלה חשובה מכיוון שהחלטות לוגיסטיות מתקבלות רק לעתים רחוקות על ידי טכנולוגיה בלבד. הם מערבים מתכננים, מנהלים, צוותי תפעול, ובמקרים רבים, לקוחות או שותפים חיצוניים. אם בעלי העניין האלה לא יכולים לעקוב אחר ההיגיון מאחורי המלצה נתמכת בינה מלאכותית-, יש סיכוי נמוך יותר שהם יפעלו לפיה.

 

עבור היינריך, זה יכול להפוך לנקודת בידול משמעותית עבור ספקי טכנולוגיה אירופיים. "אנחנו יכולים לבנות AI טוב כמו כולם, אבל אנחנו יכולים להוסיף משהו אחר", הוא אומר. "זו לא צריכה להיות קופסה שחורה."

ככל שחברות שואפות להטמיע יישומי בינה מלאכותית בתהליכים עסקיים מבוססים, ההבדל הזה הופך חשוב יותר ויותר. מערכות צריכות להיות חזקות מבחינה טכנית, אבל הן גם צריכות להיות מספיק מובנות כדי שמשתמשים יוכלו לאתגר, לאמת ולשפר אותן לאורך זמן.

 

ניהול סביבות פחות צפויות

סביבות תפעוליות הופכות קשות יותר לתכנון עם נתונים היסטוריים בלבד. דפוסי הביקוש משתנים, גורמים חיצוניים מתערבים ותנאי השוק יכולים להשתנות במהירות, לעתים קרובות לפני שהשינויים הללו נראים בבירור במספרים. "עליך לאסוף נתונים- בזמן אמת ולא להסתמך רק על נתונים היסטוריים", הוא אומר. "עליך להגיב לתנודתיות ולשלב אותות ממקורות שונים בהחלטות שלך".

זה מסמן מעבר ממודלים של אופטימיזציה סטטית יותר למערכות רספונסיביות שלוקחות מידע חדש בחשבון ללא הרף. "זה נהיה יותר דינמי", הוא מוסיף. "השלב הבא הוא הפיכתו לסוכן יותר - להגיב בעצמו לשינויים בסביבה."

 

מחדשות לתחזית

דוגמה אחת של Inform שהוצגה לראשונה ב-LogiMAT היא גישה חדשה מבוססת בינה מלאכותית- שנועדה להביא אירועים חיצוניים ישירות לחיזוי ולתכנון תרחישים. נקודת המוצא, אומר היינריקס, הייתה שאלה פשוטה: מדוע מודלים של תחזיות מתעלמים לעתים קרובות כל כך ממה שקורה בעולם סביבם?

 

"אם מריצים היום תחזית קלאסית, היא מבוססת על נתונים היסטוריים", הוא מסביר. "אבל במציאות, הביקוש מושפע כל הזמן מאירועים כמו סכסוכים גיאופוליטיים, שיבוש שרשרת האספקה, רגולציה חדשה או מגמות בשוק. המידע הזה קיים, אבל בדרך כלל כחדשות, לא כמספרים".

הפתרון החדש נועד לסגור את הפער הזה. משתמשים מספקים סדרת זמן, כגון נתוני מכירות או אינדיקטור שוק, ומתארים בקצרה את ההקשר. לאחר מכן, ה-AI חוקר אירועי חדשות רלוונטיים, מנתח קשרים היסטוריים ומייצר מספר תרחישים עתידיים אפשריים. התוצאה היא תחזית המלווה בהסבר מבוסס ראיות- מדוע שוק עשוי להתפתח בכיוונים שונים.

אדם בלולאה

עבור היינריקס (בתמונה למטה), הדיון על AI מוביל ישירות לתפקיד המומחיות האנושית. AI יכול לזהות דפוסים, לעבד כמויות גדולות של מידע ולייצר תרחישים במהירות. אבל הערך שלו עולה כאשר אנשים יכולים להוסיף את הניסיון, ההקשר והשיפוט שהנתונים לבדם אינם יכולים לספק.

"AI טוב רק כמו הנתונים שהוא עובד איתם והאנשים שמסוגלים לתת לנתונים האלה משמעות", הוא אומר. "זו הסיבה שהאדם נשאר חלק מהותי מהלולאה."

בפועל, זה אומר שמתכננים ומקבלי החלטות-לא מוסרים מהתהליך. הם נשארים מרכזיים בו. תפקידם לאמת תרחישים, להטיל ספק בהנחות ולחדד את התפוקות על סמך ידע תפעולי או אינטואיציה בשוק.

 

"אם אנשים מבינים למה המערכת ממליצה על משהו, הם יכולים להחליט אם לסמוך עליו, לפקפק בו או לשפר אותו", מסביר היינריקס. "זה המקום שבו שיתוף הפעולה בין השיפוט האנושי לאינטליגנציה המכונה הופך לעוצמתי באמת."

 

אינטגרציה ויכולת פעולה הדדית

נושא עקבי נוסף בדיונים של לקוחות הוא אינטגרציה. ככל שהפעולות הלוגיסטיות הופכות יותר מקושרות זו לזו, היכולת לקשר יישומים מונעי בינה מלאכותית- עם מערכות קיימות הופכת חיונית. "אנחנו תמיד מקבלים את השאלה: איך אני משתלב עם מערכת ה-ERP שלי, הפתרונות האחרים שלי?" היינריקס אומר לי. התגובה של אינפורם הייתה סטנדרטיזציה של מחברים והתיישרות עם פלטפורמות מרכזיות כמו SAP ו-Microsoft. התוצאה היא נתיב אינטגרציה פשוט יותר, המפחית הן את העלות והן את זמן ההטמעה.

 

"זה עושה הבדל גדול", הוא מוסיף. "וזה גם מקל עלינו להתרחב בינלאומית".
זוהי נקודה מכרעת באימוץ AI. אפילו האפליקציה המתקדמת ביותר תתקשה ליצור ערך אם היא תעמוד בנפרד מהמערכות שבהן תהליכים עסקיים מנוהלים בפועל. חברות לוגיסטיקה כבר פועלות עם נופי IT מבוססים, ופתרונות חדשים חייבים להשתלב בסביבות אלה מבלי ליצור מורכבות נוספת.

 

 

אחריות על נתונים

עם הגברת הקישוריות והשימוש בנתונים מגיעה בדיקה מוגברת סביב אבטחה. הרקע של היינריך באבטחת סייבר מעיד על עמדה נחרצת בנושא זה. "לכל מוצר צריך להיות חותמת אבטחה לפני שהוא יוצא", הוא אומר. "זה חובה".

כאשר מודלים של AI מסתמכים על מקורות נתונים רחבים יותר - כולל עדכונים חיצוניים כגון חדשות ומידע שוק - המורכבות של ניהול ואבטחת הנתונים גדלה. "כמות הנתונים שאנו מנצלים אליה יוצרת ביקוש עצום במונחים של אבטחת מידע", מציין היינריך. "אתה צריך להישאר על זה."

 

שוק מוכן לזוז

אולי הכי בולטת היא ההערכה של היינריקס לגבי סנטימנט השוק. במקום זהירות, הוא רואה תיאבון גובר לניסויים ולהתקדמות מהירה.

"הלקוחות מבקשים מאיתנו לבוא עם רעיונות", הוא אומר. "הם מוכנים לנצח מהר, להיכשל מהר". הפתיחות הזו יוצרת קרקע פורייה לפתרונות חכמים שיכולים לספק שיפורים מוחשיים ללא האינרציה של פרויקטי טרנספורמציה גדולים בקנה מידה-.

 

עבור חברות רבות, השלב הבא של הדיגיטליזציה לא יוגדר על ידי AI בלבד. זה יוגדר על ידי AI שמסביר את עצמו, מתחבר בצורה נקייה למערכות קיימות ותומך בהחלטות שאנשים יכולים לסמוך עליהן.