需要計画での AI — 可能性を最大限に活用しているか?
今日の急速に変化する現代ビジネスの世界では、サプライチェーンはシームレスなオペレーションを支える柱です。製造から最終消費者までの商品やサービスの流れを効率的に管理することが、最重要課題です。
近年、人工知能 (AI) が変革力として登場し、サプライチェーンの運営方法に革命を巻き起こしています。最も普及しているユースケースは AI と機械学習 (ML) を取り入れて需要予測の予測精度を向上するものですが、AI と ML が広く使用されるにつれて、引き続きさまざまなユースケースが現れ、大きな可能性が明らかになっています。
Blue Yonder で直接目にしてきたことは、AI と ML を使用すると、サプライチェーンのレジリエンスが増大して計画担当者の生産性が向上し、重要な意思決定を俊敏に行うことでした。このブログでは、AI がサプライチェーンの未来を変化させる数多くの方法について詳しく見ていきます。
インテリジェントなシナリオ計画により、混乱への対応を迅速化し、サプライチェーンのレジリエンスを構築
最近の Gartner の調査によると、68% のサプライチェーン担当幹部が大きな影響を与える混乱にいつも対応していると感じている一方、67% が次の混乱に見舞われるまでに回復する時間すらないと述べています。シナリオ計画は、混乱の影響を把握して解決策の計画を推進する重要なツールですが、現在のツールやテクノロジーでは、複数のシナリオの作成と評価を行う場合に計画担当者の直感と手動操作に依存しています。手動のシナリオ計画は、煩わしくて時間がかかる作業であるだけでなく、結果として意思決定が最適ではない場合がよくあります。というのは、細かいシナリオの作成が過剰だったり、幅広いシナリオの作成がなかったために、重要な手段や意思決定ポイントを失ったからです。
AI を活用した洞察を利用する Cognitive Demand Planning を使用すると、計画担当者は、シナリオで各種手段を緻密に計画し、境界値 (設定後はそのままにする値) を設定できます。高度なアルゴリズムで、問題の対象範囲を現実的で最も適用可能なシナリオの論理セットに自律的に絞り込みます。組み込みの予測 AI ではこの実現可能なシナリオセットを評価し、あらかじめ設定された目標を最適化する上位シナリオを推奨します。この AI/ML を利用したシナリオ計画では、平均所要時間が数時間 (または数日) から数分へと短縮され、計画担当者は単にデータをまとめるのではなく、実際の戦略的な意思決定と作業に集中できます。
影響要因を取り込むことで、ビジネスの実態をうまく反映して多くの情報に基づく意思決定を実行
影響要因を需要計画に取り込むことは、多くの情報に基づく意思決定を行い、オペレーションを最適化し、顧客を満足させ、市場での競争優位性を維持するために、ビジネスにとって必須です。さまざまな要因の複雑な相互作用を理解することで、ビジネスは自信を持って俊敏に市場の不確実性に対応できます。天候、新製品の導入、祝日、顧客の嗜好の変化、文化イベントなどの要因はすべて、需要に大きな影響を与える可能性があります。たとえば、ビヨンセのルネッサンスワールドツアーは、米国に約45億ドルの経済効果をもたらすと推定されています。また、ある特定の例では、シルバーの衣服やアクセサリーの需要が25% 増大しました。適切な影響要因を識別し、予測に対する効果を理解し、影響をモデリングできることが、予測精度の確保において最重要事項です。
ただし、需要計画での適切な影響要因の識別は、言うは易く行うは難しです。通常、データサイエンティスト、業界の専門家および製品の専門家が数百時間作業する必要があります。それでも、重要な要因が見過ごされる可能性が常にあります。また、より多くのデータにすぐにアクセスできるにつれ、膨大なデータセットを注意深く読み込むことはますます困難になります。ディープメタラーニング (AI 分野の最先端のイノベーション) により、影響要因を識別するデータ主導手法とアルゴリズム的手法が強化され、これを使用し、ML モデルは自律して継続的にデータの最適な組み合わせを選択して構成します。ディープメタラーニングでは当て推量や人間の偏見を識別プロセスから排除するだけでなく、市場やビジネスの実態から求められる場合に、影響要因の再構成を迅速化し、顧客の嗜好にうまく合わせた状態に維持できます。
ディープメタラーニングにより、ついに需要計画担当者は、制限のないデータの完全値を入手し、統合された ML の処理速度を加速できます。
生成 AI で生産性を解放し、チームパフォーマンスのレベルを向上
生成 AI の利用と影響については、ありとあらゆる領域で喜ばしいことがたくさんあります。最近の記事で、Blue Yonder の最高プロダクト責任者の Gurdip Singh がサプライチェーンにおける最も影響力のあるユースケースについて概説しています。
最も注目すべきは、大規模言語モデル (LLM) の自然言語機能を備えた生成 AI を需要計画ソリューションに組み込むと、データ主導の洞察、支援を受けた意思決定、およびプロセス自動化への速いアクセスを通じて、計画担当者の生産性を劇的に向上できることです。ユーザエクスペリエンスに直接統合する場合、計画担当者は容易に問題の明確化を求め、データを要求し、過去の意思決定の影響要因とパフォーマンスを可視化できます。これらはすべて、意思決定の品質向上に役立ちます。
さらに、企業の標準作業手順、ビジネスプロセス、ワークフロー、およびソフトウェアドキュメントについてトレーニングされた生成 AI モデルは、文脈と関連性のある回答で計画担当者の問い合わせに対応できます。これを、基本の問い合わせに対する回答を見つけるために、計画担当者が複数のテキストベースのリソースを探る必要がある現在のシナリオと比較してください。また、次世代の需要計画担当者に目を向けると、生成 AI ベースのトレーニングプログラムにより、相互研修計画担当者に求められる時間と労力が著しく削減され、新規雇用を迅速に増加できます。
AI の可能性を最大限活用することで、競争上の優位性を確保
AI をサプライチェーンに統合することは、技術的な進歩にとどまりません。ビジネスの運営方法の抜本的な変化でもあります。高度なモデルを使用して予測精度を向上することは、出発点にすぎません。AI の力を活用することで、俊敏性、応答性、および持続可能性に優れたサプライチェーンを企業は構築でき、最新の市場の需要によりすばやく対応できます。こうしたテクノロジーを取り込むことは、常に進化し続けるグローバルな商取引の状況下で成功を強く望むビジネスにとって、オプションではなく必須です。
私たちの進歩に伴い、人間のインテリジェンスと AI との相乗効果により、サプライチェーン管理の本質は常に定義し直され、際限のない効率化が可能な未来へと私たちを駆り立てます。