Tác giả: Gurdip Singh
Chính như sự cản trở trong chuỗi cung ứng trở thành đề tài thường xuyên trong cuộc họp hội đồng quản trị vào năm 2020, Trí tuệ Nhân tạo Sinh sản (Generative AI) đã nhanh chóng trở thành đề tài nóng bỏng của năm 2023. Cuối cùng, ChatGPT của OpenAI đã đạt 100 triệu người dùng trong hai tháng đầu tiên, biến nó thành ứng dụng tiêu dùng phát triển nhanh nhất trong lịch sử.
Các chuỗi cung ứng, đến một mức nào đó, phù hợp với ứng dụng của Trí tuệ Nhân tạo Sinh sản, bởi vì chúng hoạt động trên và tạo ra lượng lớn dữ liệu. Đa dạng và lượng lớn dữ liệu, cùng với các loại dữ liệu khác nhau, đánh thêm sự phức tạp cho một vấn đề thực tế vô cùng phức tạp: làm thế nào để tối ưu hóa hiệu suất chuỗi cung ứng. Và trong khi các trường hợp sử dụng cho Trí tuệ Nhân tạo Sinh sản trong chuỗi cung ứng rất rộng lớn – bao gồm tự động hóa tăng cường, dự báo nhu cầu, xử lý và theo dõi đơn hàng, bảo trì dự đoán của máy móc, quản lý rủi ro, quản lý nhà cung cấp và nhiều hơn nữa – nhiều trong số chúng cũng áp dụng cho Trí tuệ Nhân tạo Dự đoán và đã được triển khai một cách rộng rãi.
Bài viết này đề cập đến một số trường hợp sử dụng đặc biệt phù hợp cho Trí tuệ Nhân tạo Sinh sản trong chuỗi cung ứng và đưa ra một số cảnh báo mà các nhà lãnh đạo chuỗi cung ứng nên xem xét trước khi đầu tư.
Hỗ trợ Quyết định
Mục đích chính của Trí tuệ Nhân tạo (AI) và Học máy (ML) trong chuỗi cung ứng là làm dễ quá trình ra quyết định, hứa hẹn tăng cường tốc độ và chất lượng. Trí tuệ Nhân tạo Dự đoán thực hiện điều này bằng cách cung cấp các dự đoán và dự báo chính xác hơn, khám phá ra các mô hình mới chưa được xác định và sử dụng lượng lớn dữ liệu có liên quan. Trí tuệ Nhân tạo Sinh sản có thể đưa điều này một bước xa hơn bằng cách hỗ trợ các lĩnh vực chức năng khác nhau trong quản lý chuỗi cung ứng. Ví dụ, các quản lý chuỗi cung ứng có thể sử dụng các mô hình Trí tuệ Nhân tạo Sinh sản để đặt câu hỏi làm rõ, yêu cầu thêm dữ liệu, hiểu rõ hơn về các yếu tố tác động và xem xét hiệu suất lịch sử của các quyết định trong các tình huống tương tự. Tóm lại, Trí tuệ Nhân tạo Sinh sản giúp quá trình thẩm định trước quyết định trở nên nhanh chóng và dễ dàng hơn đáng kể đối với người dùng.
Hơn nữa, dựa trên dữ liệu và mô hình cơ bản, Trí tuệ Nhân tạo Sinh sản có thể phân tích lượng lớn dữ liệu có cấu trúc và không cấu trúc, tự động tạo ra các kịch bản khác nhau và đưa ra các đề xuất dựa trên các tùy chọn được trình bày. Điều này giảm đáng kể công việc không có giá trị mà các quản lý chuỗi cung ứng đang thực hiện và giúp họ dành nhiều thời gian hơn để ra các quyết định dựa trên dữ liệu và phản ứng nhanh hơn với sự thay đổi trên thị trường.
Một (Giải pháp có thể) cho Vấn đề Thiếu Hụt Tài năng Quản lý Chuỗi Cung ứng Trong vài năm gần đây, các doanh nghiệp đã phải đối mặt với tình trạng thiếu hụt tài năng quản lý chuỗi cung ứng do tình trạng kiệt sức của những người lập kế hoạch, sự ra đi và sự học hỏi khó khăn cho những người mới tham gia do tính phức tạp của công việc. Các mô hình Trí tuệ Nhân tạo Sinh sản có thể được điều chỉnh để phù hợp với quy trình hoạt động tiêu chuẩn của doanh nghiệp, các quy trình kinh doanh, quy trình làm việc và tài liệu phần mềm, sau đó có thể phản hồi các truy vấn của người dùng với thông tin được bối cảnh hóa và có liên quan. Giao diện người dùng trò chuyện thường được kết hợp với Trí tuệ Nhân tạo Sinh sản giúp việc tương tác với hệ thống hỗ trợ trở nên đáng kể dễ dàng hơn và cho phép điều chỉnh truy vấn, từ đó tăng tốc thời gian tìm kiếm thông tin chính xác.
Kết hợp một hệ thống học và phát triển dựa trên Trí tuệ Nhân tạo Sinh sản với quá trình hỗ trợ ra quyết định dựa trên Trí tuệ Nhân tạo Sinh sản có thể giúp tăng tốc quá trình giải quyết nhiều vấn đề quản lý thay đổi khác nhau. Nó cũng có thể tăng cường quá trình đào tạo cho nhân viên mới bằng cách giảm thời gian đào tạo và yêu cầu kinh nghiệm làm việc. Quan trọng hơn, Trí tuệ Nhân tạo Sinh sản có thể giúp mạnh mẽ cho những người khuyết tật bằng cách cải thiện giao tiếp, nâng cao nhận thức, hỗ trợ đọc và viết, cung cấp tổ chức cá nhân và hỗ trợ quá trình học và phát triển liên tục.
Mặc dù có người lo sợ rằng Trí tuệ Nhân tạo Sinh sản sẽ dẫn đến mất việc làm trong những năm tới, những người khác nghĩ rằng nó sẽ nâng cao công việc bằng cách loại bỏ các nhiệm vụ lặp đi lặp lại và tạo cơ hội cho các nhiệm vụ chiến lược hơn. Trong thời gian này, nó được dự đoán sẽ giải quyết tình trạng thiếu hụt nghiêm trọng về tài năng quản lý chuỗi cung ứng và kỹ thuật số. Đó là lý do tại sao việc tìm hiểu cách làm việc với công nghệ này là quan trọng.
Xây dựng Mô hình Chuỗi Cung ứng Kỹ thuật số
Chuỗi cung ứng cần phải mạnh mẽ và linh hoạt, điều này đòi hỏi khả năng nhìn thấy toàn bộ mạng lưới doanh nghiệp. Chuỗi cung ứng cần “biết” toàn bộ mạng lưới để có tính nhìn thấy. Tuy nhiên, việc xây dựng mô hình kỹ thuật số của toàn bộ mạng lưới chuỗi cung ứng nhiều tầng thường tốn kém. Các doanh nghiệp lớn có dữ liệu phân tán trên hàng chục hoặc hàng trăm hệ thống, với hầu hết các doanh nghiệp lớn quản lý hơn 500 ứng dụng đồng thời trên các hệ thống ERP, CRM, PLM, Mua sắm và Nguồn cung cấp, Kế hoạch, Hệ thống Quản lý Kho (WMS), Hệ thống Quản lý Vận tải (TMS), và nhiều hơn nữa. Với tất cả sự phức tạp và phân mảng này, việc đưa dữ liệu không liên quan này lại với nhau một cách logic là vô cùng khó khăn. Điều này còn trở nên phức tạp hơn khi tổ chức cố gắng thu thập dữ liệu từ các nhà cung ứng tầng đầu hoặc tầng hai trở đi, nơi thu thập dữ liệu theo định dạng có cấu trúc là không khả thi.
Các mô hình Trí tuệ Nhân tạo Sinh sản có thể xử lý lượng lớn dữ liệu, bao gồm dữ liệu có cấu trúc (dữ liệu chính, dữ liệu giao dịch, EDI) và dữ liệu không có cấu trúc (hợp đồng, hóa đơn, hình ảnh quét), để xác định các mô hình và ngữ cảnh với ít sự tiền xử lý của dữ liệu. Bởi vì các mô hình Trí tuệ Nhân tạo Sinh sản học từ các mô hình và sử dụng tính toán xác suất (với sự can thiệp của con người) để dự đoán kết quả logic tiếp theo, chúng có thể tạo ra một mô hình kỹ thuật số chính xác hơn về mạng lưới cung ứng nhiều tầng – nhanh hơn và ở quy mô lớn – và tối ưu hóa sự hợp tác và khả năng nhìn thấy nội và liên công ty. Mô hình nhiều tầng này có thể được làm phong phú hơn để hỗ trợ các sáng kiến ESG bao gồm nhưng không giới hạn trong việc xác định khoáng sản xung đột, sử dụng tài nguyên nhạy cảm với môi trường hoặc khu vực, tính toán lượng khí thải carbon của sản phẩm và quy trình, và nhiều nhiệm vụ khác.
Mặc dù Trí tuệ Nhân tạo Sinh sản cung cấp cơ hội quan trọng cho các nhà lãnh đạo chuỗi cung ứng để đổi mới và tạo lợi thế chiến lược, nhưng cũng cần xem xét một số lo ngại và rủi ro cụ thể.
Chuỗi cung ứng của bạn là độc đáo
Các ứng dụng chung của Trí tuệ Nhân tạo Sinh sản, như ChatGPT hoặc Dall-E, hiện tại đang thành công trong việc giải quyết các nhiệm vụ có bản chất rộng lớn vì các mô hình được đào tạo trên lượng lớn dữ liệu có sẵn công khai. Để thực sự tận dụng các khả năng của Trí tuệ Nhân tạo Sinh sản cho chuỗi cung ứng doanh nghiệp, các mô hình này sẽ cần được điều chỉnh tốt trên dữ liệu doanh nghiệp tương ứng và ngữ cảnh cụ thể của tổ chức của bạn. Nói cách khác, bạn không thể sử dụng một mô hình được đào tạo một cách tổng quát. Những thách thức quản lý dữ liệu như chất lượng dữ liệu, tích hợp và hiệu suất mà gây trở ngại cho các dự án biến đổi hiện tại cũng có thể ảnh hưởng đến đầu tư Trí tuệ Nhân tạo Sinh sản, dẫn đến một quá trình tốn thời gian và tốn kém nếu không có giải pháp quản lý dữ liệu đúng đã có sẵn.
Trí tuệ Nhân tạo Sinh sản phụ thuộc vào việc hiểu các mô hình trong dữ liệu đào tạo và nếu các chuyên gia trong lĩnh vực chuỗi cung ứng đã học được điều gì trong ba năm qua, đó là chuỗi cung ứng sẽ tiếp tục đối mặt với các rủi ro mới và các cơ hội chưa từng có.
Bảo mật và Quy định
Yêu cầu cơ bản của các mô hình Trí tuệ Nhân tạo Sinh sản là có quyền truy cập vào lượng lớn dữ liệu đào tạo để hiểu các mô hình và ngữ cảnh. Tuy nhiên, giao diện giống con người của các ứng dụng Trí tuệ Nhân tạo Sinh sản có thể dẫn đến việc mạo danh người dùng, lừa đảo qua mạng và những vấn đề bảo mật khác. Mặc dù việc giới hạn quyền truy cập vào quá trình đào tạo mô hình có thể dẫn đến hiệu suất kém của Trí tuệ Nhân tạo, nhưng việc cấp quyền truy cập không kiểm soát vào dữ liệu chuỗi cung ứng có thể dẫn đến các sự cố về bảo mật thông tin, trong đó thông tin quan trọng và nhạy cảm trở nên có sẵn cho người dùng không được ủy quyền.
Ngoài ra, vẫn chưa rõ cách các chính phủ khác nhau sẽ quy định Trí tuệ Nhân tạo Sinh sản trong tương lai khi sự áp dụng tiếp tục phát triển và các ứng dụng mới của Trí tuệ Nhân tạo Sinh sản được khám phá. Một số chuyên gia về Trí tuệ Nhân tạo đã bày tỏ lo ngại về nguy cơ do Trí tuệ Nhân tạo gây ra, yêu cầu các chính phủ tạm ngừng các thử nghiệm Trí tuệ Nhân tạo khổng lồ cho đến khi các nhà lãnh đạo công nghệ và nhà quyết định chính trị có thể thiết lập các quy tắc và quy định để đảm bảo an toàn.
Trí tuệ Nhân tạo Sinh sản cung cấp rất nhiều cơ hội cải tiến cho những tổ chức có thể tận dụng công nghệ này và tạo ra một sự kết hợp mạnh mẽ cho sự sáng tạo, tư duy và quyết định của con người. Tuy nhiên, cho đến khi có các mô hình được đào tạo và thiết kế một cách cụ thể cho các trường hợp sử dụng trong chuỗi cung ứng, cách tốt nhất để tiến lên là tiếp cận một cách cân nhắc đối với việc đầu tư vào Trí tuệ Nhân tạo Sinh sản.
Thiết lập những rào cản đúng đắn sẽ là điều khôn ngoan để đảm bảo rằng Trí tuệ Nhân tạo đưa ra một bộ kế hoạch được tối ưu hóa cho mỗi người dùng xem xét và lựa chọn, đồng thời phù hợp với quy trình kinh doanh và mục tiêu của tổ chức. Các doanh nghiệp kết hợp “cẩm nang kinh doanh” với Trí tuệ Nhân tạo Sinh sản sẽ có khả năng tăng khả năng lập kế hoạch, ra quyết định và thực hiện của đội ngũ trong khi vẫn tối ưu hóa các kết quả kinh doanh mong muốn. Tổ chức cũng nên xem xét một lý do kinh doanh mạnh mẽ, bảo mật dữ liệu và người dùng, và mục tiêu kinh doanh có thể đo được trước khi đầu tư vào công nghệ Trí tuệ Nhân tạo Sinh sản mới.
Gurdip Singh là Giám đốc Sản phẩm chính tại Blue Yonder. Trong vai trò này, ông có trách nhiệm đối với chiến lược sản phẩm và nền tảng của Blue Yonder, lộ trình sản phẩm và các chức năng tiếp thị sản phẩm. Ông và đội ngũ của mình đang xác định một chiến lược sẽ giúp Blue Yonder tạo ra hệ thống vận hành chuỗi cung ứng cho toàn cầu.
