「サプライチェーンにおける生成型AIの役割」
Role of Generative AI in Supply Chain
2020年、サプライチェーンの混乱が取締役会の議論の頻繁な主題となったように、2023年にはGenerative AIが急速に注目を集めるようになりました。なぜなら、OpenAIのChatGPTは最初の2ヶ月で1億人のユーザーに達し、これは史上最も急成長した消費者向けアプリケーションの採用となりました。
サプライチェーンは、大量のデータを生成し、処理するという点で、Generative AIの応用に向いています。データの種類とボリューム、さらに異なるデータの種類により、サプライチェーンのパフォーマンスを最適化するという非常に複雑な現実世界の問題に対して、追加の複雑さが生じます。そして、サプライチェーンにおけるGenerative AIのユースケースは多岐に渡りますが、増加した自動化、需要予測、注文処理と追跡、機械の予防保全、リスク管理、サプライヤー管理などは、予測的AIにも適用され、既に大規模に採用されています。
この記事では、サプライチェーンにおいて特にGenerative AIに適したユースケースをいくつか紹介し、投資を行う前にサプライチェーンのリーダーが考慮すべき点をいくつか提供します。
支援型意思決定
サプライチェーンにおけるAIと機械学習の主な目的は、意思決定プロセスを容易にし、速度と品質の向上を約束することです。予測的AIは、より正確な予測を提供し、まだ特定されていない新しいパターンを発見し、非常に高いボリュームの関連データを使用することでこれを実現します。Generative AIはこれをさらに進化させ、サプライチェーン管理のさまざまな機能領域をサポートすることができます。たとえば、サプライチェーンマネージャーは、Generative AIモデルを使用して質問を明確にしたり、追加のデータをリクエストしたり、影響要因をより良く理解したり、似たシナリオでの過去の意思決定のパフォーマンスを確認したりすることができます。要するに、Generative AIは、意思決定の前に行われるデューデリジェンスプロセスを、ユーザーにとってはるかに迅速かつ簡単にします。
さらに、基になるデータとモデルに基づいて、Generative AIは大量の構造化および非構造化データを分析し、さまざまなシナリオを自動生成し、提示されたオプションに基づいて推奨事項を提供することができます。これにより、サプライチェーンマネージャーが現在行っている付加価値の低い作業が大幅に削減され、データに基づく意思決定を行い、市場の変動により迅速に対応するための時間を増やすことができます。
サプライチェーンマネジメントの人材不足への(可能な)解決策
過去数年間、企業はサプライチェーンの人材不足に苦しんできました。これはプランナーの過労、離職、および新入社員の学習曲線の急激な上昇が原因です。Generative AIモデルは、企業の標準的な業務手順、ビジネスプロセス、ワークフロー、ソフトウェアの文書化に調整されることができ、その後、ユーザーのクエリに対して文脈に沿った関連情報を提供することができます。Generative AIに関連付けられる会話型のユーザーインターフェースは、サポートシステムとの対話を大幅に容易にし、クエリの改善が可能であり、適切な情報を見つけるためにかかる時間をさらに短縮する能力を提供します。
Generative AIベースの学習と開発システムを支援型意思決定に組み合わせることで、さまざまな変革管理の問題を迅速に解決することができます。また、トレーニング時間と実務経験の要件を削減することにより、新入社員のスピードアップも加速することができます。さらに重要なことは、Generative AIがコミュニケーションの向上、認知の改善、読み書きの支援、個人の組織化、および継続的な学習と開発を支援することで、障害を持つ人々に力を与えることができることです。
一部の人々は、Generative AIが今後数年間で雇用の減少につながると懸念していますが、他の人々は、それが繰り返しのタスクを削除し、より戦略的なタスクのための余地を生むことで仕事のレベルアップにつながると考えています。一方で、それは現在の慢性的なサプライチェーンとデジタル人材の不足を解決すると予測されています。そのため、この技術と共に働く方法を学ぶことが重要です。
デジタルサプライチェーンモデルの構築
サプライチェーンは、弾力性と機敏性を備える必要があり、それには企業間の可視性が必要です。サプライチェーンは、可視性のためにネットワーク全体を「知る」必要があります。ただし、全体のn-tierサプライチェーンネットワークのデジタルモデルを構築することは、しばしば費用の面で制約があります。大企業は、多数のシステムにデータが分散しており、大企業のほとんどがERP、CRM、PLM、調達および供給、計画、WMS、TMSなど500以上のアプリケーションを同時に管理しています。このような複雑さと断片化があるため、この異種なデータを論理的に統合することは非常に困難です。これは、第1または第2のサプライヤーを超えてデータを収集する必要がある場合にはさらに複雑になります。
Generative AIモデルは、構造化データ（マスターデータ、トランザクションデータ、EDIなど）および非構造化データ（契約書、請求書、画像スキャンなど）を前処理の必要性を最小限に抑えながら、パターンとコンテキストを識別するために大量のデータを処理することができます。Generative AIモデルはパターンから学習し、確率計算（一部は人間の介入を含む）を使用して次の論理的な出力を予測するため、n-tierサプライネットワークのより正確なデジタルモデルを作成し、大規模に最適化し、企業間および企業内の協力と可視性を最適化することができます。このn-tierモデルは、紛争鉱物の特定、環境に敏感な資源や地域の利用、製品およびプロセスの炭素排出量の計算など、ESGイニシアチブをサポートするためにさらに充実させることができます。
生成AIは、サプライチェーンのリーダーに革新的で戦略的な優位性をもたらす重要な機会を提供していますが、考慮すべき懸念とリスクもあります。
サプライチェーンはユニークです
ChatGPTやDall-Eなどの一般的な生成AIの使用は、モデルが大量の公開データでトレーニングされているため、より広範なタスクに対応することが現在成功しています。企業のサプライチェーンで生成AIの機能を最大限に活用するためには、これらのモデルを各企業のデータと組織に固有のコンテキストに合わせて微調整する必要があります。つまり、一般的にトレーニングされたモデルは使用できません。現在の変革プロジェクトに影響を与えるデータ品質、統合、パフォーマンスなどのデータ管理の課題は、生成AIへの投資にも影響を与える可能性があり、適切なデータ管理ソリューションがすでに整っていない場合には、時間と費用のかかる作業になる可能性があります。
生成AIは、トレーニングデータ内のパターンを理解することに依存しています。サプライチェーンの専門家が過去3年間で学んだことは、サプライチェーンが新たなリスクと前例のない機会に直面し続けるということです。
セキュリティと規制
生成AIモデルの基本的な要件は、パターンとコンテキストを理解するための大量のトレーニングデータへのアクセスです。とはいえ、生成AIアプリケーションの人間のようなインターフェースは、ユーザーのなりすまし、フィッシング、その他のセキュリティ上の懸念を引き起こす可能性があります。モデルのトレーニングへの制限付きアクセスはAIの性能低下につながる一方、サプライチェーンデータへの制限のないアクセスは、機密性の高い情報が権限のないユーザーに利用可能になる情報セキュリティインシデントを引き起こす可能性があります。
また、採用が進み、生成AIの新しい応用が発見されるにつれて、さまざまな政府が将来の生成AIの規制方法を選択するかどうかは明確ではありません。いくつかのAI専門家は、AIによるリスクを懸念し、技術リーダーや政策立案者が安全を確保するためのルールと規制を確立するまで、巨大なAI実験を一時停止するよう政府に求めています。
生成AIは、この技術を活用し、人間の創造性と意思決定の力を増幅するための改善の機会を豊富に提供しています。ただし、サプライチェーンのユースケースに特化したモデルがトレーニングされて明示的に設計されるまで、生成AIへの投資にはバランスの取れたアプローチが最善です。
適切なガードレールを設定することは重要であり、AIがビジネスプロセスと目標に合致する最適化された計画をユーザーに提供し、選択できるようにすることが賢明です。ビジネスプレイブックと生成AIを組み合わせることで、チームの計画、意思決定、実行の能力を最大化しながら、望ましいビジネス成果を最適化することができます。新たな生成AI技術に投資する前に、強力なビジネスケース、データとユーザーのセキュリティ、測定可能なビジネス目標も考慮する必要があります。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
