Comment les entreprises de la chaîne d'approvisionnement peuvent établir des feuilles de route avec l'IA

La chaîne d'approvisionnement telle que nous la connaissons est sur le point de basculer de décennies de dynamique « push » en accélération constante vers un nouveau modèle « push-and-pull ».

Quatre facteurs principaux contribuent à ce changement global à l'échelle de l'industrie :

Les acheteurs d'aujourd'hui de plus en plus avertis. Les clients vivent dans le monde numérique et exigent une expérience fluide. Sinon, ils iront ailleurs. Cela signifie que la chaîne d'approvisionnement, qui est optimisée pour « pousser » les stocks vers les clients, doit ajouter une optimisation pour ce que les clients veulent « tirer » pour eux-mêmes.

Le climat géopolitique actuel. Qu'il s'agisse des tendances nationalistes affichées à l'échelle mondiale, des différends tarifaires entre les États-Unis et la Chine, du Brexit ou de l'attention mondiale portée aux questions de durabilité, les chaînes d'approvisionnement sont plus que jamais exposées à l'incertitude et au risque.

Progrès inégaux dans l'Industrie 4.0 et la chaîne d'approvisionnement numérique. Les usines, les chaînes d'approvisionnement et les magasins sont de plus en plus connectés, permettant à différents systèmes de partager des informations et de réduire les délais, mais uniquement pour les entreprises capables d'agir. La production se rapproche des clients, perturbant les modèles de commerce régional de longue date.

La technologie de chaîne d'approvisionnement existante est à la fin de son cycle de vie. Les solutions logicielles héritées, conçues pour résoudre un problème spécifique et isolé tel que la prévision ou la planification d'usine, ne sont plus adaptées à cet objectif. Pour faire simple, ce logiciel ne peut tout simplement pas suivre.

Entrez dans l'intelligence artificielle pour la chaîne d'approvisionnement. Que ce soit via la maintenance prédictive en usine, les camions autonomes dans la chaîne logistique ou l'automatisation en magasin, des solutions d'IA voient le jour pour améliorer l'efficacité et réduire les coûts d'exploitation pour les acteurs de la chaîne d'approvisionnement. Pourtant, il y a un décalage, comme dans la plupart des industries, sur la façon de reconnaître pleinement la valeur de l'IA.

La première étape consiste à créer une feuille de route :un portefeuille d'opportunités d'IA vérifiées et priorisées pour atteindre les objectifs commerciaux stratégiques à court et à long terme. L'apprentissage par l'expérimentation reste essentiel pour adopter l'IA, mais avoir une feuille de route de l'IA est une stratégie nécessaire. Il permet à ceux qui s'occupent d'améliorer la logistique de la chaîne d'approvisionnement de planifier et de choisir les meilleures tactiques pour une adoption intelligente de l'IA.

Comment développer une feuille de route pour l'IA pour capturer l'élan de l'évolution de la chaîne d'approvisionnement dans votre entreprise ? Tout d'abord, vous devez délimiter le travail au niveau d'un secteur d'activité ou d'un domaine fonctionnel, et non de l'ensemble de l'entreprise, ni d'un processus ou d'une tâche unique. Dans une usine, par exemple, des domaines tels que la gestion des stocks ou de la qualité sont de bons points de départ car ils représentent des systèmes complets de processus, de données, de rôles et d'objectifs.

Après avoir choisi votre objectif, vous devrez éduquer vos dirigeants sur ce à quoi ressemble une bonne opportunité d'IA, puis travailler au sein de votre équipe pour exploiter les possibilités de faire correspondre les capacités de l'IA aux opportunités.

Les bonnes opportunités d'IA sont à la fois pratiques et précieuses. Ils indiquent quelle prédiction ou décision sera prise par l'IA, en utilisant quelles données et comment cette sortie sera appliquée pour créer de la valeur. Dans la gestion de la qualité en usine, par exemple, les systèmes d'IA pourraient utiliser les données de la chaîne de production pour prédire les défauts, prescrire la maintenance ou aider les analystes à répondre aux questions.

La découverte consiste autant à trouver ces options qu'à formuler une hypothèse sur celles qui valent la peine d'être étudiées. Après la découverte, votre équipe devrait disposer d'un ensemble d'études de cas qui doivent maintenant être validées.

Lors de l'estimation de l'impact d'un cas d'utilisation de l'IA, examinez plus que de simples améliorations incrémentielles de la précision ou de l'efficacité. Analysez la valeur créée au-delà du statu quo.

Par exemple, un cas d'utilisation de l'IA pourrait être conçu pour aider un commis aux comptes fournisseurs qui lit régulièrement les rapports et traite les factures. Avec une capacité d'IA telle que l'intelligence documentaire, les factures simples peuvent être traitées par un traitement direct. Le commis peut alors traiter plus rapidement les factures restantes, assisté par des fonctionnalités telles que le résumé automatique des documents et l'extraction d'informations, comme pour l'identification des écarts. Une mesure initiale de cet avantage pourrait simplement être le traitement des factures ou le gain de temps, mais il y a une image plus large. Si un employé AP gagne une heure supplémentaire par jour, il pourrait la consacrer à l'analyse des causes profondes et à la correction des problèmes de commande, ou à la gestion de sa charge de travail pour mieux profiter des remises des fournisseurs.

La phase d'analyse est effectuée lorsque chaque cas a été défini au point que les décideurs exécutifs disposent de suffisamment d'informations pour tirer des conclusions solides sur la hiérarchisation des cas dans une vision et un plan.

Enfin, avec des cas d'utilisation bien définis en main, votre équipe est prête à séquencer les investissements en IA pour un impact maximal en équilibrant trois objectifs :

• Configurer les prochaines étapes immédiates avec des projets utiles et exploitables,
• Mettre en place des gains plus importants avec un plan délibéré pour développer et faire évoluer les capacités au fil du temps, et
• Débloquer l'assistance et le budget en alignant les dirigeants autour d'une vision commune.

Les deux premiers objectifs consistent à équilibrer la valeur à court et à long terme. Le troisième consiste à débloquer les progrès en obtenant l'adhésion des dirigeants quant aux coûts et avantages réalistes des investissements en IA dans la chaîne d'approvisionnement.

Alors que la chaîne d'approvisionnement bascule vers une nouvelle normale réactive, push-and-pull, il sera de plus en plus vital pour les décideurs d'agir rapidement pour saisir l'élan. Cependant, les subtilités de la gestion de la chaîne d'approvisionnement dictent que le rééquilibrage de l'équilibre de la chaîne d'approvisionnement n'est pas une activité unique. Prendre le temps de découvrir, d'analyser et de hiérarchiser vos investissements en IA fera toute la différence entre aller de l'avant ou perdre votre temps.

Karthik Ramakrishnan est vice-président, responsable du conseil et de l'habilitation, et Ben Humphries est responsable des préventes mondiales chez Element AI.