Une approche en trois étapes pour adopter l'IA et ce qu'il faut prioriser

L'impact mondial de la pandémie a permis de tirer un certain nombre de leçons importantes pour les entreprises qui cherchent à survivre à la prochaine perturbation majeure. Parmi eux se trouve la nécessité de mieux mettre en œuvre l'intelligence artificielle dans les chaînes d'approvisionnement.

Voici quelques conseils sur la façon dont les entreprises peuvent atteindre cet objectif.

Premièrement, construisez un meilleur modèle pour anticiper la demande des consommateurs, un modèle qui tienne compte des intrants moins évidents. Actuellement, de tels systèmes sont construits autour de prévisions simples de tendance et de saisonnalité. Au lieu de cela, ils devraient tenir compte des intrants externes liés à l'inflation, aux indices des prix à la consommation et à d'autres chocs sur les intrants causés par les politiques d'intervention du COVID-19, tels que les contrôles de relance, les blocages et la construction de logements. Beaucoup de ces modèles sont faciles à voir avec le recul, mais cela ne signifie pas qu'ils ne peuvent pas être détectés à l'avance. La beauté des modèles de prévision basés sur l'IA est qu'ils sont capables de détecter des interactions entre des caractéristiques apparemment sans rapport.

Une fois qu'un meilleur modèle de demande des consommateurs est construit, créez un modèle d'estimation d'expédition secondaire. Il doit être construit pour prendre en compte l'état actuel de la chaîne d'approvisionnement à tout moment et prévoir le coût d'expédition d'un conteneur plein de produit. Un avantage de cet outil est qu'il peut être testé a posteriori pour évaluer sa précision. Il suffit de regarder le passé et de vérifier l'estimation du prix à tout moment pour voir si elle correspond à la réalité.

Enfin, créez un système qui utilise le modèle de demande et l'estimateur de coûts pour agir comme une véritable IA de la chaîne d'approvisionnement. La façon dont cela fonctionnerait est basée sur deux observations principales :

• Le modèle de demande peut être utilisé pour prédire quelle capacité est nécessaire à un moment donné dans le futur.
• Le modèle d'estimation des coûts peut être utilisé pour prédire quel serait le prix pour faciliter cette expédition à ce stade dans le futur pour cette demande.

Avec ces deux capacités, un système d'IA peut s'améliorer en ajustant les leviers d'entrée sur le modèle d'estimation des coûts. Le modèle aura des paramètres d'entrée qui pourraient être aussi simples que "combien d'heures par jour le port de Los Angeles fonctionne-t-il". Il devient capable de connaître l'effet sur les coûts d'expédition en fonction de l'évolution des valeurs. L'IA pourrait être formée pour ajuster en permanence les leviers d'entrée de ce qui constitue la chaîne d'approvisionnement, pour s'assurer que quelle que soit la demande, le coût total pour satisfaire la demande a une limite supérieure.

Cette approche en trois étapes est à quoi devrait ressembler la chaîne d'approvisionnement au cours des 10 prochaines années. Le diable est bien sûr dans les détails. Mais une fois que nous aurons un tel système en place, nous n'aurons plus besoin de compter sur les politiciens pour trouver des solutions aux futures perturbations de la chaîne d'approvisionnement. Avec l'IA aidant à la planification et à la modélisation de la chaîne d'approvisionnement, le ciel est la limite.

James Kaplan est directeur général de MeetKAI.