Feuilles de route pilotées par l'IA : guide stratégique pour les entreprises de la chaîne d'approvisionnement

La chaîne d'approvisionnement telle que nous la connaissons est au bord du basculement, passant de décennies de dynamique « push » en accélération constante à un nouveau modèle « push-and-pull » (poussée et traction).

Quatre facteurs principaux contribuent à ce changement mondial et sectoriel :

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 — optimisée pour « pousser » les stocks vers les clients — doit ajouter une optimisation pour ce que les clients veulent « tirer » vers eux-mêmes.

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

Avancées inégales de l'Industrie 4.0 et de la chaîne d'approvisionnement numérique. Usines, chaînes d'approvisionnement et magasins deviennent plus connectés, permettant à différents systèmes de partager l'information et de réduire les délais — mais seulement pour les entreprises capables d'agir. La production se rapproche des clients, perturbant les schémas de commerce régional de longue date.

La technologie existante de la chaîne d'approvisionnement est en fin de cycle de vie. Les solutions logicielles héritées, conçues pour résoudre un problème spécifique et isolé comme la prévision ou la planification d'usine, ne sont plus adaptées. Pour le dire simplement, ce logiciel ne peut tout simplement pas suivre.

Entrez l'intelligence artificielle pour la chaîne d'approvisionnement. Qu'il s'agisse de maintenance prédictive en usine, de camions autonomes dans la chaîne logistique, ou d'automatisation en magasin, les solutions IA émergent pour améliorer l'efficacité et réduire les coûts d'exploitation des 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 est de créer une feuille de route : un portefeuille d'opportunités IA vérifiées, priorisées pour atteindre les objectifs business stratégiques à court et long terme. L'apprentissage par l'expérimentation reste critique pour l'adoption de l'IA, mais avoir une feuille de route IA est une stratégie nécessaire. Elle permet à ceux qui s'occupent d'améliorer la logistique de la chaîne d'approvisionnement de planifier et choisir les meilleures tactiques pour une adoption intelligente de l'IA.

Comment développer une feuille de route IA pour capter l'élan de la chaîne d'approvisionnement changeante dans votre entreprise ? D'abord, vous devez cadrer le travail au niveau d'une ligne de métier ou d'un domaine fonctionnel — pas toute l'entreprise, ni un seul processus ou tâche. Dans un contexte d'usine, par exemple, des domaines comme la gestion des stocks ou la gestion de la qualité sont de bons points de départ car ils représentent des systèmes complets de processus, données, rôles et objectifs.

Après avoir choisi votre focus, vous devrez éduquer vos dirigeants sur ce à quoi ressemble une bonne opportunité IA, puis travailler à travers votre équipe pour explorer les possibilités d'aligner les capacités IA aux opportunités.

Les bonnes opportunités IA sont à la fois pratiques et précieuses. Elles abordent 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 IA pourraient utiliser les données de la ligne de production pour prédire les défauts, prescrire la maintenance, ou augmenter les analystes dans la réponse aux questions.

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

Lors de l'estimation de l'impact d'un cas d'usage IA, regardez au-delà des simples améliorations incrémentales de précision ou d'efficacité. Analysez la valeur créée au-delà du statu quo.

Par exemple, un cas d'usage IA pourrait être construit autour de l'aide à un commis aux comptes fournisseurs qui lit régulièrement des rapports et traite des factures. Avec une capacité IA comme l'intelligence documentaire, les factures simples peuvent être traitées en straight-through processing. Le commis peut alors traiter les factures restantes plus rapidement, assisté par des fonctionnalités comme le résumé automatique de document et l'extraction d'informations, par exemple pour l'identification d'écarts. Une métrique initiale pour ce bénéfice pourrait être simplement le nombre de factures traitées ou le temps économisé, mais il y a une image plus large. Si un commis AP gagne une heure supplémentaire par jour, il pourrait la consacrer à l'analyse des causes racines et la correction des problèmes de commande, ou à la gestion de sa charge de travail pour mieux profiter des escomptes fournisseurs.

La phase d'analyse est terminée lorsque chaque cas a été défini au point que les décideurs dirigeants ont assez d'informations pour prendre des conclusions difficiles sur la priorisation des cas dans une vision et un plan.

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

• Mettre en place des prochaines étapes immédiates avec des projets précieux et actionnables,
• Mettre en place de plus gros gains avec un plan délibéré pour construire et faire évoluer les capacités dans le temps, et
• Débloquer le soutien et le budget en alignant les dirigeants autour d'une vision commune.

Les deux premiers objectifs concernent l'équilibre entre valeur à court et long terme. Le troisième vise à débloquer le progrès en sécurisant l'adhésion de la direction sur les coûts et bénéfices réalistes des investissements IA dans la chaîne d'approvisionnement.

Alors que la chaîne d'approvisionnement bascule vers un nouveau normal réactif, 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 one-and-done. Prendre le temps de découvrir, analyser et prioriser vos investissements IA fera toute la différence entre prendre de l'avance — ou perdre votre temps.

Karthik Ramakrishnan est VP, Head of Advisory and Enablement, et Ben Humphries est Head of Global PreSales, chez Element AI.