Une feuille de route éprouvée en trois étapes pour l'adoption de l'IA dans les chaînes d'approvisionnement

L'impact mondial de la pandémie a produit un certain nombre de leçons importantes pour les entreprises cherchant à survivre à la prochaine perturbation majeure. Parmi elles figure 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 prend en compte des entrées moins évidentes. Actuellement, de tels systèmes sont construits autour de prédictions simples de tendance et de saisonnalité. Au lieu de cela, ils devraient prendre en compte des entrées externes liées à l'inflation, aux indices des prix à la consommation et aux autres chocs d'approvisionnement causés par les politiques d'intervention du COVID-19, tels que les chèques de relance, les confinements et la construction résidentielle. Beaucoup de ces schémas sont faciles à voir a posteriori, mais cela ne veut pas dire qu'ils ne peuvent pas être détectés à l'avance. La beauté des modèles basés sur l'IA pour la prévision est qu'ils sont capables de capter les interactions entre des caractéristiques apparemment sans rapport.

Une fois un meilleur modèle de demande des consommateurs construit, créez un modèle secondaire d'estimation d'expédition. Il doit être construit pour prendre en compte l'état actuel de la chaîne d'approvisionnement à tout moment, et prédire le coût d'expédition d'un conteneur plein de produits. Un avantage de cet outil est qu'il peut être testé rétrospectivement pour évaluer sa précision. Regardez simplement le passé et vérifiez l'estimation de prix à un moment donné pour voir si elle correspond à la réalité.

Enfin, construisez un système qui utilise le modèle de demande et l'estimateur de coûts pour agir comme une véritable IA de chaîne d'approvisionnement. Le fonctionnement serait basé sur deux observations fondamentales :

• 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 cet expédition à ce moment 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 ». Il devient capable de connaître l'effet sur les coûts d'expédition en fonction du changement de valeurs. L'IA pourrait être entraînée à ajuster constamment les leviers d'entrée de ce qui constitue la chaîne d'approvisionnement, pour garantir que quelle que soit la demande, le coût total pour satisfaire la demande a une borne supérieure.

Cette approche en trois étapes est ce à quoi la chaîne d'approvisionnement ressemblera probablement au cours des 10 prochaines années. Le diable est, bien sûr, dans les détails. Mais une fois que nous avons un tel système en place, nous n'aurons plus besoin de compter sur les politiciens pour des solutions pour faire face 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 PDG de MeetKAI.