A chegada da cadeia de suprimentos ‘autônoma’

A era dos carros e caminhões autônomos está quase chegando. E as cadeias de suprimentos autoguiadas?

Nas últimas décadas, a tecnologia se insinuou em todos os aspectos do gerenciamento da cadeia de suprimentos. Até agora, no entanto, a presença de um ser humano para tomar decisões importantes sobre a produção e distribuição foi necessária.

Esse é especialmente o caso quando se trata de gerenciamento de risco, uma disciplina que se tornou essencial para a sobrevivência das organizações globais dos dias modernos. Os gerentes da cadeia de suprimentos devem pesar a probabilidade de qualquer número de interrupções potenciais ocorrendo, sejam desastres naturais como inundações, tsunamis e vulcões, ou eventos causados ​​pelo homem, como ações trabalhistas e ataques terroristas, e tomar as medidas adequadas. Tal determinação foi considerada além da capacidade das máquinas.

Até agora. A inteligência artificial, com sua capacidade de filtrar grandes quantidades de dados e detectar padrões que são invisíveis ao olho humano, está desempenhando um papel cada vez maior na previsão e no gerenciamento de riscos. Em breve poderá chegar o dia em que as máquinas terão uma visão melhor do futuro do que os humanos que as construíram.

As inovações mais promissoras em I.A. hoje estão ocorrendo em produtos farmacêuticos e de bens de consumo embalados, de acordo com Fred Laluyaux, diretor executivo da Aera Technology, Inc. Eles estão sob a maior pressão da Amazon para transformar radicalmente a maneira como atendem aos clientes.

“Um cliente me descreveu de forma eloqüente”, lembra Lalulaux. “Eles disseram:‘ Nós somos os próximos a ir se não mudarmos. ’”

Para os comerciantes tradicionais, o desafio é proteger suas marcas em um momento em que os consumidores estão mais interessados ​​em preço, praticidade e rapidez. Graças à Amazon, diz Laluyaux, ir a uma loja está se tornando “irrelevante”. Para corresponder às capacidades do gigante do comércio eletrônico, os vendedores devem aumentar a eficiência em cada estágio de suas cadeias de suprimentos. E isso inclui fazer um trabalho melhor de gerenciamento de riscos.

Muitos dos avanços em I.A. estão ocorrendo na área de análise preditiva. Os fabricantes são obrigados a acelerar o processo de envio do produto aos compradores. Ao mesmo tempo, a disponibilidade de “big data”, embora apresente um quadro muito mais amplo do mercado, está inundando os planejadores com informações. Sem a ajuda de sistemas automatizados para interpretar essa entrada, eles não conseguem distinguir "sinal" de "ruído".

As empresas não podem mais sobreviver com planos de promoção anuais e ciclos de planejamento de vendas e operações (S&OP) de seis meses. As condições no mercado - em particular, os gostos dos consumidores inconstantes - mudam rápido demais para isso. “Você precisa atingir o próximo nível de desempenho”, diz Laluyaux. “Esse [grau de] automação leva você aonde os humanos não podem seguir.”

O objetivo final, embora evasivo, é um sistema que responda às condições do mercado em tempo real. A detecção de demanda dificilmente é uma disciplina nova, mas há muito tempo tem sido prejudicada por ferramentas e processos legados que atrasam as ações necessárias. Em sua forma atual, a capacidade se estende muito além do acesso a números de vendas para incluir elementos como embalagem “inteligente”.

As entradas consistem em tudo, desde dados de ponto de venda (POS) a previsões do tempo, classificações da Nielsen, publicações em mídias sociais e inteligência competitiva. No mundo farmacêutico, adicione atualizações sobre a aprovação de novos medicamentos pelo governo.

“A rede está ficando cada vez mais larga”, diz Laluyaux, “e os grãos cada vez mais finos”.

Como um sistema autônomo, o A.I. tem pouco valor. Para ser eficaz, ele precisa combinar fluxos de dados díspares e se espalhar por várias funções da cadeia de suprimentos. Digamos que um varejista esteja tendo um aumento de 2% nas vendas de um determinado item. Para atender à demanda inesperada, ele precisa ser capaz de identificar a fonte ideal para aumentar a produção, avaliar as capacidades de fabricação, revisar a lista de materiais e ajustar os níveis de estoque de acordo. Se os sistemas de transação não estão "falando" uns com os outros, esse processo pode levar dias - tarde demais para o comerciante tirar vantagem de uma tendência passageira.

Além do mais, o I.A. O sistema precisa combinar seu tesouro de dados com especialistas humanos, que ainda são responsáveis ​​por tomar as decisões finais sobre quando e para onde o produto deve ser enviado.

Lalulaux descreve o conceito de “bancada de trabalho cognitiva”, segundo o qual a A.I. interpreta os dados e faz recomendações, que são então (na maioria das vezes) executadas por especialistas humanos. Mas essa é apenas uma fase de transição no avanço do I.A. A natureza do aprendizado de máquina é que o sistema fica melhor com a experiência em criar as ações apropriadas a serem executadas. Em última análise, deve ser capaz de tomar muitas dessas decisões importantes sem a necessidade de intervenção humana. Nesse ponto, a análise "preditiva" torna-se "prescritiva".

Estamos longe do ponto em que a automação assume inteiramente o controle dos gerentes humanos. Se a progressão passar de preditiva a prescritiva e a totalmente autônoma, muitas empresas permanecerão presas entre os estágios um e dois, diz Laluyaux. As perspectivas de uma cadeia de suprimentos “autônoma” são razoavelmente boas; é apenas a linha do tempo que está em questão. Por enquanto, é muito cedo para os humanos pensarem em tirar as mãos do volante.