Uma abordagem de três etapas para adotar IA e o que priorizar

O impacto global da pandemia rendeu uma série de lições importantes para as empresas que buscam sobreviver à próxima grande ruptura. Entre eles está a necessidade de melhor implementar a inteligência artificial nas cadeias de suprimentos.

Aqui estão algumas dicas sobre como as empresas podem atingir essa meta.

Primeiro, construa um modelo melhor para antecipar a demanda do consumidor, um que leve em consideração entradas menos óbvias. Atualmente, esses sistemas são construídos em torno de previsões simples de tendência e sazonalidade. Em vez disso, eles devem considerar insumos externos relacionados à inflação, índices de preços ao consumidor e outros choques de insumos causados ​​pelas políticas de intervenção da COVID-19, como cheques de estímulo, bloqueios e construção de casas. Muitos desses padrões são fáceis de ver em retrospectiva, mas isso não significa que não possam ser detectados antes do tempo. A beleza dos modelos baseados em IA para previsão é que eles são capazes de captar interações entre recursos aparentemente não relacionados.

Assim que um modelo de demanda do consumidor melhor for construído, crie um modelo de estimativa de envio secundário. Deve ser construído para levar em consideração o estado atual da cadeia de suprimentos a qualquer momento e prever o custo de envio de um contêiner cheio de produtos. Uma vantagem dessa ferramenta é que ela pode ser testada novamente para avaliar sua precisão. Basta olhar para o passado e verificar a estimativa de preço a qualquer momento para ver se ela corresponde à realidade.

Por fim, construa um sistema que use o modelo de demanda e o estimador de custos para atuar como uma verdadeira IA da cadeia de suprimentos. A maneira como isso funcionaria é baseada em duas observações principais:

• O modelo de demanda pode ser usado para prever qual capacidade é necessária em algum momento no futuro.
• O modelo de estimativa de custo pode ser usado para prever qual seria o preço para facilitar o envio naquele ponto no futuro para aquela demanda.

Com esses dois recursos, um sistema de IA pode melhorar ajustando as alavancas de entrada no modelo de estimativa de custo. O modelo terá parâmetros de entrada que podem ser tão simples como "quantas horas por dia o porto de Los Angeles está funcionando". Torna-se capaz de conhecer o efeito sobre os custos de envio com base em valores variáveis. A IA poderia ser treinada para ajustar constantemente as alavancas de entrada do que constitui a cadeia de abastecimento, para garantir que, independentemente da demanda, o custo total para satisfazer a demanda tenha um limite superior.

Essa abordagem de três estágios é como a cadeia de suprimentos provavelmente se parecerá nos próximos 10 anos. O diabo está, é claro, nos detalhes. Mas, uma vez que tivermos esse sistema em vigor, não precisaremos depender de políticos para soluções para lidar com futuras interrupções na cadeia de abastecimento. Com a IA auxiliando no planejamento e modelagem da cadeia de suprimentos, o céu é o limite.

James Kaplan é CEO da MeetKAI.