Roteiro Comprovado de Adoção de IA em 3 Etapas para Cadeias de Suprimentos

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

Aqui estão algumas dicas sobre como as empresas podem atingir esse objetivo.

Primeiro, construa um modelo melhor para antecipar a demanda do consumidor, que leve em conta inputs menos óbvios. Atualmente, tais sistemas são construídos em torno de previsões simples de tendência e sazonalidade. Em vez disso, deveriam considerar inputs externos relacionados a inflação, índices de preços ao consumidor e outros choques de input causados por políticas de intervenção da COVID-19, como cheques de estímulo, lockdowns e construção de casas. Muitos desses padrões são fáceis de ver em retrospecto, mas isso não significa que não possam ser capturados antecipadamente. A beleza dos modelos baseados em IA para previsão é que eles são capazes de captar interações entre características aparentemente não relacionadas.

Uma vez construído um modelo melhor de demanda do consumidor, crie um modelo secundário de estimativa de envio. Ele deve ser construído para levar em conta o estado atual da cadeia de suprimentos a qualquer momento, e prever o custo de enviar um contêiner cheio de produto. Uma vantagem desta ferramenta é que ela pode ser back-testada para avaliar sua precisão. Simplesmente olhe para o passado e verifique a estimativa de preço em qualquer momento para ver se corresponde à realidade.

Finalmente, construa um sistema que use o modelo de demanda e o estimador de custo para atuar como uma verdadeira IA de cadeia de suprimentos. A forma como isso funcionaria baseia-se em duas observações centrais:

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

Com essas duas capacidades, um sistema de IA pode melhorar ajustando as alavancas de input no modelo de estimativa de custo. O modelo terá parâmetros de input que podem ser tão simples quanto "quantas horas por dia o porto de Los Angeles está operando". Ele se torna capaz de saber o efeito nos custos de envio baseando-se em valores mutáveis. A IA poderia ser treinada para ajustar constantemente as alavancas de input do que constitui a cadeia de suprimentos, para garantir que não importa qual seja a demanda, o custo total para satisfazer a demanda tenha um limite superior.

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

James Kaplan é diretor executivo da MeetKAI.