La promesa de GenAI para los planificadores de la cadena de suministro

El entusiasmo por GenAI en la cadena de suministro

Los ejecutivos están entusiasmados con el potencial de GenAI para mejorar los procesos de la cadena de suministro. En una encuesta de Gartner de noviembre de 2023, el 80% de los líderes de la cadena de suministro dijeron que comenzarían o continuarían implementando GenAI en los próximos 12 meses.

Las primeras implementaciones son chatbots y aplicaciones similares, que pueden aumentar la eficiencia, reducir los costos y mejorar la productividad. Los beneficios más sustanciales de GenAI se obtendrán mediante un proceso gradual de combinación de GenAI con las tecnologías actuales, en particular la IA y el ML tradicionales. De hecho, los expertos predicen que GenAI podría desaparecer y convertirse en una característica más de una aplicación.

Las cadenas de suministro han utilizado ciertos tipos de IA y ML durante más de una década, señala Randal Kenworthy, socio sénior de West Monroe, una consultora de gestión. Las técnicas de IA y ML se incorporan en muchas herramientas y plataformas de la cadena de suministro. (El software de SAP ha utilizado algoritmos de ML para la minería de datos y la previsión durante años, por ejemplo). GenAI será una evolución más, convirtiéndose en una extensión de las plataformas existentes, para ayudar a las empresas a hacer lo que han estado haciendo en la planificación y el análisis de la cadena de suministro durante los últimos 10 a 15 años, dice Kenworthy. «No va a haber un proyecto de IA generativa. Habrá una herramienta que ya han implementado que incorporará capacidades de IA generativa. Otros analistas coinciden. Los líderes de la cadena de suministro deben reconocer que, si bien [GenAI] es increíblemente poderosa en lo que hace bien, no es adecuada para todas las tareas, dice una publicación de Accenture de 2024. La publicación recomienda considerarla como parte de un continuo de capacidades de automatización que incluyen la automatización de procesos tradicionales y los modelos clásicos de aprendizaje automático, así como los grandes modelos de lenguaje.

Casos de uso en tres oleadas

Es probable que GenAI se aplique en la gestión de la cadena de suministro en una serie de tres oleadas.

La primera ola son aplicaciones simples de automatización y ampliación.

En la encuesta de Gartner, los ejecutivos dijeron que ya estaban viendo una reducción de costos y un aumento de la productividad gracias a estos usos. Por ejemplo, los planificadores pueden pedirle a un chatbot en lenguaje natural (y en cualquier idioma) que resuma informes o busque errores en los archivos de registro. GenAI puede escanear y comparar números y términos en licitaciones o contratos. Los chatbots también pueden responder preguntas específicas, si se construyen sobre la arquitectura adecuada, con barandillas para la seguridad de los datos y una IA responsable. Accenture ha creado un «navegador de la cadena de suministro» que puede responder preguntas para ayudar a identificar posibles vulnerabilidades en una red de proveedores, dice la firma.

La inteligencia artificial generativa puede generar escenarios hipotéticos, afirma Michel Roger, director ejecutivo de la cadena de suministro y operaciones del grupo empresarial SAP de Accenture. Por ejemplo, ¿qué sucedería si mi proveedor solo proporciona el 70% de la materia prima comprometida originalmente? La inteligencia artificial generativa puede ayudar a los planificadores a prepararse para diversos escenarios.

En la segunda ola, GenAI ayudará a mejorar la experiencia del usuario y agudizar la toma de decisiones al explicar las tecnologías existentes.

Las recomendaciones que elaboran la IA y el aprendizaje automático en las plataformas de la cadena de suministro actuales a veces se ignoran porque las personas no entienden cómo la tecnología llegó a esas recomendaciones. Y si no entienden la lógica, desconfiarán de la recomendación, especialmente si va en contra de sus instintos.

Con la complejidad de las cadenas de suministro actuales, es difícil incluso para un experto entender por qué deberían cambiar ciertas cosas, afirma Roger. A veces, cuando no se tiene una visión general, no tiene sentido.

En SAP, por ejemplo, hemos observado que, en ocasiones, los usuarios ignoran las recomendaciones del optimizador de suministros de nuestro software, que aplica diversas restricciones y luego presenta planes de suministro optimizados para maximizar los tiempos de entrega o las ganancias. GenAI podría mostrar el trabajo y explicar la lógica del optimizador para que el planificador la entienda bien. De manera similar, GenAI podría revisar las alertas del sistema (que pueden ser tan numerosas que resultan abrumadoras) y ordenarlas por prioridad para que los planificadores solo tengan que atender las más importantes. En conjunto, estos cambios tienen el potencial de mejorar no solo la experiencia del usuario, sino también los resultados prácticos que los usuarios obtienen de los sistemas.

Gartner cree que el uso de GenAI con la IA y el ML tradicionales en realidad será un círculo virtuoso, afirma Noha Tohami, distinguida vicepresidenta y analista de Gartner, que habló en un seminario web reciente sobre los planes de los líderes de la cadena de suministro para 2024. GenAI dará como resultado un mayor uso de estas tecnologías y un mayor retorno de la inversión.

En el futuro, las cadenas de suministro estarán dirigidas por la creatividad humana y serán impulsadas por tecnología inteligente como la IA.

Subit Mathew, director de Deloitte

   El potencial de una tercera ola: innovación a través del análisis profundo

En la tercera ola, la GenAI podría ayudar a los planificadores a analizar el diluvio de información e indicadores que ninguna mente humana puede captar e interpretar. Por nombrar solo algunos: cambios en los patrones climáticos, nuevas reglas y aranceles comerciales, cambios en la ubicación de fuentes clave, guerras y ataques terroristas y cambio climático. La esperanza es que la combinación de GenAI con la IA tradicional pueda analizar estos factores y recomendar acciones para hacer que la cadena de suministro sea más resistente, incluso reaccionando en tiempo real.

Esta capacidad también podría ayudar a las empresas a superar los silos departamentales que impiden que se utilicen datos importantes en la planificación de la cadena de suministro. Por ejemplo, a las empresas les resulta difícil tener en cuenta toda la gama de consideraciones de sostenibilidad cuando los gerentes de la cadena de suministro seleccionan las fuentes. Cuando los ingenieros diseñan un producto, a menudo carecen de una visibilidad total de la disponibilidad de todos los componentes necesarios para construir el producto. Si las empresas pudieran reunir esa información, podrían avanzar más en la transformación de todo su negocio y podrían hacer operativa la sostenibilidad.

Al hacerlo, GenAI y ML pueden brindar a los gerentes de la cadena de suministro una mejor comprensión de los patrones de demanda y las interrupciones que pueden afectar los flujos de la cadena de suministro, con información más precisa sobre la producción y el inventario para fortalecer la resiliencia (y disminuir el efecto látigo).

Con la infraestructura de datos y comunicaciones adecuada, puede aumentar la productividad y la precisión.

Desafíos

Sin embargo, antes de poder cosechar estos beneficios sustanciales, las empresas necesitan superar dos desafíos en sus cadenas de suministro: la falta de datos digitales de buena calidad y la dificultad de integración.

La falta de datos útiles, por ejemplo, da lugar a una imagen incompleta. Una encuesta de Gartner de septiembre de 2023 concluyó que la mayor parte del entorno de la cadena de suministro no está reflejado en los sistemas digitales actuales, lo que a veces conduce a decisiones erróneas. Más de la mitad de los líderes de la cadena de suministro que dependen de la tecnología digital para tomar decisiones estratégicas nos dijeron que creían que habrían obtenido mejores resultados sin el uso de sus modelos, y nuestro análisis sugiere que tienen razón, según Susie Petrusic, directora analista sénior de la práctica de la cadena de suministro de Gartner.

La falta de datos también limita la capacidad de actuar. En una encuesta realizada en mayo de 2023 por Oxford y SAP, solo el 37% de los ejecutivos de logística afirmó que sus organizaciones podían capturar datos y actuar en función de ellos en tiempo real, y solo el 14% utiliza activamente la IA y el análisis predictivo para captar información en tiempo real. Además, en lo que respecta a la implementación de tecnologías inteligentes, aumentar la visibilidad en la cadena de suministro ocupó un distante cuarto lugar, con solo el 10% de los ejecutivos que lo eligieron.

La integración de GenAI en el corazón de las cadenas de suministro es un desafío de otra categoría. Las empresas ya están añadiendo funciones de GenAI a los sistemas existentes, como un chatbot para permitir la interrogación o un motor GenAI para resumir documentos. Sin embargo, integrar GenAI más profundamente en el proceso de planificación de la cadena de suministro, para ayudar a los sistemas a aprovechar todos los datos disponibles para tomar mejores decisiones, será una tarea mucho más pesada.

La analista de Gartner, Tohamy, afirma durante su seminario web que la integración con sistemas heredados podría ser un obstáculo enorme… Estamos en una etapa muy temprana del proceso y, en este momento, pocas organizaciones están siquiera intentando integrar los conocimientos de GenAI en sus sistemas de planificación y ejecución.

Próximos pasos recomendados

Sin embargo, las empresas pueden tomar medidas ahora para implementar las aplicaciones de la primera ola y prepararse para las olas posteriores.

• Comience con lo que GenAI hace bien. Desde el principio, su capacidad para ayudar a los empleados a encontrar respuestas a preguntas, escanear y buscar documentos y resumir información puede hacer que ellos y su empresa sean más productivos. Solo asegúrese de que los datos y los documentos con los que está entrenando los modelos sean correctos, coherentes e imparciales.

• Concéntrese en resolver un problema empresarial. Evite la tentación de realizar “proyectos científicos” sin una intención estratégica clara. “No haga IA generativa por el mero hecho de hacer IA generativa”, dice Krueger. “Mírelo desde una perspectiva de valor del proceso empresarial”. Mathew sugiere evaluar los proyectos potenciales desde dos perspectivas principales. Primero, ¿cuál es su objetivo en términos de valor empresarial? Segundo, ¿qué capacidades existen para llevar a cabo el plan y gobernar su funcionamiento?

• Busque oportunidades para incorporar otros datos a la planificación de la cadena de suministro. Sin embargo, tenga cuidado de evaluar la utilidad de dichos datos. Algunas empresas extienden su red a lugares muy lejanos, recopilando información de las redes sociales, por ejemplo, sin pensar en su precisión, validez y utilidad. Es posible que otros departamentos de su propia empresa tengan datos buenos que sean relevantes pero que no se incorporen al proceso de planificación. Además, evalúe la conectividad de su infraestructura. Los desafíos de la red con frecuencia impiden que las empresas utilicen datos a gran escala.Con la infraestructura de datos y comunicaciones adecuada, puede aumentar la productividad y la precisión. La empresa de yogures Danone, por ejemplo, ganó un premio de innovación de SAP en 2023 por un proyecto que utilizó 30 tipos de datos internos, incluidos datos de marketing y ventas, para transformar la planificación de la demanda. El proyecto redujo drásticamente el tiempo dedicado a generar pronósticos y mejoró la precisión de los pronósticos, lo que a su vez redujo el desperdicio en los productos terminados y, por lo tanto, tuvo un efecto positivo en la sostenibilidad.

• Piense en cómo GenAI podría ayudar a mejorar sus datos.Un desafío constante para los gerentes de la cadena de suministro es la calidad y la cantidad de datos. Las fábricas contratadas de un fabricante de equipos originales, por ejemplo, pueden servir como socios clave encargados de proporcionar componentes, subsistemas e incluso productos terminados, pero las partes a menudo carecían de la confianza necesaria para abrir sus sistemas entre sí. (Para obtener más información, consulte “Fabricación por contrato: el punto ciego de las cadenas de suministro”).Para construir mejores relaciones, los OEM pueden compartir datos sobre las necesidades de los clientes y la experiencia en procesos para beneficiar a sus fabricantes por contrato y, a cambio, los contratistas pueden compartir sus propios datos sobre los flujos de suministro. Y GenAI puede respaldar el proceso de mejora de los datos recopilados de los proveedores. Por ejemplo, los sistemas de reconocimiento óptico de caracteres se han utilizado durante años para escanear documentos en formato digital, pero pueden ser propensos a errores. El uso de GenAI para escanear esos documentos podría aumentar las tasas de precisión.

• Tenga en cuenta el contexto. Si está intentando utilizar GenAI para presentar datos a los usuarios de una forma más natural, asegúrese de tener en cuenta el contexto en el que se formularán las preguntas. Si bien es necesario capacitar a las personas sobre cómo utilizar las indicaciones correctas, cuanto más pueda entrenar los modelos no solo con los datos correctos sino también con el contexto adecuado, menos detalladas deberán ser esas indicaciones.

De hecho, el mejor camino a seguir para muchas empresas podría ser confiar en los sistemas de planificación de la cadena de suministro existentes. Las empresas de software, incluida SAP, ya están considerando cuestiones como la forma de incorporar contexto a los sistemas para reducir la necesidad de ingeniería rápida. Si se hace bien, los proveedores podrían allanar el camino para que las empresas aprovechen al máximo GenAI.

Kenworthy dice que en los proyectos piloto GenAI de West Monroe, los empleados tienden a evitar las herramientas GenAI independientes. Si está integrada en un software existente, obtenemos mucho más impulso, señala. Además, si bien las empresas Fortune 1000 pueden tener el tiempo y el presupuesto para experimentar con aplicaciones GenAI, la mayoría de las empresas del mercado medio no lo tienen. Se beneficiarán más cuando se convierta en una característica de las herramientas existentes.

En definitiva, GenAI podría ser un arma clave en la batalla por obtener más visibilidad y control sobre las cadenas de suministro. Desde las primeras aplicaciones de chatbots hasta las integraciones que extraen un enorme valor comercial de la cadena de suministro, las empresas que pueden aplicar con éxito una combinación de IA, ML y GenAI pueden lograr que sus cadenas de suministro sean más resilientes y sus negocios más rentables.