Mục lục
- Giới thiệu
– Định nghĩa AI trong chuỗi cung ứng
– Nguyên tắc 1: AI phải hỗ trợ con người chứ không phải thay thế họ
– Nguyên tắc 2: Sự kết hợp chuyên môn của AI, phương pháp tiếp cận và tối ưu hóa là chìa khóa
– Nguyên tắc 3: Sự đồng thời được khuếch đại bởi AI là bước đột phá trong quản lý chuỗi cung ứng
– Nguyên tắc 4: Sức mạnh của AI phải được dân chủ hóa
– Nguyên tắc 5: Khả năng giải thích là điều cần thiết để áp dụng AI
- Kết luận

Giới thiệu

Sự ra đời của ChatGPT vào cuối năm 2022 đã làm gia tăng thêm lớp sương mù kỹ thuật số bao quanh trí tuệ nhân tạo (AI) trong quản lý chuỗi cung ứng. Khi các CEO phải đối mặt với áp lực ngày càng tăng từ hội đồng quản trị của họ để đẩy nhanh việc áp dụng AI và những người ra quyết định nhận ra vai trò thiết yếu của nó trong việc duy trì khả năng cạnh tranh, động lực để áp dụng công nghệ chuyển đổi này là rất mạnh mẽ. Tuy nhiên, bản chất phức tạp và phát triển nhanh chóng của AI, cùng với những cảm xúc dâng trào mà nó gợi lên, có thể khiến ngay cả những chuyên gia chuỗi cung ứng dày dạn kinh nghiệm nhất cũng cảm thấy choáng ngợp và không chắc chắn về cách tiến hành. Để giúp điều hướng lớp sương mù này và mở khóa tiềm năng to lớn của AI trong chuỗi cung ứng, chúng tôi xin trình bày năm nguyên tắc chỉ đạo để thành công.

Định nghĩa AI trong chuỗi cung ứng

Về bản chất, trí tuệ nhân tạo là khoa học về máy tính mô phỏng trí thông minh của con người để giải quyết vấn đề. Lĩnh vực rộng lớn này bao gồm nhiều ngành học, mỗi ngành đều góp phần vào mục tiêu chung là cải thiện tốc độ, độ chính xác và sự tinh tế trong việc ra quyết định bằng cách xác định các mô hình trong khối lượng dữ liệu khổng lồ. Từ học máy (bao gồm học sâu) đến tối ưu hóa, thuật toán di truyền, tự động hóa quy trình bằng rô-bốt, AI tạo sinh và quản lý quyết định, các công cụ và kỹ thuật trong lĩnh vực AI rất đa dạng và mạnh mẽ.

Khi áp dụng vào quản lý chuỗi cung ứng, AI có tiềm năng cách mạng hóa các quy trình và nâng cao năng suất trên mọi phương diện. Bằng cách tạo ra các khuyến nghị, dự đoán xu hướng, đưa ra thông tin chi tiết, tự động hóa các tác vụ và cung cấp tốc độ và quy mô chưa từng có, AI có thể chuyển đổi cách thức hoạt động của chuỗi cung ứng. Tuy nhiên, để khai thác hết tiềm năng này, điều quan trọng là phải hiểu không chỉ những gì AI có thể làm mà còn cách tích hợp hiệu quả vào các quy trình làm việc hiện có.

Nguyên tắc 1: AI là công cụ tăng cường con người

Khả năng của AI đang mở rộng với tốc độ đáng kinh ngạc, với các máy móc hiện có thể tạo ra nội dung sáng tạo, tiến hành nghiên cứu phức tạp và thậm chí tạo ra nghệ thuật và âm nhạc. Những kỳ tích ấn tượng này có thể thực hiện được nhờ khả năng xử lý và học hỏi từ dữ liệu của AI ở quy mô vượt xa khả năng nhận thức của con người. Tuy nhiên, giữa sự phấn khích xung quanh những tiến bộ này, điều quan trọng là phải nhớ rằng có một số thứ mà máy móc không thể cung cấp, mà tôi gọi là 3 C: bối cảnh, cộng tác và lương tâm.

Các mô hình AI, dù tinh vi đến đâu, cũng không thể rút ra ý nghĩa từ ngữ cảnh – một kỹ năng thiết yếu trong nhiều lĩnh vực quản lý chuỗi cung ứng, chẳng hạn như những gì mà nhà lãnh đạo tư tưởng Zero100 Kevin O'Marah gọi là “thầm thì với máy móc”. Hơn nữa, AI không thể hợp tác để giải quyết vấn đề hoặc giải quyết các vấn đề quan trọng như tính bền vững và quyền con người trong chuỗi cung ứng. Chính bản chất bổ sung này của khả năng của con người và máy móc đã nhấn mạnh tầm quan trọng của việc sử dụng AI như một công cụ để tăng cường hơn là thay thế.

Kết quả mạnh mẽ nhất xuất hiện khi con người và AI làm việc cùng nhau, một quan điểm được 93% người ra quyết định trong một cuộc khảo sát của Workday đồng tình, những người tin vào tầm quan trọng của việc giữ con người trong vòng lặp khi AI đưa ra các quyết định quan trọng. Bằng cách tận dụng thế mạnh của cả con người và máy móc, các chuyên gia chuỗi cung ứng có thể đạt được các cấp độ hiệu quả, hiểu biết sâu sắc và đổi mới mới.

Nguyên tắc 2: Kết hợp chuyên nghiệp AI, Heuristics và Optimization

Khả năng mô hình hóa các vấn đề ở quy mô lớn của AI cho phép đưa ra các khuyến nghị chính xác hơn, chẳng hạn như cải thiện độ chính xác của dự báo nhu cầu hoặc dự đoán tốt hơn về việc giao hàng đúng hạn. Độ chính xác này cũng là một đặc điểm của tối ưu hóa, một lĩnh vực AI nổi tiếng trong quản lý chuỗi cung ứng vì khả năng tối đa hóa việc sử dụng tài nguyên trong các ràng buộc nhất định để đạt được mục tiêu cụ thể, như giảm thiểu chi phí. Tuy nhiên, quy mô của các vấn đề này có thể rất lớn, với việc tối ưu hóa mạng lưới cung ứng có khả năng liên quan đến hàng triệu biến phụ thuộc lẫn nhau, dẫn đến những thách thức đáng kể về tính toán.

Trong một số trường hợp, các chuyên gia chuỗi cung ứng chuyển sang phương pháp tìm kiếm – các mô hình giải quyết vấn đề sử dụng các giải pháp thực tế, “đủ tốt” – để nhanh chóng tạo ra các phương án hành động khả thi. Trong khi AI, phương pháp tìm kiếm và tối ưu hóa đều mang lại lợi ích về tốc độ, độ chính xác và tính thanh lịch, chúng cũng đi kèm với sự đánh đổi. Điều quan trọng là phải nhận ra rằng các mô hình toán học mới nhất, tiên tiến nhất không phải lúc nào cũng phù hợp nhất với mọi tình huống, bất chấp những gì mà sự cường điệu có thể gợi ý.

Các giải pháp thanh lịch nhất thường liên quan đến sự kết hợp của các phương pháp, chẳng hạn như kết hợp máy học và phương pháp tìm kiếm để "khởi động ấm" một mô hình tối ưu hóa, do đó đẩy nhanh quá trình giải quyết vấn đề. Bằng cách tích hợp sáng tạo các điểm mạnh của từng phương pháp tiếp cận, các chuyên gia chuỗi cung ứng có thể đạt được sự cân bằng giữa tốc độ, độ chính xác và tính thanh lịch, đảm bảo rằng mô hình phù hợp được sử dụng cho đúng vấn đề vào đúng thời điểm.

Nguyên tắc 3: Sức mạnh của sự đồng thời được khuếch đại bởi AI

Chuỗi cung ứng là những mạng lưới phức tạp kết nối nhiều chức năng trong một tổ chức và hơn thế nữa, khiến việc tối ưu hóa toàn bộ chuỗi bằng cách tập trung vào các liên kết riêng lẻ trở nên khó khăn. Ví dụ, trong khi AI có thể cải thiện đáng kể độ chính xác của dự báo, mục tiêu thực sự không phải là tạo ra các silo hiệu quả cao mà là sắp xếp việc ra quyết định trên toàn bộ chuỗi cung ứng để có phản ứng nhanh hơn, gắn kết hơn. Như một nhóm các nhà kinh tế Canada chỉ ra, trừ khi các giải pháp do AI thúc đẩy có thể chuyển thành các quyết định phù hợp trong toàn bộ chuỗi cung ứng, thì vấn đề cơ bản là sắp xếp cầu với cung vẫn chưa được giải quyết.

Bước đột phá thực sự trong quản lý chuỗi cung ứng không chỉ đến từ AI mà còn từ tính đồng thời – tích hợp AI vào quy trình làm việc để cho phép ra quyết định đồng bộ trên toàn bộ chuỗi cung ứng. Bằng cách nhúng AI vào các quy trình đồng thời, các chuyên gia chuỗi cung ứng có thể tận dụng khả năng dự đoán của công nghệ đồng thời hấp thụ sự biến động vốn có phát sinh từ những gián đoạn không thể tránh khỏi mà chuỗi cung ứng phải đối mặt.

Vai trò của AI trong bối cảnh này là cung cấp độ chính xác, tốc độ và sự tinh tế hơn trong các dự đoán, trong khi tính đồng thời đảm bảo rằng những hiểu biết này được kết nối và hành động theo cách phối hợp. Sự kết hợp mạnh mẽ này cho phép chuỗi cung ứng phản ứng hiệu quả hơn với các điều kiện thay đổi, cuối cùng dẫn đến hiệu suất tổng thể được cải thiện.

Nguyên tắc 4: Dân chủ hóa AI cho các chuyên gia chuỗi cung ứng

Để nhận ra đầy đủ tiềm năng của AI trong quản lý chuỗi cung ứng, điều cần thiết là mở rộng phạm vi của nó ra ngoài phạm vi độc quyền của các nhà khoa học dữ liệu. Trong khi việc khám phá và phát triển liên tục các ứng dụng AI mới sẽ luôn đòi hỏi chuyên môn của những chuyên gia này, việc trao quyền cho các học viên chuỗi cung ứng tự áp dụng AI là rất quan trọng để triển khai rộng rãi và thành công. Các giải pháp AI hiệu quả nhất là những giải pháp có thể dễ dàng được hiểu và áp dụng bởi các chuyên gia có hiểu biết sâu sắc về dữ liệu công ty và quy trình kinh doanh, thay vì đòi hỏi trình độ chuyên môn sâu rộng về AI hoặc khoa học dữ liệu.

Mặc dù một cuộc khảo sát của Workday cho thấy 72% các nhà lãnh đạo tin rằng tổ chức của họ thiếu các kỹ năng cần thiết để triển khai đầy đủ AI, việc áp dụng công nghệ này không phải là một nỗ lực quá sức. Bằng cách lựa chọn các giải pháp được thiết kế riêng cho những người có bối cảnh chuỗi cung ứng và kiến ​​thức kinh doanh, các tổ chức có thể cho phép nhóm của mình tận dụng các hiểu biết sâu sắc và khả năng của AI mà không cần phải đi sâu vào sự phức tạp của việc xây dựng mô hình.

Dân chủ hóa AI theo cách này không chỉ đảm bảo việc áp dụng và sử dụng AI mà còn cho phép các chuyên gia chuỗi cung ứng bắt đầu từ trình độ hiểu biết hiện tại của họ và dần dần phát triển các kỹ năng của họ theo thời gian. Khi lựa chọn nhà cung cấp AI, điều cần thiết là phải xem xét khả năng hỗ trợ phương pháp học tập gia tăng này của họ, vì cuối cùng nó sẽ dẫn đến các triển khai thành công và bền vững hơn.

Nguyên tắc 5: Đảm bảo khả năng giải thích AI để tin tưởng và áp dụng

Trong thế giới phức tạp và rủi ro cao của quản lý chuỗi cung ứng, lòng tin là tối quan trọng. Để AI thực sự được chấp nhận và áp dụng, nó phải có thể giải thích được – người dùng cần hiểu cách công nghệ đưa ra các khuyến nghị và dự đoán của mình. Các giải pháp hộp đen không cung cấp thông tin chi tiết về hoạt động bên trong của chúng có thể khiến các chuyên gia chuỗi cung ứng ngần ngại dựa vào chúng, đặc biệt là khi phải đối mặt với các quyết định quan trọng có hậu quả đáng kể.

AI có thể giải thích cung cấp tính minh bạch cho các yếu tố ảnh hưởng đến kết quả đầu ra của nó, cho phép người dùng diễn giải và xác thực kết quả. Điều này không chỉ xây dựng lòng tin mà còn cho phép các chuyên gia chuỗi cung ứng kết hợp chuyên môn của họ với những hiểu biết sâu sắc do AI cung cấp, dẫn đến việc ra quyết định sáng suốt và tự tin hơn. Bằng cách hiểu được lý do đằng sau các khuyến nghị của AI, các chuyên gia có thể đánh giá tốt hơn khả năng áp dụng của chúng vào các tình huống cụ thể và thực hiện các điều chỉnh khi cần thiết.

Hơn nữa, khả năng giải thích là rất quan trọng để xác định và giảm thiểu các thành kiến ​​tiềm ẩn trong các mô hình AI. Khi các mô hình này học hỏi từ dữ liệu lịch sử, chúng có thể vô tình duy trì hoặc khuếch đại các thành kiến ​​hiện có, dẫn đến kết quả không công bằng hoặc không tối ưu. AI có thể giải thích cho phép phát hiện và sửa các thành kiến ​​như vậy, đảm bảo rằng công nghệ đang được sử dụng một cách có đạo đức và có trách nhiệm.

Kết luận

Khi các chuyên gia chuỗi cung ứng điều hướng sương mù kỹ thuật số bao quanh AI, việc áp dụng năm nguyên tắc chỉ đạo là rất quan trọng để thành công: sử dụng AI như một công cụ để tăng cường con người, kết hợp AI với phương pháp tìm kiếm và tối ưu hóa một cách chuyên nghiệp, tận dụng sự đồng thời được khuếch đại bởi AI, dân chủ hóa AI cho các học viên và đảm bảo khả năng giải thích AI. Bằng cách đạt được sự cân bằng phù hợp giữa chuyên môn của con người và trí thông minh của máy móc, các tổ chức có thể khai thác sức mạnh của AI để nâng cao khả năng ra quyết định, tối ưu hóa quy trình và thúc đẩy đổi mới trong bối cảnh ngày càng phức tạp. Duy trì khả năng thích ứng, cởi mở và cam kết học tập liên tục là chìa khóa để tự tin vượt qua sương mù AI và hướng tới tương lai hiệu quả hơn.