Jednostka 1 / 11

Wprowadzenie do sztucznej inteligencji w logistyce i łańcuchu dostaw: role, granice, weryfikacja i dane

Zyski:

  • Możliwość rozróżnienia, gdzie w łańcuchu dostaw (prognozowanie, planowanie, dokumentowanie, analiza) sztuczna inteligencja oszczędza czas rzeczywisty, a gdzie decyzje takie jak wysyłka i inwestycja w zapasy pozostawia się ludziom, w zależności od poziomu ryzyka zadania.
  • Możliwość zastosowania dyscypliny weryfikującej każdy wynik AI poprzez etapy łączenia go ze źródłem, ponownego obliczania i filtrowania operacyjnego.
  • Ochrona danych operacyjnych i handlowych w zakresie zasad poufności i konkurencji oraz wyrobienie nawyku wybierania bezpiecznych pojazdów

Pracujesz w świecie, w którym telefon przestaje dzwonić, gdy dostawa się opóźnia, linia produkcyjna zatrzymuje się, gdy kończą się zapasy, a cały plan upada, gdy dostawca zbankrutuje. Logistyka i łańcuch dostaw; To cały łańcuch dba o to, aby towar był dostępny we właściwym miejscu, we właściwym czasie, we właściwej ilości i po najniższych rozsądnych kosztach – od zakupu surowca, poprzez produkcję, magazynowanie, transport i dostawę do klienta końcowego. Każde ogniwo w tym łańcuchu generuje dane: zamówienie, stan magazynowy, lokalizacja, temperatura, czas dostawy, faktura. Sztuczna inteligencja (AI – oprogramowanie, które wydobywa wzorce z danych historycznych oraz generuje prognozy i tekst) pozwala zaoszczędzić czas przy tak dużej ilości danych. Ale sam początek tego modułu jest jasny: AI to asystent, generator projektów i narzędzie wspomagające podejmowanie decyzji; To Ty podpisujesz przesyłkę, inwestycję w zapasy i wybór dostawcy.

W tej pierwszej części skupimy się na dyscyplinie, a nie na narzędziu. Dowiesz się, gdzie sztuczna inteligencja oszczędza czas rzeczywisty, a gdzie jest niebezpieczna, jak weryfikować poszczególne wyjścia i jakie dane możesz przekazać któremu narzędziu. Bez położenia tego fundamentu kolejne jednostki pozostaną w powietrzu.

Gdzie w łańcuchu przydaje się sztuczna inteligencja?

Podzielmy stanowiska pracy w logistyce na dwa duże skupiska. Klaster pierwszy: powtarzalna, produkcyjna praca oparta na danych. Podsumowanie dotychczasowej sprzedaży w celu prognozowania popytu, wyodrębnienie wzorców z ruchu zapasów w Excelu, przygotowanie profesjonalnej odpowiedzi na e-mail dostawcy, przygotowanie tekstu informującego klienta w przypadku opóźnienia, grupowanie i interpretowanie setek wierszy danych o wysyłce. W tych zadaniach AI skraca minuty do sekund i nie męczy się.

Grupa druga: decyzje, których efektem są pieniądze, bezpieczeństwo lub trwałość. Który dostawca podpisze umowę, ile zapasów zostanie zainwestowanych, jaką trasą będzie przebiegać przesyłka, czy pojazd pojedzie w trasę, czy nie. Decyzje te wymagają kontekstu, intuicji, namysłu i odpowiedzialności. Tutaj sztuczna inteligencja uwidacznia opcje, oblicza scenariusze – ale ty naciskasz przycisk.

Wyjaśnijmy to rozróżnienie w jednym zdaniu: sztuczna inteligencja ma silną pozycję w pytaniach „co się dzieje i co może się wydarzyć”; Decyzja należy do Ciebie, jeśli chodzi o pytania typu „co powinienem zrobić i kto za to poręczy?” Profesjonalista, który internalizuje to rozróżnienie, nie używa sztucznej inteligencji z nadmierną pewnością siebie ani nie odrzuca jej ze strachem; Używa go we właściwym miejscu i w odpowiedniej dawce.

Wskazówka: zanim zlecisz zadanie sztucznej inteligencji, zadaj sobie pytanie: „Co stracę, jeśli wyniki będą nieprawidłowe?” Jeśli odpowiedź brzmi „kilka minut”, możesz delegować. Jeśli odpowiedź brzmi „pieniądze, klienci lub bezpieczeństwo”, pozwól sztucznej inteligencji sporządzić projekt, a Ty zweryfikujesz decyzję.

Dyscyplina weryfikacji: trzy kroki

AI mówi płynnie i pewnie; To nie znaczy, że to prawda. Sztuczna inteligencja czasami wywołuje halucynacje — to znaczy tworzy nieistniejącą liczbę, regułę lub źródło jako rzeczywiste. W logistyce fikcyjna inwentaryzacja prowadzi do błędnego zamówienia, fikcyjna zasada celna prowadzi do kary. Opracuj więc trzyetapowy odruch, który można zastosować do każdego wyniku:

  1. Podłącz go do źródła. Każda liczba i twierdzenie AI musi opierać się na podanych przez Ciebie danych lub możliwym do sprawdzenia dokumencie. „Z jakiego wiersza wziąłeś tę liczbę?” zapytać. Jeśli nie może podać źródła, nie ufaj tym liczbom.
  2. Przelicz. Zweryfikuj konto krytyczne (zapasy bezpieczeństwa, wielkość zamówienia, koszt całkowity) ręcznie lub za pomocą niezależnej formuły. Poproś sztuczną inteligencję, aby wyraźnie pokazała formułę, abyś mógł ją sprawdzić.
  3. Przepuść go przez filtr operacyjny. Czy wyniki mają sens w terenie? Czy propozycja jest zgodna z ograniczeniami dostawców, przepisami i umowami, o których wiesz? Znajomość Twojej domeny jest ostatnim filtrem.
Uwaga: „AI tak powiedziała” nie jest uzasadnieniem. Jeśli wystąpi błąd, odpowiedzialność nie spoczywa na sztucznej inteligencji, ale na osobie, która wykorzystuje dane wyjściowe bez ich weryfikacji. Niezweryfikowane dane wyjściowe AI są tak samo ryzykowne jak nieprzeczytane i podpisane polecenie wysyłki.

Prywatność danych i konkurencja: co i dokąd?

W logistyce dane to nie tylko dane wrażliwe, ale często stanowią one tajemnicę handlową. Jeśli Twoje cenniki, warunki umów z dostawcami, wolumen klientów i struktura kosztów wpadną w ręce konkurenta, Twoja siła konkurencyjna zniknie. Dlatego kluczową decyzją jest to, jakie dane przekazujesz któremu narzędziu.

Dokonaj prostej klasyfikacji: Otwarte dane (publiczne, opublikowane informacje) mogą dostać się do każdego pojazdu. Dane wewnętrzne (operacyjne, ale nie tajne) wyłącznie dla pojazdów zatwierdzonych przez agencję. Dane poufne/tajemnica handlowa (cena, umowa, klient) trafiają jedynie do zakontraktowanych przez instytucję pojazdów, których dane nie trafiają na szkolenia modelarskie, najlepiej zamaskowane. Wklejenie umowy z dostawcą do bezpłatnego, publicznie dostępnego narzędzia pozbawia Cię kontroli nad tymi danymi.

Wyrób sobie także nawyk maskowania i anonimizacji: używaj „Dostawca A” zamiast prawdziwej nazwy dostawcy, „Klient 1” zamiast prawdziwego klienta. AI wyodrębnia wzór bez potrzeby podawania prawdziwego imienia; Mapujesz wynik na własną tabelę.

trzy mini etui

Przypadek 1 — Oszczędność czasu we właściwym miejscu. Specjalista ds. planowania w firmie dystrybucyjnej spędzał każdego ranka 90 minut na ręcznym podsumowywaniu zamówień na zapasy z 40 oddziałów. Przekazał AI anonimowe (zakodowane w gałęzi, anonimowe) dane i powiedział: „Podsumuj je w tym formacie i zaznacz nietypowe żądania”. Czas skrócony do 15 minut. Poświęcił zarobione 75 minut na potwierdzanie nietypowych próśb oznaczonych przez sztuczną inteligencję, jedna po drugiej, z prawdziwymi ludźmi. AI zabrała powtarzalną pracę; Sąd pozostał przy człowieku.

Przypadek 2 — Walidacja wykryła błąd. Menedżer ds. zakupów poprosił sztuczną inteligencję o porównanie ofert trzech dostawców. Sztuczna inteligencja dała zgrabny obraz; ale zleceniodawca wykonał krok „przelicz” i odkrył, że sztuczna inteligencja błędnie dodała cenę jednostkową dostawcy – sztuczna inteligencja dwukrotnie policzyła linię rabatową. Ręczna kontrola zapobiegła błędnej decyzji o wartości 240 000 TL. Dane wyjściowe były gładkie, ale niedokładne.

Przypadek 3 – Powrót po naruszeniu prywatności. Stażysta wkleił roczny wolumen i specjalne warunki cenowe największego klienta do narzędzia publicznego i powiedział „napisz mi lepszy tekst oferty”. Interweniował kierownik działu: była to tajemnica handlowa wymykająca się spod kontroli i naruszająca klauzulę poufności zawartą w umowie z klientem. Tę samą pracę wykonano w pojeździe zatwierdzonym przez firmę, z zamaskowaniem nazwiska klienta i prawdziwych numerów.

Cztery szablony do kopiowania

1) Ocena przydatności do pracy:

Twoja rola: starszy konsultant ds. łańcucha dostaw. Poniżej opiszę tę pracę. Powiedz mi (1) czy ta praca jest pracą kreślarską/analizą, którą można bezpiecznie przekazać sztucznej inteligencji, czy też jest to krytyczna decyzja, którą musi podjąć człowiek, (2) potencjalny koszt nieprawidłowego wyniku, (3) jaką weryfikację muszę przeprowadzić przed delegowaniem. Stanowisko: [tu wstaw pracę]

2) Prośba o weryfikację (wyświetlenie konta):

Wyraźnie pokaż zastosowany wzór i każdy etap pośredni w wykonywaniu tego obliczenia. Proszę wskazać, który numer wziąłeś z której linii, którą ci podałem. Sprawdzę to ręcznie. Nie wymyślaj żadnych liczb, dla których nie podaję danych. Jeżeli brakuje, wpisz „brak danych”.

3) Kontrola maskowania danych:

Tekst, który Ci przekażę, może zawierać tajemnicę handlową (cena, nazwa klienta, warunki umowy). Najpierw wypisz, które pola w tym tekście mają być zamaskowane; Zamaskuję to i wyślę ponownie. Nie analizuj tego takim, jakie jest.

4) Oznaczenie anomalii:

Poniżej znajdują się anonimowe (oparte na kodzie, anonimowe) dane dotyczące zapasów/popytu. Zadanie: (1) zaznaczyć niezwykle wysokie/niskie wartości, (2) wyjaśnić w jednym zdaniu, dlaczego każda z nich się wyróżnia, (3) stwierdzić, że są to alerty wymagające potwierdzenia przez człowieka, a nie ostateczne problemy. To zależy ode mnie.

Słaba zachęta/silna zachęta

Słaba zachęta:

Ulepsz mój łańcuch dostaw.

To żądanie jest bezkontekstowe: nie jest jasne, który proces, które dane i które ograniczenie. Sztuczna inteligencja produkuje przedmioty ogólne, niemające zastosowania.

Potężny monit:

Twoja rola: asystent analityka łańcucha dostaw. Pracuję w firmie zajmującej się dystrybucją żywności, która ma 40 oddziałów. Mam anonimowe (kod oddziału) codzienne dane dotyczące przesyłek z ostatnich 3 miesięcy. Moim celem jest ograniczenie braków magazynowych. Daj mi listę kontrolną, która jasno wyjaśni (1), jakich wzorców powinienem szukać w danych, (2) jakie anomalie chcę, abyś oznaczył. Załóżmy, że to ja decyduję.

Podejście

prędkość

Ryzyko dokładności

Czyja odpowiedzialność

Pozostaw krytyczne decyzje AI

wysoki

bardzo wysoki

Niepewne – niebezpieczne

AI szkicuje, decyduje człowiek

wysoki

Niski (jeśli potwierdzono)

Człowiek – prawda

Nie rób wszystkiego ręcznie

niski

niski

ludzki, ale powolny

Nigdy nie używaj sztucznej inteligencji

niski

niski

pozostaje w tyle za konkurencją

Typowe błędy

  • Mylisz płynność z dokładnością. AI przemawia z pewnością; Nie oznacza to, że jest poprawny, sprawdź każdą krytyczną liczbę.
  • Delegowanie decyzji krytycznej. Podpisywanie przez sztuczną inteligencję dostaw, inwestycji w zapasy i wyboru dostawców pozostawia odpowiedzialność wiszącą w powietrzu.
  • Przekazanie tajemnicy handlowej otwartemu pojazdowi. Umieszczanie danych dotyczących cen i umów w niekontrolowanym pojeździe zagraża konkurencyjności.
  • Nie pytam o źródło. Użycie numeru podanego przez sztuczną inteligencję bez pytania, skąd pochodzi, otwiera drzwi do halucynacji.
  • Pisanie podpowiedzi bez kontekstu. Podpowiedź napisana bez podawania ról, danych i ograniczeń daje bezużyteczne ogólne porady.
Wskazówka: każdą sesję AI rozpoczynaj od szóstki „rola + kontekst + dane + zadanie + ograniczenie + decydent”. Tych sześć jednocześnie poprawia jakość i bezpieczeństwo wyników.

Podsumowując

Logistyka i łańcuch dostaw oddychają danymi; AI to potężny asystent, który przyspiesza powtarzalne zadania w obrębie tych danych. Jednak decyzje mające wpływ na pieniądze, bezpieczeństwo i ciągłość łańcucha są podejmowane przez człowieka. Podłącz każde wyjście do źródła, przelicz, filtr operacyjny. Klasyfikuj dane biznesowe i operacyjne i udostępniaj je wyłącznie bezpiecznym narzędziom, w razie potrzeby maskując je. Profesjonalista ustanawiający tę dyscyplinę bezpiecznie posługuje się każdym narzędziem z poniższych jednostek.

Zadanie aplikacji

Zapisz listę 10 różnych zadań, które wykonujesz w ciągu tygodnia we własnej firmie. Oznacz każdy z nich jako „wersję/analizę delegowaną przez sztuczną inteligencję” lub „decyzję człowieka” i dodaj obok kolumnę „koszt, jeśli jest błędny”. Następnie wybierz jeden z możliwych do przeniesienia i skonsultuj się z AI za pomocą powyższego szablonu „Ocena przydatności do pracy”. Przetestuj wyniki za pomocą trzyetapowego odruchu weryfikacji i zapisz swoje obserwacje w 5 pozycjach.

lista kontrolna

  • [ ] Czy podzieliłem pracę na „delegowaną” i „ludzką decyzję”?
  • [ ] Czy pozyskałem, przeliczyłem i przefiltrowałem każdy krytyczny wynik?
  • [ ] Czy sklasyfikowałem dane jako publiczne/wewnętrzne/poufne?
  • [ ] Czy zamaskowałem tylko poufne dane w bezpiecznym narzędziu?
  • [ ] Czy w monicie uwzględniłem rolę, kontekst, dane, zadanie, ograniczenie i decydenta?