サプライチェーンのための実証済み3ステップAI導入ロードマップ

パンデミックの世界的影響は、次の大混乱を生き抜こうとする企業に重要な教訓をもたらしました。その中でも、サプライチェーンにおける人工知能のより良い導入の必要性が浮き彫りになりました。

企業がその目標を達成するためのヒントを紹介します。

まず、あまり明確でない入力も考慮に入れた、より優れた消費者需要予測モデルを構築します。現在のシステムは単純なトレンドと季節性予測に基づいて構築されています。代わりに、インフレ、消費者物価指数、COVID-19介入政策（給付金、ロックダウン、住宅建設ブームなど）によるその他のインプットショックに関連する外部要因を考慮すべきです。これらのパターンの多くは事後的には見えやすいですが、それが事前に捉えられないことを意味しません。AIベースの予測モデルの美しさは、一見無関係に見える特徴量間の相互作用を捉えられる点にあります。

より良い消費者需要モデルが構築できたら、次に二次的な出荷コスト予測モデルを作成します。これは任意の時点での現在のサプライチェーン状態を考慮し、コンテナ1本分の製品輸送コストを予測するように構築すべきです。このツールの利点は、バックテストで精度を検証できることです。過去を見て、任意の時点での価格予測が現実と一致したかを確認すればよいのです。

最後に、需要モデルとコスト予測モデルを用いて、真のサプライチェーンAIとして機能するシステムを構築します。これは以下の2つの核心的観察に基づいて動作します。

需要モデルを用いて、将来のある時点で必要となるキャパシティを予測できる
コスト予測モデルを用いて、その時点でその需要を満たすための輸送価格を予測できる

この2つの能力があれば、AIシステムはコスト予測モデルの入力レバーを調整することで改善できます。モデルには「ロサンゼルス港が1日何時間稼働しているか」のようなシンプルな入力パラメータを持たせられます。値を変えることで輸送コストへの影響を把握できます。AIは、サプライチェーンを構成する入力レバーを常に調整するよう訓練でき、需要がどうであれ、需要を満たす総コストに上限を設けられます。

この3段階アプローチが、今後10年間のサプライチェーンのあるべき姿です。もちろん詳細は複雑です。しかし、いったんこうしたシステムが構築されれば、将来のサプライチェーン混乱への対処を政治家の解決策に頼る必要はなくなります。AIがサプライチェーン計画とモデリングを支援すれば、可能性は無限に広がります。

James Kaplan氏はMeetKAIの最高経営責任者です。

サプライチェーン労働力ギャップへの対処：採用と定着の実証済み戦略公開Webデータでサプライチェーンの秘密を発見する

産業技術