AIでグローバルサプライチェーン危機を克服する

COVID-19パンデミックは、複数産業におけるイノベーションの実証の場となりました。これは驚くべきことではありません。歴史を通じて、危機はイノベーションを生んできました。今、世界は再び、グローバルサプライチェーンへの壊滅的な混乱の中でイノベーションを迫られています。

現在直面している問題は絶望的なボトルネックのように見え、修正に必要な変化が価値を生むまでには時間がかかります。しかし、人工知能を他の技術・イノベーションと組み合わせることで、製造現場から小売棚まで、サプライチェーン全体にわたる長期的な改善をもたらす可能性があります。いくつかのシナリオを紹介します。

工場現場の改善

サプライチェーンボトルネックのニュース報道は、港湾閉鎖で海上に足止めされる船舶に焦点が当たりがちです。しかしサプライチェーンマネージャーは、改善が原材料調達・製造を行う工場現場まで及ぶことを知っています。AIと他技術の連携が大きな違いを生みます。例えば、原材料供給のデータ駆動型予測は、製造計画決定と労働計画の最適化、バーンアウト軽減に役立ちます。また、工場現場のスマートセンサーは、供給と需要の両変動に対して生産をより効率的かつ迅速に対応させます。スマートセンサーは重要部品の摩耗を警告し、メーカーが混乱発生前にプロアクティブな是正措置を取れるようにします。

私が最も期待しているのは、VR、MR、ARといった没入型技術とAI（例：深層強化学習と3Dシミュレーションの融合）を組み合わせ、製造プロセスを改善する可能性です。企業はAIを用いてさまざまな生産シナリオをシミュレートし、物理的実験よりも時間とコストをかけずに工場現場を最適化できます。さらに、3Dシミュレーションと強化学習により、メーカーは特定プロセスだけでなく生産プロセス全体を最適化できます。メタバースの約束が現実味を帯びる中、AIのこのバーチャル応用は工場現場を単に効率化するだけでなく、変革する可能性を秘めています。

混乱への対応

AIは、データと分析を用いてサプライチェーン混乱の影響を受ける在庫を特定・マッピングすることを可能にします。自社資材を運ぶ船舶の可視性が欠けているなら、この危機を機に、データ、IoT、高度分析（機械学習、シミュレーション）によるサプライチェーンデジタルトランスフォーメーションの優先順位を上げる正当化をすべきです。ビジネスは、自社製品が常にどこにあるかを知り、供給側制約が自社オペレーションと市場需要期待への充足能力に与える影響を正確に把握する必要があります。これは、自動車産業のようにグローバルに多くのプレイヤーが関与する複雑なサプライチェーンで特に当てはまります。自動車メーカーと小売業者は、半導体のボトルネックを国から国へトレースするのに苦労しています。この透明性の欠如が、ボトルネック解消策の特定や在庫正常化時期の予測をほぼ不可能にしています。透明なデータ共有とAIがこの問題を解決できます。

消費者需要への対応

消費者需要がなければサプライチェーン危機は存在しません。AIは、デジタルシェルフ技術を通じて、サプライチェーンエコシステムのすべての関係者を消費者需要により密接に合わせるのに役立ちます。デジタルシェルフとは、実店舗とオンライン両方の製品ディスプレイを指し、リアルタイムデータで小売業者の全オペレーションとサプライチェーンに接続されています。デジタルシェルフがあれば、ビジネスは全店舗の正確な在庫レベルを常に把握できます。

Amazon.comの食料品店を例に取りましょう。Amazon Go店舗全体のセンサーがデジタルシェルフに常に更新されるインテリジェンスを提供し、小売業者が地域需要に基づいて在庫レベルをカスタマイズし、製品需要の急増・急減に対応できるようにしています。より大規模に、Walmartもこの能力を構築中です。

デジタルシェルフの概念は数年前から存在しますが、パンデミックでより緊急かつタイムリーになりました。パンデミックから生まれた消費者需要の急速で予測不能な変化とオンライン・オフライン商取引の急増が、在庫レベル管理におけるあらゆる誤差余地を奪ったからです。

デジタルシェルフはサプライチェーンボトルネックを解消しませんが、サプライチェーンの重要な要素である「ラストマイル配送」をよりスムーズに管理するのに役立ちます。

労働力不足の管理

サプライチェーン危機が深刻化した理由の一つは、製品を降ろす倉庫作業員や輸送するトラックドライバーなど、利用可能な労働力の不足です。AIは、企業がタイトな労働供給を管理するのを支援できます。特に、契約労働者の調達にAIを創造的に活用すれば尚更です。多くの企業は、キャパシティ急増時の一時的な人員確保で、いまだに「電話をかけて人材派遣会社を呼ぶ」という暗黒時代のやり方で運営しています。これは極めて非効率的です。もし企業が、データとAIで動く単一ポータルにアクセスして必要なリソースを見つけられたらどうでしょう？ 企業と派遣パートナーが、人員ニーズとリソース情報をポータルで常に最新に保てば、AIはニーズの範囲、利用可能なスタッフとリソースへの近接性、タイムフレームなどの要因に基づいてリソースをマッチングできます。利用可能リソースがゼロならAIも解決できませんが、適切なプラットフォームで実現すれば確実に役立ちます。

次の危機への備え

AIはシナリオプランニング演習を実施し、重要なビジネス意思決定を支援できます。パンデミックは、次の混乱（次のパンデミック、自然災害、市民騒乱、その他）への備えを企業に促すウェイクアップコールです。AIは企業が不足と供給問題を事前に予測し、レジリエンス戦略で対応するのを助けます。例えば、港湾閉鎖時に必須資材の配送を再ルーティングするなどです。これにはデータを持ち、レジリエンス対応をシミュレートできることが必要です。AIはまた、特定の混乱（自然災害によるコーヒー生産の混乱など）が一時的か長期的かを予測し、そのデータに基づいて対応シナリオをシミュレートすることもできます。

AI搭載工場シミュレーションと同様に、企業はデジタルツインを用いて次の混乱へのシナリオプランニングができます。MIT Technology Reviewが指摘したように、「台湾で干ばつが発生し、水不足でマイクロチップ製造が停止したらどうなるか？ デジタルツインならこのリスクを予測し、サプライチェーンへの影響をトレースし、強化学習を用いて被害を最小化するアクションを提案できる。」

サプライチェーン危機からの簡単な脱出ルートはありません。AI単体でも解決策にはなりません。私は、企業がまずサプライチェーン危機をより小さなペインポイントに分解し、それらをどう解決するかを考えることを提案します。この記事がそうしたように。「次の混乱からビジネスをどう守るか？」はあまりに広すぎる問いです。代わりに、「トラックドライバーフリートを需要急増により効果的にどう合わせるか？」のような、より具体的で解決しやすい問いに焦点を当てましょう。答えを見つけることで、ビジネスはAIの明確で説得力のある役割を理解できるでしょう。

Ahmer Inam氏はPactera EDGE（グローバルデジタル・テクノロジーサービス企業）のチーフAIオフィサーです。