Digital Wave 2.0 уже здесь и повторяет конец 1990-х.

Признаюсь, я не могу много цитировать Шекспира, но мы видим, как компании по всему миру серьезно относятся к цифровой трансформации, и я уже видел это представление раньше.

В конце 1990-х годов предприятия по всему миру столкнулись с необходимостью перехода от управления бумажными документами к SDS (в то время называемому MSDS) к управлению запасами химических веществ. Проблема заключалась в том, что в компаниях было слишком много химических веществ, и у них были сложные ручные методы отслеживания и обновления информации для обеспечения соответствия нормативным требованиям.

Таким образом, появились платформы управления запасами химических веществ, включающие в себя как внутренние системы, так и готовые рыночные решения. Был период наращивания темпов роста, когда первые пользователи перепечатывали паспорта безопасности производителей в эти программные платформы, добавляли поиск по ключевым словам и развертывали интранет в разных местах, чтобы сократить расходы и иметь под рукой более точные и актуальные отчеты о запасах химических веществ.

В то время я помогал разрабатывать готовую платформу, которая первой включала в себя самоустанавливающийся веб-сервер, который автоматически сканировал Интернет в поисках более свежих SDS с веб-сайтов производителей.

Многие из наших клиентов рассматривали возможность создания собственных внутренних систем, но их основная компетенция заключалась в производстве, нефтехимии, аэрокосмической отрасли, энергетике и так далее. Они были хороши в своей отрасли, мы были лучшими в своей.

Перенесемся в 2020 год

Теперь толчок к полной цифровой трансформации пришел в виде искусственного интеллекта в пространствах ERP и SCM. Просто человеческие возможности больше не являются достаточно надежными для точного прогнозирования того, как мировые события влияют на спрос, доходы и логистику цепочки поставок. Сотрудники по закупкам и менеджеры по цепочкам поставок в организациях теперь узнают, что им нужно наверстать упущенное, чтобы наилучшим образом управлять мандатами ИИ, внедряемыми в планы компании.

Это еще один гигантский технологический скачок, и на этот раз с искусственным интеллектом и машинным обучением на водительском месте. Управление рисками изменилось, и на этой второй волне это целостный корпоративный подход, когда компании объединяют хранилища данных своих отделов в озера данных. Сотрудники по закупкам работают рука об руку со своими внутренними и внешними партнерами по цепочке поставок, чтобы обеспечить точность закупок, которые необходимо сделать, на основе прогностических возможностей, которые прогнозируют спрос и цены лучше, чем когда-либо прежде.

Как ИИ и машинное обучение применяются в контексте общей цифровой трансформации компании?

Что не изменилось, так это наличие четко определенной проблемы, которую необходимо решить. Что изменилось, так это способ решения проблемы быстрее и лучше.

Короче говоря, платформы ИИ позволяют вам использовать данные для принятия более разумных решений и быстрее. Чтобы заглянуть за углы и быть проактивным и прогнозирующим, а не управлять результатами постфактум. Искусственный интеллект — это новый и необходимый помощник специалиста по цепочке поставок для принятия сложных решений.

Компонент машинного обучения выявляет закономерности в данных, которые люди не могут воспринять в одиночку. Каждый фрагмент данных помогает ему учиться, он может даже указать на плохие данные, которые, скорее всего, являются выбросами из-за ошибок ввода данных человеком. Согласно недавнему опросу, проведенному Forrester среди лиц, принимающих решения, «использование ИИ в управлении цепочками поставок сильно отстает от маркетинга, управления продуктами и поддержки клиентов. Только 13% компаний сообщают, что логистика — это область их организации, которая возглавляет или оценивает инвестиции и внедрение систем искусственного интеллекта».

Возможность для всех

Это также означает, что мы снова начинаем, если компании будут создавать свои собственные «Frankensystems», состоящие из свободно доступных библиотек ИИ и алгоритмов, в руках внутренних программистов и подрядчиков, пытающихся наверстать упущенное, или передать на аутсорсинг специалистам, у которых уже есть прогностические системы с более чем 15 миллиардами точки данных? Я знаю свой ответ после того, как стал свидетелем того, как многие системы, созданные внутри компании, не достигают заявленных целей при затратах, в 3–5 раз превышающих затраты на аутсорсинг специалистам.

Самый простой способ для компаний проверить себя — запустить Proof-Of-Concept (POC) с установленной платформой искусственного интеллекта и машинного обучения. Это точка входа в воду цифровой трансформации с низким уровнем риска, которая может быстро привести к снижению операционных расходов, экономии времени и практическому устранению человеческих ошибок. Это недорогой способ нанять нового второго пилота.

И снижение количества ошибок важнее, чем когда-либо. Учитывая влияние коронавируса на глобальные рынки и цепочки поставок, наличие прогнозов, точно соответствующих фактическим будущим ценам, имеет решающее значение для переговоров о покупке. Насколько я понимаю, даже лучшие аналитики, нанятые для составления прогнозов с использованием данных о компаниях и рынках в любой конкретной отрасли, имеют процент ошибок в своих прогнозах на 20–30 процентов ниже фактической цены, когда наступает прогнозируемое время. Благодаря искусственному интеллекту этот уровень ошибок снизился до 3–10%, и это лучшее прогнозирование, чем когда-либо прежде в истории человечества. Вот как это работает:

Одним из примеров использования платформы Complete Intelligence в действии является крупная нефтехимическая компания, которая хотела улучшить свои возможности прогнозирования сырья и нефтепродуктов. Они поручили Complete Intelligence изучить девять категорий продуктов: сырая нефть, бензин, дизельное топливо, природный газ и GTL. CI предоставил ежемесячные средние прогнозы по категориям с очень низкими отклонениями от фактических результатов, порядка 3% или менее. Глобальная когнитивная система компании охватывает более 1400 отраслевых секторов, а также десятки экономических показателей и сотни индексов валют, товаров и фондовых рынков. Они охватывают более 100 стран для широкого глобального охвата и полного охвата рынка. GCS может включать и интегрировать клиентские корпоративные данные, а также проводить узконаправленный анализ.

Время искусственного интеллекта пришло

ИИ внедряется как часть умной цифровой трансформации, ориентированной на ключевые факторы стоимости, обмен контрактами и краткосрочные/долгосрочные закупки. Самое приятное то, что тестирование, начало работы и получение быстрых результатов обходится недорого за счет разумного инвестирования в людей, процессы и технологии.

Сами по себе данные не новы, но существуют способы их более быстрой и точной обработки. Имея больше доступных данных, чем когда-либо, вам нужны лучшие инструменты, которые теперь есть у людей по другую сторону ваших уравнений.

Итак, какой путь выберет ваша организация? Я здесь, чтобы помочь, если вы хотите изучить уже готовый опыт. Спасибо за возможность помочь. Со мной можно связаться по адресу [email protected].

Подробнее о платформе Complete Intelligence здесь.