Yapay Zeka Dünya Çapındaki Perakendeciler İçin Tedarik Zinciri Otomasyonunu Nasıl Destekliyor?

Yapay zeka, büyük perakende kuruluşlarının tedarik zincirlerini yönetme ve optimize etme şekli açısından hayati önem taşıyor. Yapay zeka, mallardaki sezonluk talebi tahmin etmekten envanter siparişini otomatikleştirmeye kadar, tedarik zinciri yönetim sistemi satıcılarının müşterileri için yeni verimlilikler elde etmelerine yardımcı oluyor.

McKinsey, 2022’de işletmelerin yapay zekayla ilgili maliyet düşüşlerini rapor ettiği alanların başında tedarik zinciri yönetiminin geldiğini bildirdi. O zamanlar büyük ambalajlı tüketim ürünleri şirketleri stoklarında %20’lik bir azalma, tedarik zinciri maliyetlerinde %10’luk bir düşüş ve %4’e kadar gelir artışı gördü.

Tedarik zincirlerine yönelik yapay zeka ancak 2022’den beri gelişti ve üretken yapay zeka ile hızlanıyor. McKinsey’in daha yeni bir raporu, tedarik zinciri yönetiminin, işletmelerin yapay zekaya yapılan yatırımlar nedeniyle en çok %5’ten fazla anlamlı gelir artışı rapor ettiği fonksiyon olduğunu ortaya çıkardı.

Makine öğrenimi, tedarik zincirlerini optimize etme konusunda zorlu bir iş başardı

Tedarik zinciri yönetimi ve planlama yazılımı sağlayıcısı RELEX Solutions ürün stratejisinden sorumlu başkan yardımcısı Laurence Brenig-Jones, TechRepublic’e makine öğreniminin “sayıları belirleyen” gücünün bugüne kadar tedarik zincirlerinde kullanılan baskın yapay zeka teknolojisi gücü olduğunu söyledi.

“Sanırım doğruluk ve otomasyonda büyük bir gelişme görüyoruz. [from machine learning capabilities] Bu, ürün bulunabilirliği, işletme sermayesinde azalma ve eğer bakkalsanız bozulma veya israfta azalma konusunda çok önemli faydalara yol açabilir” dedi.

Tedarik zincirlerinde makine öğreniminin kullanıldığı çeşitli kullanım durumları vardır.

Talep tahmini

Tedarik zinciri yönetiminde ürün talebini tahmin etmek çok önemlidir. Brenig-Jones, bunun “inanılmaz derecede zor” olduğunu çünkü bunun, belirli bir yerde, belirli bir günde veya günün belirli bir saatinde, genellikle tüm operasyon boyunca 180 gün veya daha fazla süre öncesinden belirli bir ürüne yönelik talebi tahmin etmeyi gerektirebileceğini söyledi.

Son beş yılda bu görev için daha önce kullanılan zaman serisi algoritmalarının yerini makine öğrenimi algoritmaları aldı. ERP tedarikçisi Oracle’a göre yapay zeka artık tahmin için satış hatları gibi dahili verileri ve pazar eğilimleri, ekonomik görünümler ve sezonluk satışlar gibi harici sinyalleri kullanabiliyor.

Otomatik envanter

Talep tahmini, kuruluşların envanter siparişini optimize etmesine ve otomatikleştirmesine yardımcı olur. Bu, talebi karşılamak için yeterli stokun mevcut olmasını sağlamayı içerse de perakendecilerin aşırı işletme sermayesi ile çok fazla stok, gıda bozulması veya kapasite ihlalleri gibi diğer faktörleri de dengelemesi gerekir.

Brenig-Jones, makine öğrenimi yoluyla geçmişten öğrenme becerisine sahip birçok optimizasyon algoritmasının bu karmaşık sorunu çözebileceğini ve ilgili tüm faktörleri dengeleyerek kuruluşun tedarik zincirine yönelik talebi verimli bir şekilde karşılayabileceğini söyledi.

Lojistik optimizasyonu

Makine öğrenimi aynı zamanda lojistik ağlara da yerleştirilmiştir. Oracle’a göre lojistik şirketleri, malların daha zamanında teslimatını sağlamak için “bileşenlerin tedarik zinciri boyunca hareket ettiği teslimat rotalarını optimize eden ve yöneten modelleri eğitmek” için makine öğrenimi algoritmalarını kullanıyor.

BAKIN: Tedarik zincirindeki iş fırsatları otomasyon ve inovasyon eksikliğine işaret ediyor

Bir örnekte, kurye şirketi UPS, sürücülere ABD, Kanada ve Avrupa’da 66.000’den fazla yolda teslimat ve teslim alma için en verimli rotayı göstermek üzere yola entegre dinamik optimizasyon ve navigasyon platformu ORION’u kullanıyor ve önemli ölçüde kilometre ve yakıt tasarrufu sağlıyor yıllık maliyetler.

Üretken yapay zekanın tedarik zinciri yönetiminde artan rolü

Uzmanlar, üretken yapay zekanın tedarik zinciri yönetimi ve planlamasında giderek daha önemli hale geleceğine inanıyor. Doğal dil sorguları sayesinde, gelecekte üretken yapay zekanın rolünün artması muhtemeldir.

Daha zengin doğal dil etkileşimleri

Perakendeciler gelecekte tedarik zincirleri ve perakende planlama verileriyle muhtemelen çok daha zengin ve daha analitik doğal dil etkileşimlerine sahip olacaklar. Bu, tedarik zinciri planları, geçmişte neler olduğu veya daha iyisini yapma fırsatlarının olduğu yerler hakkında sorular sormayı içerebilir.

“Şunu sorabilirsiniz: ‘Geçen hafta stokların tükenmesinin en önemli beş nedeni nelerdi?’ Ve size şunu söyleyebilir: ‘Birincisi, mağazalarınızdaki, özellikle de bu mağazalardaki envanter doğruluğunun zayıf olmasıydı. Brenig-Jones, ikinci olarak büyük bir tedarik arızası yaşadınız ve bu durum satışlarınız üzerinde bu etkiye neden oldu’ dedi.

İleriye dönük öneriler

Tedarik zinciri yönetimi platformlarındaki üretken yapay zeka, doğal dil etkileşimleri yoluyla büyük perakendecilere ileriye dönük öneriler sunabilir. Örneğin bir platform, bir kuruluşa her şeyin hedeflerine ulaşacak şekilde ayarlandığından emin olmak için gelecek hafta ne yapması gerektiği konusunda tavsiyelerde bulunabilir.

BAKIN: Splunk, Avustralyalı kuruluşları Yüksek Lisans derecelerini güvence altına almaya çağırıyor

“Şöyle diyebilir: Yapılandırmanızın bu bölümünü değiştirmenizi veya gidip bu tedarikçiyle konuşmanızı öneririz çünkü geçen sefer ne olduğuna dair anlayışımıza göre bir risk var.’ Dolayısıyla ileriye dönük olacak ve doğal dil formatında etkileşime girecek” dedi Brenig-Jones.

Yapay zeka ‘süper kullanıcısı’ olmak

Üretken yapay zekanın tanıtılmasındaki bir sonraki aşama ve RELEX’in kendi platformunda takip ettiği bir şey, yapay zekayı bir “süper kullanıcı”ya dönüştürmektir. “Sistemin nasıl yapılandırıldığı konusunda gerçek ustalar” olan sistem kullanıcıları gibi yapay zeka da kendi kendine uyarlanabilir hale gelebilir ve kuruluşların zaman içinde sistemlerini geliştirmelerine yardımcı olabilir.

Brenig-Jones şöyle açıkladı: “Gördüklerime dayanarak çözümünüz için daha iyi bir yapılandırma buldum” diyor. “Böylece çözümün hareket halindeyken kendi kendini uyarlaması için bu tür bir yeteneğe sahip olursunuz. İlerlediğimiz yön bu ve bunun onlar için de en iyi şekilde nasıl işe yarayacağını anlamak için müşterilerimizle birlikte çalışıyoruz.”