Возможности использования искусственного интеллекта при управлении цепями поставок

Цель. Оценить потенциал технологии генеративного искусственного интеллекта в контексте управления цепями поставок.

Задачи. Проанализировать, каким образом искусственный интеллект изменяет традиционные практики и структуры управления в области управления цепями поставок; определить фундаментальные сдвиги, вызванные ИИ, в том числе автоматизацию, принятие решений на основе данных и расширение человеческих возможностей; исследовать актуальные статистические данные об эффективности искусственного интеллекта в управленческих процессах и сделать вывод о потенциале, перспективности этой технологии в логистической сфере; предоставить стратегическое понимание и практические рекомендации для организаций, стремящихся имплементировать новые инструменты генеративного искусственного интеллекта.

Методология. Исследование сочетает в себе качественные и количественные методы для обеспечения более глубокого понимания рассмотренных проблем. На основе этих методов изучен массив актуальных статистических данных и экспертных оценок в сфере генеративного искусственного интеллекта.

Результаты. В условиях современного бизнеса цепочки поставок сталкиваются с рядом проблем: глобализацией, волатильностью рынка, изменяющимися ожиданиями клиентов и форс-мажорами (стихийными бедствиями, пандемиями или войнами). Чтобы справиться с этими вызовами и укрепить позиции на рынке, компании все чаще обращаются к новым технологиям и инновациям. Эти технологии способны кардинально изменить подход к управлению цепочками поставок, повышая прозрачность, эффективность и скорость реагирования. Все новые технологии, от искусственного интеллекта и блокчейна до интернета вещей (IoT) и робототехники, потенциально открывают возможности для оптимизации операций, улучшения процесса принятия решений и улучшения сотрудничества по цепочке поставок.

Выводы. В статье авторами показано, как искусственный интеллект изменяет традиционные структуры управления в области управления цепями поставок. Проанализированы актуальные статистические данные об эффективности искусственного интеллекта в управленческих процессах, сделан вывод о потенциале и перспективности данной технологии в логистической сфере. Сформированы стратегическое понимание и даны практические рекомендации для организаций, стремящихся имплементировать новые инструменты генеративного искусственного интеллекта.

1. Irfan I., Sumbal M.S.U.K., Khurshid F., Chan F.T.S. Toward a resilient supply chain model: Critical role of knowledge management and dynamic capabilities. Industrial Management & Data Systems. 2022;122(5):1153-1182. DOI: 10.1108/IMDS-06-2021-0356

2. Anantrasirichai N., Bull D. Artificial intelligence in the creative industries: A review. Artificial Intelligence Review. 2022;55(1):589-656. DOI: 10.1007/s10462-021-10039-7

3. Caliskan A., Bryson J.J., Narayanan A. Semantics derived automatically from language corpora contain human-like biases. Science. 2017;356(6334):183-186. DOI: 10.1126/science.aal4230

4. Henke N., Bughin J., Chui M., et al. The age of analytics: Competing in a data-driven world. McKinsey Global Institute. Dec. 07, 2016. URL: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-age-of-analytics-competing-in-a-data-driven-world (accessed on 20.05.2024).

5. Deeba K., Devi O.R., Al Ansari M.S., et al. Optimizing crop yield prediction in precision agriculture with hyperspectral imaging-unmixing and deep learning. International Journal of Advanced Computer Science and Applications (IJACSA). 2023;14(12):586-595. DOI: 10.14569/IJACSA.2023.0141261

6. Jackson I., Ivanov D., Dolgui A., Namdar J. Generative artificial intelligence in supply chain and operations management: A capability-based framework for analysis and implementation. International Journal of Production Research. 2024;62(17):6120-6145. DOI: 10.1080/00207543.2024.2309309

7. Shekhar A., Umar S., Abdul F., Wakjira W.D. Generative AI in supply chain management. International Journal on Recent and Innovation Trends in Computing and Communication. 2023;11(9):4179-4185. DOI: 10.17762/ijritcc.v11i9.9786

8. Altrad A., Pathmanathanet P.R., Al Moaiad Y., et al. Amazon in business to customers and overcoming obstacles. In: 2nd Int. conf. on smart computing and electronic enterprise (ICSCEE). (Cameron Highlands, June 15-17, 2021). New York, NY: IEEE; 2021:175-179. DOI: 10.1109/ICSCEE50312.2021.9498129

9. Nathan A., Grimberg J., Rhodes A. Gen AI: Too much spend, too little benefit? Global Macro Research. 2024;(129). URL: https://elements.visualcapitalist.com/wp-content/uploads/2024/07/1719926432649.pdf (accessed on 20.05.2024).

10. Eloundou T., Manning S., Mishkin P., Rock D. GPTs are GPTs: An early look at the labor market impact potential of large language models. 2023. DOI: 10.48550/arXiv.2303.10130

11. Svanberg M., Li W., Fleming M., Goehring B., Thompson N. Beyond AI exposure: Which tasks are cost-effective to automate with computer vision? SSRN Electronic Journal. 2024. DOI: 10.2139/ssrn.4700751

12. Brynjolfsson E., Li D., Raymond L.R. Generative AI at work. NBER Working Paper. 2023;(31161). DOI: 10.3386/w31161

13. Chui M., Hall B., Yee L., Singla A., Sukharevsky A. The state of AI in early 2024: Gen AI adoption spikes and starts to generate value. McKinsey Global Survey on AI. May 30, 2024. URL: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai (accessed on 25.05.2024).

14. Chui M., Hall B., Mayhew H., Singla A., Sukharevsky A. The state of AI in 2022 — and a half decade in review. McKinsey Global Survey on AI. Dec. 06, 2022. URL: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2022-and-a-halfdecade-in-review (accessed on 25.05.2024).