Como a IA impulsiona a automação da cadeia de suprimentos para varejistas em todo o mundo

A inteligência artificial está a tornar-se crucial para a forma como as grandes organizações retalhistas gerem e otimizam as cadeias de abastecimento. Desde a previsão da procura sazonal de bens até à automatização da encomenda de inventário, a IA está a ajudar os fornecedores de sistemas de gestão da cadeia de abastecimento a obter novas eficiências para os seus clientes.

Em 2022, a McKinsey informou que a gestão da cadeia de abastecimento foi a principal área onde as empresas relataram reduções de custos relacionadas com a IA. Na altura, as grandes empresas de bens de consumo embalados registaram uma redução de 20% nos inventários, uma diminuição de 10% nos custos da cadeia de abastecimento e aumentos de receitas de até 4%.

A IA para cadeias de abastecimento só melhorou desde 2022 e está a acelerar com a IA generativa. Um relatório mais recente da McKinsey descobriu que a gestão da cadeia de abastecimento era a função em que as empresas reportavam com mais frequência aumentos significativos de receitas de mais de 5% devido a investimentos em IA.

O aprendizado de máquina fez o trabalho pesado de otimizar as cadeias de suprimentos

Laurence Brenig-Jones, vice-presidente de estratégia de produto do fornecedor de software de gerenciamento e planejamento da cadeia de suprimentos RELEX Solutions, disse à TechRepublic que o poder de “processamento de números” do aprendizado de máquina tem sido a força dominante da tecnologia de IA usada nas cadeias de suprimentos até o momento.

“Acho que o que estamos vendo é que há uma enorme melhoria na precisão e na automação (a partir dos recursos de aprendizado de máquina) que pode levar a benefícios muito significativos na disponibilidade do produto, na redução do capital de giro e, se você for um dono de mercearia, então uma redução em deterioração ou desperdício”, disse ele.

Existem vários casos de uso para os quais o aprendizado de máquina foi implantado nas cadeias de abastecimento.

Previsão de demanda

Prever a demanda do produto é fundamental no gerenciamento da cadeia de suprimentos. Brenig-Jones disse que isto é “incrivelmente difícil” porque pode envolver a previsão da procura de um produto específico, num local específico, num dia ou hora do dia específicos – muitas vezes com até 180 dias ou mais de antecedência em toda uma operação.

Nos últimos cinco anos, algoritmos de aprendizado de máquina substituíram algoritmos de série temporal usados ​​anteriormente para esta tarefa. De acordo com o fornecedor de ERP Oracle, a IA agora pode usar dados internos, como pipelines de vendas, e sinais externos, como tendências de mercado, perspectivas econômicas e vendas sazonais, para previsões.

Inventário automatizado

A previsão de demanda ajuda as organizações a otimizar e automatizar os pedidos de estoque. Embora isto inclua garantir a disponibilidade de stocks suficientes para satisfazer a procura, os retalhistas também devem equilibrar outros factores, tais como capital de giro excessivo com demasiados stocks, deterioração de alimentos ou quebras de capacidade.

Brenig-Jones disse que muitos algoritmos de otimização, com a sua capacidade de aprender com o passado através da aprendizagem automática, podem resolver este problema complexo e satisfazer eficientemente a procura da cadeia de abastecimento da organização, equilibrando todos os factores envolvidos.

Otimização logística

O aprendizado de máquina também está incorporado nas redes logísticas. De acordo com a Oracle, as empresas de logística usam algoritmos de aprendizado de máquina para “treinar modelos que otimizam e gerenciam as rotas de entrega pelas quais os componentes se movem ao longo da cadeia de abastecimento”, garantindo entregas de mercadorias mais oportunas.

VEJO: Vagas de emprego na cadeia de suprimentos apontam para falta de automação e inovação

Em um exemplo, a empresa de courier UPS usa sua plataforma dinâmica de otimização e navegação rodoviária integrada, ORION, para mostrar aos motoristas a rota mais eficiente para entregas e coletas em mais de 66.000 estradas nos EUA, Canadá e Europa, economizando quilometragem e combustível significativos. custos anualmente.

O papel crescente da IA ​​generativa na gestão da cadeia de abastecimento

Os especialistas acreditam que a IA generativa se tornará cada vez mais importante na gestão e planeamento da cadeia de abastecimento. Através de consultas em linguagem natural, o futuro provavelmente verá um papel ampliado para a IA generativa.

Interações mais ricas em linguagem natural

Os varejistas provavelmente terão interações em linguagem natural muito mais ricas e analíticas com sua cadeia de suprimentos e dados de planejamento de varejo no futuro. Isto pode envolver fazer perguntas sobre os planos da cadeia de abastecimento, o que aconteceu no passado ou onde existem oportunidades para fazer melhor.

“Você poderia perguntar: ‘Quais foram meus cinco principais motivos para a falta de estoque na semana passada?’ E poderia lhe dizer: ‘O número um era a baixa precisão do estoque em suas lojas, e nessas lojas em particular. O número dois foi que você teve uma grande falha no fornecimento e isso causou esse impacto nas suas vendas”, disse Brenig-Jones.

Recomendações prospectivas

A IA generativa em plataformas de gestão da cadeia de abastecimento poderia oferecer recomendações prospectivas para grandes retalhistas através de interações em linguagem natural. Por exemplo, uma plataforma poderia aconselhar uma organização sobre o que fazer na próxima semana para garantir que tudo esteja preparado para atingir as suas metas.

VEJO: Splunk incentiva organizações australianas a protegerem LLMs

“Poderia dizer: Recomendamos que você altere esta parte da sua configuração, ou recomendamos que você vá falar com este fornecedor porque há um risco baseado em nossa compreensão do que aconteceu da última vez”. Portanto, seria voltado para o futuro e interagindo em um formato de linguagem natural”, disse Brenig-Jones.

Tornando-se um ‘superusuário’ de IA

Uma outra fase na introdução da IA ​​generativa, e algo que a RELEX está a perseguir dentro da sua plataforma, é transformar a IA num “superutilizador”. Tal como os utilizadores do sistema que são “verdadeiros gurus na forma como o sistema é configurado”, a IA poderia tornar-se auto-adaptável, ajudando as organizações a melhorar os seus sistemas ao longo do tempo.

“Ele diria: ‘Eu criei uma configuração melhor para sua solução com base no que estou vendo’”, explicou Brenig-Jones. “Então, você adquiriria esse tipo de capacidade para obter a solução de autoadaptação em trânsito. Essa é a direção que estamos tomando e estamos trabalhando com nossos clientes para entender como isso funcionaria melhor para eles também.”