La llegada de la cadena de suministro "autónoma"

La era de los automóviles y camiones autónomos está casi sobre nosotros. ¿Qué pasa con las cadenas de suministro autónomas?

En las últimas décadas, la tecnología se ha insinuado en todos los aspectos de la gestión de la cadena de suministro. Sin embargo, hasta ahora, se requería la presencia de un ser humano para tomar decisiones clave sobre producción y distribución.

Ese es especialmente el caso cuando se trata de la gestión de riesgos, una disciplina que se ha vuelto esencial para la supervivencia de las organizaciones globales de hoy en día. Los gerentes de la cadena de suministro deben sopesar la probabilidad de que ocurran posibles interrupciones, ya sean desastres naturales como inundaciones, tsunamis y volcanes, o eventos causados ​​por humanos como acciones laborales y ataques terroristas, y tomar las medidas adecuadas. Se ha considerado que tal determinación está más allá de la capacidad de las máquinas.

Hasta ahora. La inteligencia artificial, con su capacidad para analizar cantidades masivas de datos y detectar patrones que son invisibles para el ojo humano, está desempeñando un papel cada vez más importante en la previsión y la gestión de riesgos. Pronto llegará el día en que las máquinas tengan una mejor visión del futuro que los humanos que las construyeron.

Las innovaciones más prometedoras en A.I. en la actualidad están teniendo lugar en productos farmacéuticos y productos de consumo envasados, según Fred Laluyaux, director ejecutivo de Aera Technology, Inc. Están bajo la mayor presión de Amazon para transformar radicalmente la forma en que atienden a los clientes.

“Un cliente me lo describió de manera elocuente”, recuerda Lalulaux. "Dijeron:'Somos los próximos en irnos si no cambiamos'".

Para los comerciantes tradicionales, el desafío radica en proteger sus marcas en un momento en que los consumidores están más interesados ​​en el precio, la conveniencia y la velocidad. Gracias a Amazon, dice Laluyaux, ir a una tienda se está volviendo "irrelevante". Para igualar las capacidades del gigante del comercio electrónico, los vendedores deben aumentar la eficiencia en cada etapa de sus cadenas de suministro. Y eso incluye hacer un mejor trabajo en la gestión de riesgos.

Gran parte de los avances en A.I. están ocurriendo en el área de análisis predictivo. Los fabricantes se ven obligados a acelerar el proceso de llevar el producto a los compradores. Al mismo tiempo, la disponibilidad de "big data", si bien presenta una imagen mucho más amplia del mercado, está inundando a los planificadores con información. Sin la ayuda de sistemas automatizados para interpretar esa entrada, no pueden distinguir "señal" de "ruido".

Las empresas ya no pueden arreglárselas con planes de promoción anuales y ciclos de planificación de operaciones y ventas (S&OP) de seis meses. Las condiciones en el mercado, en particular, los gustos de los consumidores inconstantes, cambian demasiado rápido para eso. "Tienes que llegar al siguiente nivel de rendimiento", dice Laluyaux. "Ese [grado de] automatización te lleva a donde los humanos no pueden seguir".

El objetivo final, aunque escurridizo, es un sistema que responda a las condiciones del mercado en tiempo real. La detección de demanda no es una disciplina nueva, pero durante mucho tiempo se ha visto obstaculizada por herramientas y procesos heredados que retrasan la acción necesaria. En su forma actual, la capacidad se extiende mucho más allá del acceso a las cifras de ventas para incluir elementos tales como envases "inteligentes".

Las entradas consisten en todo, desde datos de punto de venta (POS) hasta pronósticos meteorológicos, calificaciones de Nielsen, publicaciones en redes sociales e inteligencia competitiva. En el mundo farmacéutico, agregue actualizaciones sobre la aprobación gubernamental de nuevos medicamentos.

"La red es cada vez más ancha", dice Laluyaux, "y el grano es cada vez más fino".

Como sistema independiente, A.I. es de poco valor. Para ser eficaz, debe combinar distintos flujos de datos y distribuirse a través de múltiples funciones de la cadena de suministro. Supongamos que un minorista está experimentando un aumento del 2 por ciento en las ventas de un artículo en particular. Para satisfacer la demanda inesperada, debe poder identificar la fuente óptima para aumentar la producción, evaluar las capacidades de fabricación, revisar la lista de materiales y ajustar los niveles de inventario en consecuencia. Si los sistemas de transacciones no se "hablan" entre sí, ese proceso puede llevar días, demasiado tarde para que el comerciante aproveche una tendencia fugaz.

Además, la A.I. El sistema necesita combinar su tesoro de datos con los expertos humanos, quienes aún son responsables de tomar las decisiones finales sobre cuándo y dónde se debe enviar el producto.

Lalulaux describe el concepto de "banco de trabajo cognitivo", mediante el cual A.I. interpreta los datos y hace recomendaciones, que luego (en su mayor parte) son ejecutadas por expertos humanos. Pero esa es solo una fase de transición en el avance de la inteligencia artificial. La naturaleza del aprendizaje automático es que el sistema mejora con la experiencia a la hora de idear las acciones adecuadas que se deben tomar. En última instancia, debería poder tomar muchas de esas decisiones clave sin la necesidad de intervención humana. En ese momento, el análisis "predictivo" se vuelve "prescriptivo".

Estamos lejos del punto en el que la automatización se hace cargo por completo de los gerentes humanos. Si la progresión va de predictiva a prescriptiva a completamente autónoma, entonces muchas empresas permanecen estancadas entre las etapas uno y dos, dice Laluyaux. Las perspectivas de una cadena de suministro "autónoma" son razonablemente buenas; es solo la línea de tiempo lo que está en cuestión. Por ahora, es demasiado pronto para que los humanos piensen en quitar las manos del volante.