Planiranje potražnje zasnovano na AI

***Autor: Boban Mladenovski, menadžer za transport, Tesco, [Boban.Mladenovski@tesco.com](mailto:Boban.Mladenovski@tesco.com)*** Upravljanje lancem snabdevanja (SCM) jedno je od najizazovnijih područja koje naglašava interakciju između različitih sektora, prvenstveno marketinga, logistike i proizvodnje. Stoga uspeh lanca snabdevanja leži u ukupnom uspehu svakog poslovanja pojedinačno. No, uz stalne promene u poslovnim praksama, poput klasičnog menadžmenta i filozofije, biti tačno na vreme u proizvodnji i logistici, globalizacija, negativni događaji, česte prirodne katastrofe, politička nestabilnost, SCM uvek treba razviti odgovarajuće rešenje za ublažavanje takvih izazova. Poslednjih godina, tehnologije poput veštačke inteligencije (AI) pokazale su se neizmerno vrednima za SCM. Predviđanje/planiranje potražnje zasnovano na kompjuterskim rešenjima nije novost. Zasniva se na nizu dizajniranih algoritama koji gledaju na različite skupove podataka kao što su podaci o isporuci, podaci o životnom ciklusu proizvoda, obrazac narudžbine, podaci o proizvodnji za predviđanje tekom određenog vremenskog perioda. **Oblasti stvaranja vrednosti uz pomoć veštačke inteligencije** Sistem koji koristi veštačku inteligenciju poznaje najbolje moguće kombinacije algoritama i sistema podataka i njihovom obradom daje tačnu prognozu. Još važnije, AI pomaže kompanijama: a) da dobiju gotovo 100% tačnu proekciju i predvide potražnju kupaca; b) da optimizuju svoje istraživanje i razvoj, dakle, povećaju proizvodnju uz niže troškove i veći kvalitet; c) u promociji, identifikaciji ciljanih kupaca, demografiji, definisanju cene i osmišljavanju prave poruke itd; d) da pruže bolje iskustvo svojim kupcima. Ova četiri područja stvaranja vrednosti izuzetno su važna za sticanje konkurentske prednosti. **Usklađivanje ponude i potražnje** Organizacije uvek žele da uravnoteže ponudu i potražnju. Stoga je potreban bolji lanac snabdevanja i predviđanje proizvodnje. Budući da veštačka inteligencija može obraditi, analizirati (automatski) i što je još važnije, predvideti podatke, ona pruža tačnu i pouzdanu prognozu potražnje, omogućujući kompanijama da optimizuju izvore u smislu nabavke i obrade narudžbine, čime se smanjuju troškovi povezani s transportom, skladištenjem i administracijom. Kompanije koriste ovaj alat na nekoliko načina, kao što je skladištenje samo određene količine (tačno koliko svake nezavisne jedinice/proizvoda) određenih proizvoda koje će prodati kako bi smanjili otpad. Isto tako, sa ispravnim prodajnim trendovima, mogu naručiti popularnije proizvode ili proizvode koji će uskoro postati popularni. Budući da su te prognoze potražnje toliko tačne, ne gube prodaju zbog nedostupnosti proizvoda. U Ujedinjenom Kraljevstvu, platforma DeepMind, koju je razvio Google, naširoko se koristi već nekoliko godina, a koja tačno predviđa najbolje varijacije ponude i potražnje čak i uzimajući u obzir promenjive egzogene inpute povezane s vremenskim uslovima. Pristupi mašinskog učenja ne uključuju samo istorijske podatke o prodaji i postavke lanca snabdevanja, već se oslanjaju i na podatke gotovo u stvarnom vremenu o promenama, kao što su reklamne kampanje, cene i lokalne vremenske prognoze. **Robotika u pogonu** Proces automatizacije je napravio veliki korak zahvaljujući tehnologijama veštačke inteligencije. Robotika, kao jedna od naprednih grana veštačke inteligencije, preuzela je centralnu ulogu u proizvodnji. Napredak u tehnologijama prepoznavanja objekata i semantičke segmentacije menja ponašanje robota, posebno u kontekstu načina na koji prepoznaju svojstva materijala i objekata s kojima su u interakciji. Novi roboti opremljeni kamerom AI čak su istrenirani da prepoznaju prazan prostor na policama. To dovodi do dramatične prednosti u brzini u odnosu na konvencionalne metode skupljanja proizvoda. Logistički roboti poboljšani AI, takođe, mogu da integrišu smetnje u svoje rutine kretanja putem mehanizma za učenje dinamike bez nadzora. Ova sposobnost dovodi do preciznijih promena i opšteg poboljšana robusnosti procesa. Kolaborativni roboti mogu povećati produktivnost do 20 posto. Današnje poslovanje sve više ide u smeru zadovoljenja svakog kupca, da se oseća posebno i dobrodošlo, što nije lak zadatak. To je pre bilo teško i skupo i često rezervisano samo za najprofitabilnije kupce. Tehnologije veštačke inteligencije, poput kompjuterske vizije i mašinskog učenja, potpuno su promenile ovu praksu. Veštačka inteligencija omogućuje maloprodajnim i proizvodnim kompanijama donošenje pametnijih odluka, uz tačnije predviđanje u stvarnom vremenu, poboljšanje upravljanja nabavkom, definisanje uticajnih tematskih promocija i optimizaciju asortimana i cena. AI, takođe, čini operacije efikasnijim, s robotikom i optimizacijom procesa koji poboljšavaju produktivnost i smanjuju troškove ručnog rada. Primena interaktivnih robota u skladištu i trgovini dobro je poznata. Napredak je omogućen instaliranjem močnijih kompjutera, novih algoritamskih modela i velikih skupova podataka za obuku. Oblast kompjuterskog vida, prepoznavanja objekata i semantičke segmentacije, odnosno mogućnosti kategorizacije tipa objekta, kao što je razlikovanje alata od komponente, značajno je napredovalo i znatno povećalo svoje performanse. Omogućuju robotima da se ponašaju primereno kontekstu u kojem deluju, na primer prepoznavanjem svojstava materijala i predmeta s kojima su u interakciji. Oni su fleksibilni i autonomni i sposobni za sigurnu interakciju sa stvarnim svetom i ljudima. Veštačka inteligencija, takođe, može biti od velike pomoći trgovcima na malo da povećaju broj kupaca i prosečni iznos koji potroše stvaranjem ličnih i praktičnih iskustava kupovine. Trgovci na malo mogu saznati više o tome šta njihovi kupci žele, čak i pre njih samih. To omogućuje i predviđa veštačka inteligencija obradom obrazaca i količine podataka, tj. prethodne transakcije, vremenske prognoze, trendova društvenih medija, obrazaca kupovine, istorije pregledavanja, analiza izraza lica, sezonskih obrazaca kupovine itd. Tehnologije veštačke inteligencije pomažu trgovcima na malo da predvide buduću izvedbu trgovine kada proširuju svoj asortiman, čime optimizuju svoj skladišni prostor i lokaciju. Pomaže i razvija prilike za poboljšanje efikasnosti asortimana, koristeći geoprostorno i statističko modeliranje, predviđa i minimizuje zalihe. Tehnološki napredak u mobilnom računarstvu, veštačke neuronske mreže, robotika, online pohranjivanje masivnih podataka, mašinsko učenje zasnovana na oblaku i algoritmi za obradu informacija, podstakli su upotrebu veštačke inteligencije u različitim poslovnim sektorima. Mnoge kompanije koriste AI u glavnim delovima svog lanca vrednosti jer pruža značajne konkurentske prednosti. Što je najvažnije, tehnologije veštačke inteligencije doprinele su elimininaciji mnogih nivoa ručnih aktivnosti, na primer, u e-trgovini koja koristi veštačku inteligenciju za predviđanje trendova, optimizaciju cena za skladištenje i logistiku te personalizovanje promocija itd. Čak ide i korak dalje predviđajući narudžbine i isporuku robe, u nekim slučajevima i bez čekanja na potvrdu kupovine. Međutim, potrebne su mnoge promene kako bi se u potpunosti iskoristile prednosti veštačke inteligencije, što je još važnije, promene će naterati mnoge kompanije da usvoje nove strategije, tj. projektuju pogone, preoblikuju njihove stope proizvodnje i osmislie nove modele lanca snabdevanja. Takođe, kompanije moraju promeniti način poslovanja jer će doći do prelaza s ljudskih operatera na mašine i robote s veštačkom inteligencijom. Dobro je primetiti da se trend u globalnim industrijskim operacijama, koji pokreće veštačka inteligencija, eksponencijalno povećava, što sugeriše da je već postao prioritet za mnoge korporacije širom sveta.