Yapay zeka ile tedarik zinciri şoklarını önleme: 82 trilyon wonluk ($62 milyar) fırsat

• COVID-19 pandemisi, küresel tedarik zincirlerinin ne kadar kırılgan olduğunu gösterdi
• Mobilya sektöründe pandeminin ilk döneminde satışlar rekor kırsa da, konteyner kıtlığı, hammadde eksikliği ve kritik parçaların teslimindeki gecikmeler nedeniyle son dönemde birçok şirket iflas etti
• En büyük tedarik zinciri krizi geride kalmış olsa da, artık belli ölçüde kopukluk ve karmaşa gündelik hale geldi
• Tedarik zinciri aksaklıkları nedeniyle son birkaç yılda yaklaşık $1.6 trilyon zarar oluştuğu tahmin ediliyor
• 10 yıllık tedarik zinciri aksaklığı verilerine bakıldığında, şirketlerin ortalama olarak bir yıllık kârlarının yaklaşık yarısını kaybedebildiği görülüyor

Tedarik zinciri karmaşasının 3 nedeni

1. Yapılandırılmamış veriye dayanan iletişim araçları

   • E-posta, mesaj ve taranmış belgeler gibi yapılandırılmamış veriler önemli bilgiler içerir; ancak bunları sistematik olarak çıkarmak ve analiz etmek zor olduğu için tedarikçilerle iletişim karmaşık hale gelir
   • Örnek: Tesla, çip kıtlığına dair bilgilerin e-postalarda gözden kaçması nedeniyle üretim gecikmesi yaşadı ve 2021'in 3. çeyreğinde 190 bin araçlık üretim aksaması meydana geldi

2. Eski ve eşit dağılmamış biçimde benimsenmiş EDI sistemleri

   • EDI, 1960'larda kullanıma giren, iş belgeleri için bir dosya değişim sistemi olup 1990'larda büyük üreticiler tarafından yaygın biçimde benimsendi
   • Örnek: La-Z-Boy gibi büyük şirketler, EDI üzerinden denizaşırı tedarikçilere 50 bin deri koltuk siparişi talebi gönderiyor ve satın alma ekipleri teklif fiyatlarını karşılaştırıyor
   • Buna karşılık KOBİ'ler için EDI'yi benimsemek zor olduğundan, denizaşırı tedarikçilerle birden çok kanal ve platform üzerinde günler süren pazarlıklar yürütmekte zorlanıyorlar

3. Çok sayıda yazılım yönetim sistemi kullanımının yarattığı veri siloları

   • ERP, WMS, TMS gibi birçok yazılımın birlikte kullanılması, uçtan uca tedarik zinciri görünürlüğünü engelleyen veri siloları oluşturuyor
   • Örnek: Unilever'de ERP ile WMS arasındaki iletişim eksikliği nedeniyle envanter tutarsızlıkları oluştu; bunun sonucunda 2022'de dünya genelinde stok tükenmeleri %23, fazla stok ise %17 arttı

Yapay zeka ile mümkün olan $62 milyarlık pazar fırsatı

• Gartner'a göre tedarik zinciri yönetimi yazılımı için yıllık harcama, 2023'teki $29 milyardan 2028'de $62 milyara yükselecek ve %16.3 CAGR ile büyüyecek
• Doğru konumlanmış, yenilikçi ve hızlı hareket eden yapay zeka girişimleri bu pazarı ele geçirebilir
• Yapay zeka; görsel, sayısal ve metin verilerini sınıflandırabilir ve karmaşık senaryoları yüksek doğrulukla modelleyebilir
• Örnek: Bilgisayarlı görü sistemleri, montaj hattındaki ürünleri denetleyerek kusurları insanlardan daha tutarlı biçimde tespit edebilir
• Makine öğrenimi algoritmaları, geçmiş satın alma kalıplarından siyasi çalkantılara, çalışma koşullarından hava durumuna kadar her şeyi analiz ederek talebi benzeri görülmemiş bir doğrulukla tahmin edebilir

Yapay zeka benimsemesi için en umut verici 3 alan

1. Satın alma (Procurement): Şirket faaliyetleri için gerekli ürünlerin tedarik edilmesi ve güvence altına alınması
2. Tedarikçi istihbaratı (Supplier Intelligence): Tedarikçi ilişkilerini değerlendirmek ve optimize etmek için veri toplama
3. Talep planlama (Demand Planning): En uygun arz için gelecekteki müşteri talebini tahmin etme

Satın alma otomasyonu neden en uygun alan

• Satın alma; hammaddelerin istikrarlı tedariki, tedarikçilerle ilişkilerin sürdürülmesi ve marjların iyileştirilmesi açısından kritik önemdedir
• Tonkean gibi girişimler, sözleşme yenileme veya fatura işleme gibi satın alma süreçlerinin önemli bir bölümünü otomatikleştiriyor
• RPA, giriş süreçlerini kural tabanlı olarak otomatikleştirir; ancak yapılandırılmamış verileri işleyemez
• Didero, Lighthouz AI, Soff gibi yapay zeka girişimleri, e-posta ve PDF'lerin içine gömülü içgörüleri çıkarıyor
• Pulse AI, tedarik zinciri sorularına yanıt vermek için yapılandırılmamış veriler üzerinde arama yapan bir arama motoru geliştiriyor
• Mandel AI, tedarikçi teslim süreleri ve fiyat değişimleri olduğunda ERP'yi otomatik güncelleyen bir tedarik zinciri ajanı geliştiriyor

Yapay zeka ile tedarikçi istihbaratı nasıl güçlendirilir

• En iyi tedarikçileri bulmak için uyumluluk gereksinimleri, fiyat teklifleri, pazar değişimleri ve daha fazlasının birlikte değerlendirilmesi gerekir
• Ayrıca çok sayıda tedarikçiye sahip olmak, COVID-19 veya Rusya-Ukrayna savaşı gibi şoklara karşı tedarik zinciri dayanıklılığını artırır
• Yapay zeka, basit bir arama kutusunun ötesine geçerek akıllı tedarikçi haritalama ve eşleştirme olanağı sağlar
• Altana, bu alanın önde gelen oyuncularından biri; tedarik zincirinin farklı katmanlarını kapsayan akıllı bir değer zinciri oluşturdu ve belirli tedarikçiler hakkında sorgular için bir LLM asistanı sunuyor
• Keelvar, Fairmarkit gibi şirketler de satın alma ekiplerinin tedarikçileri daha kolay bulmasını sağlayan yapay zeka tabanlı platformlar sunuyor
• Son dönemde Kipo AI, Terra gibi yeni oyuncular da şirketlerle tedarikçileri eşleştiren platformlar geliştiriyor

Talep planlama geçmiş verinin ötesine geçiyor

• Arz ve talepteki değişimleri öngörmek, tedarik zinciri aksaklıklarının tüketiciyi etkilemesini önleyebilir
• Geleneksel planlama yazılımları tahmin için çoğunlukla geçmiş verilere dayanır; ancak hızla değişen pazar ve jeopolitik koşullarda bu yetersiz kalabilir
• Yapay zeka, hem geçmiş verileri hem de mevcut pazar eğilimlerini dikkate alarak planlama yeteneğini geliştirebilir
• Araştırmalara göre yapay zeka, aykırı değerleri belirleyip bunları ilgili olarak sınıflandırarak pandemi dönemindeki tuvalet kağıdı stoklama gibi "panik alımı" vakalarını tespit edebilir
• McKinsey'e göre otonom tedarik zinciri planlaması, geliri %4'e kadar artırabilir ve maliyetleri %10'a kadar azaltabilir
• Ikigai, patentli büyük ölçekli grafik modeller kullanarak ayrı veri kaynaklarını birbirine bağlayıp tahminler ve senaryolar üretiyor
• Spherecast gibi girişimler de çok kanallı yönetim ve farklı ayrıntı düzeylerinde talep tahmini üretme motorları geliştirerek planlama alanına giriyor

Yapay zeka ile tedarik zincirini dönüştürmek

• Tedarik zinciri alanında yapay zeka girişimleri için iki çekici unsur var: silo haline gelmiş yazılım yönetim sistemleri ve devasa miktarda yapılandırılmamış veri
• Satın alma, tedarikçi istihbaratı ya da talep planlama fark etmeksizin, yapay zekanın önümüzdeki yıllarda tedarik zincirini hem sarsması hem de güçlendirmesi bekleniyor

GN⁺ görüşü

• Tedarik zinciri yönetimi yazılımlarına yapay zeka teknolojilerini entegre eden çok sayıda girişim ortaya çıkıyor. Bu durum, yapay zekadaki ilerlemeyle birlikte, kopuk ve verimsiz kalan geleneksel tedarik zinciri yönetimi yaklaşımını dönüştürmek için yeni bir fırsat sunuyor
• Özellikle satın alma, tedarikçi istihbaratı ve talep planlama alanlarında yapay zeka teknolojilerinin mevcut süreçleri otomatikleştirme ve optimize etmede büyük katkı sağlaması bekleniyor. Çünkü yapılandırılmamış veri işleme ve karmaşık senaryo modelleme, yapay zekanın güçlü yönleri arasında yer alıyor
• Bununla birlikte tedarik zinciri, son derece karmaşık ve çok çeşitli paydaşların iç içe geçtiği bir alan olduğundan, yapay zeka benimsenirken veri kalitesi yönetimi, algoritmik önyargının önlenmesi ve insan-yapay zeka iş birliği yapısının kurulması gibi konular dikkatle ele alınmalı
• Her şeyden önemlisi, yapay zeka yalnızca karar vermeyi destekleyen bir araçtır; nihai sorumluluk hâlâ insandadır. Yapay zekanın sunduğu içgörüleri körü körüne takip etmektense, uzman deneyimi ve içgörüsüne dayalı dengeli kararlar almak önemlidir
• Özetle yapay zeka teknolojisi, tedarik zinciri yönetimindeki verimsizlikleri çözebilen ve optimizasyon sağlayabilen bir oyun değiştirici olabilir; ancak teknolojiye körü körüne inanmak yerine, iş hedefleriyle uyumlu stratejik kullanım gerektirir

[colus001]

Yapay zeka ile bunu tam olarak nasıl hayata geçireceklerini söylüyorlar acaba? Hm.. pek katılamıyorum. Tedarik zinciri fiziksel, somut ve politik bir mesele; bunu yazılımla düzeltebileceklerini söylemeleri biraz tuhaf geliyor.