00:00:03 サプライチェーンにおけるAI。
00:01:02 実用的なAIに対するJoannes Vermorelの見解。
00:02:40 より正確な予測におけるAIの潜在能力。
00:04:07 実践におけるAI:自動車部品の互換性の解決。
00:06:33 サプライチェーンのエッジケースの処理におけるAIの役割。
00:08:01 システムのエッジケースの検出におけるAIの潜在能力。
00:09:59 サプライチェーン予測へのAIの適用。
00:11:42 AIの実装における人間の監視の必要性。
00:14:27 仕事の恐怖によるAIの採用への抵抗。
00:16:00 小売業における在庫の二重の役割。
00:17:33 正確な在庫需要の決定におけるAIの役割。
00:18:39 サプライチェーンとマーケティングの役割へのAIの影響。
00:19:32 AIの実装の課題。
要約
議論は、サプライチェーン管理におけるAIの応用に焦点を当てています。Lokadの創設者であるVermorelは、AIが単なる統計的な問題を超えた複雑な課題や従来手動で処理されていたエッジケースを管理するための潜在能力を強調しています。仕事の喪失への恐怖が広まっている中でも、彼はAIがしばしば退屈なタスクを取り除き、仕事の質を向上させることを主張しています。ただし、AIの破壊的な性質が内部の対立を引き起こす可能性があることを認めており、AIによる在庫最適化がマーケティングやサプライチェーンの責任に影響を与えている例を引用しています。Vermorelは、ソフトウェアの導入ではなく、こうした組織の変化がAIの企業への採用を遅らせる要因となる可能性があると示唆し、時間の経過とともにビジネスの標準が大きく変わる兆候を示しています。
詳細な要約
議論は、サプライチェーン管理における人工知能(AI)のトピックに焦点を当て、潜在的な利点と影響を強調しています。ホストのKieran Chandlerは、AIが最近のテック業界のバズワードであると主張し、これによりゲストのJoannes Vermorelは、AIがサプライチェーンの運用に統合されるタイミングについて考え込みます。
Vermorelは、ChandlerのAIがバズワードであるという発言に同意し、本当の専門家は滅多に「人工知能」という用語を使用しないと提案します。彼は、AIがバズワードであるとしても、AIの傘の下で進行している重要な開発を無視するものではないと強調します。彼は、強化された数学的手法、ますます利用可能なデータの量、および増大する処理能力の3つの主要な要素を挙げています。
Vermorelは、これらの進歩がサプライチェーン管理におけるより正確な予測につながる可能性があると述べています。しかし、彼はサプライチェーン業界固有の課題のため、完全な統合までのタイムラインは不明確であり、おそらく数十年にわたると主張しています。
Chandlerが、高度な統計手法やディープラーニングの技術が改善された予測以外のサプライチェーン管理にもたらす潜在的な利点についての明確化を求めると、VermorelはAIの影響は多面的であると主張します。彼は、AIの革命は、黒と白しか知らなかった状態から色を経験するようなものであり、単に解像度が向上するだけでなく、新しい視点や次元を明らかにすることでもあると説明します。
彼はさらに、サプライチェーン管理におけるAIの最も重要な利点は、最初から統計的な問題としては見えない領域から生まれるかもしれないと強調します。Vermorelは、AIの真の価値が光を放つ可能性があると提案しています。
彼のポイントを具体化するために、VermorelはサプライチェーンにおけるAIの明らかでない応用例の一つである自動車部品の互換性の例を挙げています。彼は、ヨーロッパだけでも数百万のユニークな部品と数十万のユニークな車両を考慮に入れると、自動車部品の互換性のデータベースを維持することの困難さを説明しています。
Vermorelは、彼のチームがこの問題に対処するために機械学習(AIの一部)を利用した方法について説明します。彼らのアルゴリズムは、データベース内の不正確な互換性の主張や欠落した互換性を98%の精度で特定することを示しました。この事例は、典型的な統計的な問題を超えたサプライチェーン内の複雑な問題を解決するためのAIの潜在能力を強調しています。
Vermorelは、サプライチェーンの複雑さが標準のカタログや既製のソリューションを超えることについての議論を開始します。彼は、ほとんどのサプライチェーンの課題は通常とは異なる状況で見つかると強調します。彼は、これらのエッジケースは、Excelなどのツールを広範に使用して手動で修正や異常を修正する大規模なチームによって頻繁に対処されると主張します。この骨の折れるプロセスは必要ですが、AIが大きな利益をもたらす可能性のある領域を示しています。
議論は、AIがこれらのエッジケースを検出および管理する上で提供する可能性に移ります。Vermorelは、AIがサプライチェーン管理で遅延や誤った在庫切れなどの問題を軽減する可能性があると示します。ただし、このAIソリューションは、SiriやCortanaのような馴染みのある音声操作システムとは異なるかもしれません。Vermorelは、単一の多機能AIではなく、サプライチェーンの特定の側面を処理するために設計された高度に特化したAIの一連のマイクロユースケースを想像しています。
Vermorelは、AIの予測能力についてもコメントしています。彼は、需要予測以外にも、AIが遅延や品質の問題などのサプライヤーの問題について確率的な予測を提供できると述べています。彼は、AIが顧客の返品を予測することができると述べており、特にファッションEコマースの文脈では非常に重要な要素です。AIの予測能力は、プロセスに固有の多くの不確実性を最適化するために重要な役割を果たす可能性があります。
その後、ChandlerとVermorelは、このようなシステムを導入するために必要なAIの専門知識のレベルについて議論します。問題は、企業がAIの利点を活用するためにAIの専門家を必要とするかどうかです。
Vermorelは、オペレーションのAI要素を外部に委託することで、企業がAIの専門家チームを維持する必要がなくなると考えています。彼は、サプライチェーン最適化を専門とするLokadのような企業にAIのニーズを委任できると提案しています。
Vermorelは、企業内でのAIの導入における主要な障壁の一つとして、現状の破壊による内部の対立を指摘しています。AIの導入による雇用の損失の恐れも議論の中で取り上げられます。ただし、Vermorelは、このような恐れは妥当である一方で、しばしば誤解されると考えています。彼は、AIがスプレッドシートの管理などの退屈で単純なタスクを置き換える傾向があると述べており、「これまでで最悪の仕事」と呼んでいます。この種の自動化は、従業員がより意義のある業務に集中できるようにするため、反感を生むのではなく、解放することができます。
それでも、Vermorelは、AIの導入が企業内での不和を引き起こす可能性があることを認めていますが、この対立は従業員間ではなく企業レベルで現れると述べています。彼は、小売業の例を挙げてこれを説明しています。小売店の在庫は、顧客の要求を満たすことと、顧客に魅力的な店舗を提供することの2つの機能を果たしています。ここで、AIは両方の目的を達成するために必要な最適な在庫を決定することができます。
企業内のどの部門が在庫の各機能のコストを負担すべきかを決定する際に問題が発生します。サプライチェーンは、顧客の要求を満たすための在庫コストを自然にカバーします。しかし、店舗を魅力的にするための在庫のコスト(Vermorelがテレビ広告などのマーケティング費用に等しいと考えている)は、論理的にはマーケティングの範疇に含まれるべきです。AIの精度によって駆動されるこの割り当ては、特にマーケティングディレクターが突然大きな予期しない費用の負担を抱えることになった場合、重大な紛争につながる可能性があります。
Vermorelは、AIの採用を妨げるのは仕事の喪失への恐怖ではなく、まさにこのような問題が企業内でAIの採用を鈍化させると提案しています。ソフトウェアの展開自体は比較的迅速に行われるかもしれませんが、それによって促される組織の変化にははるかに時間がかかるかもしれません。Vermorelは、AIの実装によって促される運用の基準と責任の再評価が、今後数年間の企業にとって主な課題となると考えています。
フルトランスクリプト
キーラン・チャンドラー: 今日は、人工知能について話します。これは、技術の世界でのバズワードとなっているトピックです。今日は、そのバズワードを超えて、その応用とサプライチェーンにおける役割に焦点を当てます。今日も再びジョアネス・ヴェルモレルが参加してくれて、今日のディスカッションを手伝ってくれます。ジョアネス、再び参加してくれてありがとう。
ジョアネス・ヴェルモレル: こんにちは、キーラン。
キーラン・チャンドラー: では、この分野の専門家の意見を聞くと、人工知能は2050年までに世界の仕事の半分を置き換えると主張しています。しかし、一般的なサプライチェーンを見ると、まだまだエクセルシートによって非常に人間中心に管理されています。では、人工知能はいつサプライチェーン業界に導入されるのでしょうか?ここではどのような時間枠を考えていますか?
ジョアネス・ヴェルモレル: それは非常に興味深い質問ですね。人工知能はバズワードであることに同意します。そして、人工知能について話すときに「人工知能」という用語を使用するかどうかで、その人が何を話しているのかを認識できるかどうかがわかります。最も能力のある人々は、しばしばその用語を使用しません。しかし、バズワードであるからといって、何も中身がないわけではありません。では、その中身は何でしょうか?私たちは、より良い数学的手法、より多くのデータ、そして処理能力という3つの要素を持っています。これらのデータをより良い数学的手法で変換し、サプライチェーンではより正確な予測などの結果に翻訳するための方法が必要です。タイミングに関しては、サプライチェーンの世界には多くの具体的なアングルが存在し、タイミングはかなり曖昧です。数十年かかるでしょう。
キーラン・チャンドラー: では、用語に関する懸念を置いておいて、人工知能は基本的には非常に高度な深層学習技術を指すと言えるでしょう。これらの高度な統計的手法から、サプライチェーンの実践者は何を期待できるでしょうか?おそらくより良い予測が期待できるかもしれませんが、それ以上のことはありますか?
ジョアネス・ヴェルモレル: はい、それ以上のことがあります。人工知能のこの波が来る前の予測の問題の1つは、より良い予測の実際の例があまりなかったことです。定義上、より正確な予測はより良い予測ですが、それだけが唯一の方法でしょうか?人工知能は、それがそうではないことを示唆する他の例を提供します。まるで私たちが白黒で何かを見ていたようで、今では色が出てきたようなものです。単なる解像度の向上だけでなく、別の次元です。サプライチェーンにとって、最大の利益は、統計的な問題に全く似ていない問題から得られると私は信じています。そこが人工知能が本当に輝く場所です。
キーラン・チャンドラー: つまり、表面上は統計的な問題には見えない問題があり、実際には何らかの予測として使用できるようになり、AI技術を利用することが可能になるということですね。もう少し詳しく説明していただけますか?
ジョアネス・ヴェルモレル: 昨年、私は自動車産業における車両部品の互換性という非常に興味深い問題に取り組む機会を得ました。
キーラン・チャンドラー: 基本的には修理が必要な車両があり、それらの車両には部品が必要です。ヨーロッパ市場の問題を具体的に説明すると、数百万種類の異なる部品があります。ヨーロッパにはたった3億人しかいないと考えると、少し狂っていると思います。さらに、10万以上の異なる車両が存在します。車両と部品の互換性のデータベースを確立することに特化した、小規模ながらも完全な産業が存在します。これらの企業が行っていることは、どの車両がどの部品と互換性があるかをリスト化することです。
ジョアネス・ヴェルモレル: 実際には、これらのデータベースは何百万行ものデータから成り立っており、数百人の人々が生涯を捧げてこのデータベースを維持しています。機械学習に特化した私のチームであるLokadでは、実際の環境でこのアルゴリズムをテストし、データベースが主張する互換性を98%の正確さで検出することに成功しました。このアルゴリズムは、欠落している互換性を検出する際にも98%の正確さを示しました。つまり、実際にはあなたの車両に取り付けることができる部品が存在するかもしれませんが、それを誰も知らないのです。なぜなら、これほど多くの車両と部品を追跡するのは非常に難しいからです。
キーラン・チャンドラー: 車両の部品が自分の車両と互換性があるかどうかを人工知能で判断するのは、少し過剰な気がします。それには単純なカタログや市販の基本的な解決策があると思っていました。しかし、一般的な供給チェーンについてはどうでしょうか?人工知能はそれにどのように役立つのでしょうか?
ジョアネス・ヴェルモレル: 私が示したいポイントは、供給チェーンにおけるほとんどの課題は実際には例外事例にあるということです。これらの例外事例は通常うまくいくが、例外が発生することもあります。これらの例外は自己解決しません。これらの例外事例を解決するためには、多くの人々が必要です。実際には、Excelシートを微調整するために人々が集まっています。供給チェーンにおけるこれらの例外事例に対処するために多くの人々がExcelシートを編集していることから、供給チェーンにおけるこれらの例外事例に対処するためには、人工知能が解決策となる可能性が高いです。彼らは時間を無駄にしているわけではありません。彼らは、主要なERPシステムに適合しないこれらの例外事例に対処しています。これらを管理するためにExcelに戻る必要があります。したがって、実際には、多くの人々がMicrosoft Excelを使用して多くの例外事例に手動で対処している場合、これはおそらく人工知能で解決できる状況です。
キーラン・チャンドラー: ですから、AIがこれらの例外事例を検出することは素晴らしいアイデアのように思えます。これにより、Lokadで見られる問題のいくつかを解決するのに大いに役立つでしょう。遅延や在庫切れなどが生じることがあります。しかし、実際には、それはどのようなものになるのでしょうか?オペレーターの耳に話しかけるような、SiriやCortanaのようなものでしょうか?
ジョアネス・ヴェルモレル: 突然、あなたの電話が「左を見て、問題があります」と言うのは純粋なSFです。CortanaやSiriのような現在のAIシステムは、実際には非常に特化したマイクロユースケースの連続です。たとえば、CortanaやSiriを実装した人々はピザを注文するための特別なユースケースを持っています。彼らは、世界中のほとんどどこでもピザを注文できるようにするために、多くのコードを構築しています。
キーラン・チャンドラー: 世界中で成功するピザの配達を実現することは実際にはかなりの挑戦です。それは非常に具体的なユースケースに関連しています。これらのAIアシスタントは、よく統合されたユースケースの集合体にすぎません。供給チェーンにおいても同様です。不確実性のあるすべての領域について予測を得ることになります。将来の需要だけが供給チェーンにおいて不確実なものではありません。リードタイムなど、他にも多くの要素があります。サプライヤーの信頼性は完全ではありません。彼らの信頼性がどの程度のものかは明確ではありません。
ジョアネス・ヴェルモレル: まったくその通りで、ここでAIが役立つのです。人工知能は、サプライヤーが引き起こす可能性のある問題について非常に正確な確率予測を提供することができます。遅延だけではありません。たとえば、サプライヤーが注文した商品を時間通りに納品するかもしれませんが、倉庫に到着し、検査を行うと品質の問題があるかもしれません。
ですので、遅延だけでなく、受け取ったものの品質についても重要です。たとえば、ファッションのEコマースプラットフォームの場合、顧客に製品を販売し、時にはファッションのせいで気に入らないと返品されることがあります。ですので、あらかじめ誰がどれくらいの人数が商品を返品するかを知ることは、サプライチェーンの最適化に非常に役立ちます。
予測する将来の需要ほど重要ではないかもしれませんが、不確実性に直面する多くの領域があります。私は、AIに基づくこれらの将来の技術がサプライチェーン管理に大きく貢献すると考えています。
キーラン・チャンドラー: 次に、人間の監督の側面に移りましょう。これらのAI技術は単独では機能しないでしょう。このようなプロジェクトを実現するためには、実際にどれくらいのAIの専門知識が必要になるのでしょうか?Googleのような大企業は、多数のAI専門家を雇うためのリソースを持っているかもしれませんが、私たちのような他の企業はどうでしょうか?たとえば、ファッションのEコマース企業は、技術に関してはかなり先を行っているかもしれませんが、AIの専門家を抱えているわけではありません。実際の世界でこれがどのように機能すると考えていますか?
ジョアネス・ヴェルモレル: まず第一に、私が知っている最高のファッションのEコマース企業は、AIの専門家を抱えていますが、それは例外です。質問に答えるために、サプライチェーンを管理するサプライチェーン企業、またはサプライチェーンを管理する必要のある企業は、必ずしもAIの専門家を必要としません。彼らには他の何かが必要であり、後でそれについて話します。
AIのコンポーネントは、Lokadのような企業に完全にアウトソースすることができます。AIに関する懸念がある場合は、Lokadのクライアントになり、AIのコンポーネントを私たちにアウトソースするだけです。それはかなりスケーラブルな戦略です。
ただし、スケーリングできない要素に取り組んでみましょう。これがタイミングの要素が登場する場所です。私は、AIの問題は企業をより合理的にすることを強制し、曖昧さを取り除き、現状に疑問を投げかけることを強制すると考えています。それが私が量的サプライチェーンについて議論している内容です。何かを最適化するためには、まず測定を確立する必要があります。これは現状に直接疑問を投げかけることになるため、これは挑戦的なことです。それが、サプライチェーンにおけるAI技術の真の課題だと私は考えています。
キーラン・チャンドラー: 企業は現状を変えてAIを改善し活用するという課題に直面しています。これは内部の論争を引き起こす可能性があります。これがどのように展開されるかを探求するのは興味深いです。AIを現実的な見通しと見なす企業も存在する一方で、これらのインテリジェントシステムによって仕事が置き換えられる可能性のある従業員に対する同情もあります。いつテレビでAIプレゼンターが登場するようになるのでしょうか?冗談はさておき、このことが技術の採用を阻害または遅延させる可能性があるのではないかと心配しています。Lokadでは、多くのクライアントがいます。新しい人工知能モデルを導入した場合、お客様との連携はどのようになると考えていますか?
ジョアネス・ヴェルモレル: それは良いポイントですね。その懸念は正当ですが、実際に起こることに対する人々の期待は通常間違っています。もし報道を読むと、すべての仕事が置き換えられ、人々が反対するだろうと思うでしょう。しかし、サプライチェーンではそうではありません。なぜなら、置き換えられる仕事は正直言ってあまり素晴らしくありません。Excelシートの編集に一日8時間を費やすことを想像してみてください。それは魅力的な仕事ではありません。人々は通常、そのタスクを自動化できると非常に喜んでいます。そして、より意味のある、Excelとの煩雑な作業が少ない仕事のより報酬のあるバージョンを行うことができます。しかし、これは論争がないということではありません。ただし、これらの論争は完全に異なるレベルで発生します - 企業レベルでの論争です。
たとえば、さまざまな店舗を持つ小売ネットワークを考えてみましょう。問題は、各店舗の在庫についてです。表面上では、店舗内のすべての商品は顧客に販売するためだけに存在すると思われるかもしれません。しかし、それは完全に真実ではありません。店舗内の在庫は2つの目的を果たしています。1つ目は、顧客が店舗に入り、欲しい商品を見つけて購入することです。2つ目の目的は、顧客が何かを購入するように誘引されるほど店舗が魅力的になることです。したがって、在庫は二重の役割を果たします。
キーラン・チャンドラー: 今日議論している問題は、なぜ店舗が商品でいっぱいなのかということです。それはまるでソビエト連邦の店舗のように半分空っぽに見えることを恐れているかのようです。これは顧客にとって望ましいイメージではありません。
ジョアネス・ヴェルモレル: まったくその通りです。小売業の人々はこれに気づいています。これが本質的にマーチャンダイジングの役割です。さて、人工知能がどのような貢献をもたらすか考えてみましょう。AIは非常に正確であり、必要ないと思っていなかった答えを提供することができます。まず、お客様に必要な在庫の単位数を正確に教えてくれます。さらに、店舗を顧客に魅力的にするために必要な在庫の量を計算することもできます。
キーラン・チャンドラー: では、企業レベルで考えると、これら2種類の在庫は誰が支払うのでしょうか?
ジョアネス・ヴェルモレル: まあ、サプライチェーンは自然に顧客のために必要な在庫を支払います。しかし、店舗を魅力的にするためだけにある追加の在庫については、それは本質的にマーケティング費用です。それはテレビ広告の支払いに似ています - 直接的には製品を販売しませんが、関心を引き起こします。したがって、AIを小売チェーンに統合すると、サプライチェーンとマーケティングの境界線が曖昧になります。これは誰にとっても挑戦的なことかもしれません、特にマーケティングディレクターは、予算の大部分が在庫に割り当てられることに突然直面するかもしれません。
キーラン・チャンドラー: この変化は会社内でいくつかの内部的な対立を引き起こす可能性があるようですね。
ジョアネス・ヴェルモレル: はい、特に以前の予算編成に慣れていた人々から抵抗があるかもしれません。彼らは「いいえ、サプライチェーンの人々、それを保ってください。私は予算の一部としてテレビ広告だけで十分でした」と言うかもしれません。しかし、今では認識が変わっています。在庫はマーケティングの一部と見なされるようになっています。これは重要な変化ですが、AIソフトウェアの導入は迅速に行うことができますが、これらの変化に理解し、適応するには数十年かかるかもしれません。
キーラン・チャンドラー: なるほど、それは洞察に富んだ視点ですね。さて、今日はこれで時間がなくなってしまいました。興味深いディスカッションをしてくれてありがとう、ジョアネス。幅広い話題になりました - 人工知能からソビエト連邦の店舗について話し合うことになりました。こういうことが起こるんですね。さて、お時間いただきありがとうございました、ジョアネス。
ジョアネス・ヴェルモレル: ありがとう、キーラン。
キーラン・チャンドラー: 私たちのディスカッションが人工知能に関する一般的な誤解を解消するのに役立ったことを願っています。これまでのビデオに寄せられた素晴らしいフィードバックとご視聴ありがとうございました。私たちはすぐに戻ってきますが、それまでさようなら。