00:00:03 ИИ в цепочках поставок.
00:01:02 Взгляд Joannes Vermorel на практический ИИ.
00:02:40 Потенциал ИИ в более точном прогнозировании.
00:04:07 ИИ на практике: решение проблемы совместимости автомобильных запчастей.
00:06:33 Роль ИИ в решении пограничных случаев в цепочках поставок.
00:08:01 Потенциал ИИ в обнаружении пограничных случаев системы.
00:09:59 Применение ИИ для прогнозирования в цепочках поставок.
00:11:42 Необходимость человеческого контроля при внедрении ИИ.
00:14:27 Сопротивление внедрению ИИ из-за страха потери рабочих мест.
00:16:00 Двойные функции запасов в розничной торговле.
00:17:33 ИИ при определении точных потребностей в запасах.
00:18:39 Влияние ИИ на функции цепочки поставок и маркетинга.
00:19:32 Проблемы внедрения ИИ.
Резюме
Обсуждение сосредоточено на применении ИИ в управлении цепями поставок. Vermorel, основатель компании Lokad, подчеркивает потенциал ИИ для решения сложных задач, выходящих за рамки простых статистических проблем, таких как совместимость автомобильных запчастей, и для управления пограничными случаями, которые традиционно решаются вручную. Несмотря на преобладающий страх перед потерей рабочих мест, он утверждает, что ИИ часто устраняет рутинные задачи, тем самым повышая качество работы. Однако он признает, что разрушительный характер ИИ может вызвать внутренние конфликты, как, например, ситуация, когда оптимизация запасов с помощью ИИ затрагивает обязанности маркетинга и управления цепями поставок. Vermorel считает, что такие организационные изменения, а не развертывание программного обеспечения, могут замедлить внедрение ИИ в компаниях, указывая на существенные изменения в бизнес-нормах со временем.
Расширенное резюме
Обсуждение сосредоточено на теме Искусственного интеллекта (ИИ) в управлении цепями поставок, с акцентом на потенциальные выгоды и последствия. Ведущий, Kieran Chandler, начинает разговор с утверждения, что ИИ — это недавний модный термин в технологической индустрии. Это побуждает гостя, Joannes Vermorel, задуматься о сроках интеграции ИИ в операции цепей поставок.
Vermorel соглашается с замечанием Чендлера относительно статуса ИИ как модного термина и утверждает, что настоящие эксперты в этой области редко используют термин «Искусственный интеллект». Он подчеркивает, что, несмотря на модность термина, это не отменяет значительных разработок, происходящих в рамках ИИ. Он называет три ключевых компонента: усовершенствованные математические методы, растущий объем доступных данных и увеличение вычислительной мощности.
Vermorel утверждает, что эти достижения могут привести к более точным прогнозам в управлении цепями поставок. Однако он настаивает на том, что сроки полной интеграции неясны и, вероятно, займут десятилетия из-за уникальных проблем отрасли.
Когда Чендлер просит разъяснений относительно потенциальных преимуществ, которые могут принести сложные статистические методы или техники глубокого обучения в управлении цепями поставок помимо улучшения прогнозов, Vermorel утверждает, что влияние ИИ многогранно. Он поясняет, что революция ИИ — это как видение цвета после пребывания в черно-белом мире; это не только повышение разрешения, но и открытие новых перспектив и измерений.
Он далее подчеркивает, что наиболее существенные выгоды от ИИ для управления цепями поставок могут возникнуть в областях, которые изначально не выглядят как статистические задачи. Эти скрытые возможности применения ИИ, как отмечает Vermorel, и являются истинной ценностью ИИ.
Чтобы проиллюстрировать свою точку зрения, Vermorel приводит пример неочевидного применения ИИ в цепочках поставок: совместимость автомобильных запчастей. Он описывает сложность ведения базы данных совместимости запчастей для автомобилей, что является огромной задачей, учитывая миллионы уникальных деталей и сотни тысяч различных автомобилей только в Европе.
Vermorel рассказывает, как его команда в Lokad использовала машинное обучение (подмножество ИИ) для решения этой проблемы. Их алгоритм продемонстрировал 98% точности в выявлении неверных заявлений о совместимости в базе данных, а также отсутствующих совместимостей. Этот пример подчеркивает потенциал ИИ в решении сложных задач в цепочках поставок, выходящих за рамки типичных статистических проблем.
Vermorel начинает разговор о том, как сложности цепей поставок выходят за рамки стандартных каталогов или готовых решений. Он подчеркивает, что большинство проблем в цепочках поставок встречаются в крайних, нестандартных случаях. По его словам, эти крайние случаи часто обрабатываются большими командами людей, которые вручную вносят изменения и исправляют аномалии с помощью таких инструментов, как Excel. Этот трудоемкий процесс, хотя и необходим, указывает на область, где ИИ может принести значительные преимущества.
Затем обсуждение переходит к возможностям, которые предоставляет ИИ в обнаружении и управлении этими крайними случаями. Vermorel показывает, что ИИ потенциально может смягчить некоторые проблемы, с которыми сталкивается управление цепями поставок, включая задержки и случайные дефициты товаров. Однако это решение на базе ИИ может не напоминать привычные голосовые системы, такие как Siri или Cortana. Вместо единого многофункционального ИИ, Vermorel представляет себе серию высоко специализированных микрожизненных сценариев ИИ, предназначенных для решения конкретных аспектов управления цепями поставок.
Vermorel также комментирует предсказательные возможности ИИ в управлении цепями поставок. Он отмечает, что помимо прогнозирования спроса, ИИ может также предоставлять вероятностный прогноз относительно проблем с поставщиками, таких как задержки или проблемы с качеством. Он упоминает, что ИИ может прогнозировать возвраты товаров покупателями, что особенно важно в контексте модной электронной коммерции. Эти предсказательные способности ИИ могут сыграть решающую роль в оптимизации операций цепей поставок, снижая множество присущих этому процессу неопределенностей.
Позже Чендлер и Vermorel обсуждают уровень экспертизы в области ИИ, необходимый для внедрения такой системы. Вопрос в том, нужны ли компаниям эксперты по ИИ для того, чтобы воспользоваться его преимуществами
в управлении цепями поставок. Vermorel считает, что элементы ИИ в операциях можно передать на аутсорсинг, что исключает необходимость для компаний иметь собственную команду специалистов по ИИ. Он предлагает, чтобы организации делегировали свои потребности в ИИ компании, такой как Lokad, которая специализируется на оптимизации цепей поставок.
Vermorel указывает на одну из основных преград для внедрения ИИ в компаниях — потенциальные внутренние конфликты, вызванные нарушением устоявшегося порядка. В обсуждении также поднимается страх потерять рабочие места при внедрении ИИ. Однако Vermorel считает, что хотя этот страх и имеет основания, он часто является ошибочным. Он утверждает, что ИИ склонен заменять рутинные, однообразные задачи, такие как управление электронными таблицами, которые он называет «худшей работой на свете». Вместо того чтобы вызывать недовольство, такой вид автоматизации может освободить сотрудников, позволяя им сосредоточиться на более значимых аспектах своей работы.
Тем не менее, Vermorel признает, что внедрение ИИ может привести к разногласиям внутри компании, однако эти конфликты проявятся на корпоративном уровне, а не среди рядовых сотрудников. Он иллюстрирует это на примере розничной торговли. Запасы в розничном магазине выполняют две функции: удовлетворение потребностей клиентов и придание магазину привлекательности для покупателей. Здесь ИИ может определить оптимальный уровень запасов, необходимый для выполнения обеих задач.
Проблема возникает при определении того, какой отдел в компании должен нести расходы, связанные с каждой функцией запасов. Управление цепями поставок, как правило, покрывает стоимость запасов для удовлетворения потребностей клиентов. Однако расходы на запасы, предназначенные для придания магазину привлекательности (которые Vermorel приравнивает к маркетинговым расходам, таким как телевизионная реклама), логически возлагаются на маркетинг. Такое распределение затрат, продиктованное точностью ИИ, может привести к серьезным спорам, особенно если, например, маркетинговые директора внезапно окажутся обременены крупными неожиданными расходами.
Vermorel предполагает, что именно такие проблемы замедлят внедрение ИИ в компаниях, а не страх потери рабочих мест. Хотя развертывание самого программного обеспечения может быть выполнено относительно быстро, организационные изменения, которые оно вызывает, могут занять гораздо больше времени. Он считает, что это пересмотр операционных норм и обязанностей, вызванный внедрением ИИ, станет главной проблемой для бизнеса в ближайшие годы.
Полная транскрипция
Kieran Chandler: Сегодня мы поговорим об искусственном интеллекте, теме, которая стала модным словом в мире технологий за последние несколько лет. Сегодня мы постараемся подняться выше этого ажиотажа и вместо этого сосредоточимся на его применении и том, что он может сделать для мира цепей поставок. Сегодня ко мне снова присоединяется Joannes Vermorel, который поможет мне в сегодняшнем обсуждении. Joannes, спасибо, что снова с нами.
Joannes Vermorel: Здравствуйте, Kieran.
Kieran Chandler: Если прислушаться к мнению некоторых экспертов в этой области, они утверждают, что искусственный интеллект заменит половину рабочих мест в мире к 2050 году. Однако если посмотреть на цепи поставок в целом, то они пока не дошли до этого. Они по-прежнему управляются с помощью таблиц Excel и осуществляются человеком. Так когда же, по вашему мнению, искусственный интеллект войдет в индустрию цепей поставок? О каком временном интервале идет речь?
Joannes Vermorel: Это очень интересный вопрос. Я согласен с вашим утверждением, что искусственный интеллект — это модный термин. И я даже считаю, что один из способов определить, разбирается ли кто-то в искусственном интеллекте, — это использовать ли он термин «искусственный интеллект» или нет. Самые компетентные люди часто его не используют. Но то, что это модное слово, не означает, что под ним ничего нет. Итак, что же у нас под ним? У нас есть примерно три вещи: лучшие математические методы, гораздо больше данных и вычислительная мощность. Вам нужен метод, который может преобразовать все эти данные с помощью лучших математических методов в более качественные результаты, что в цепочках поставок означает, например, более точные прогнозы. Что касается сроков, я считаю, что существует множество специфических аспектов в мире цепей поставок, которые необходимо учесть, и сроки довольно нечеткие. Это займет много времени, буквально десятилетия.
Kieran Chandler: Если отложить в сторону вопросы терминологии и сказать, что искусственный интеллект в основном относится к действительно продвинутым техникам глубокого обучения, чего могут ожидать специалисты по цепям поставок от этих продвинутых статистических методов? Они, вероятно, могут ожидать более точных прогнозов, но есть ли что-то еще, что они могут ожидать?
Joannes Vermorel: Да, есть еще многое. Одна из проблем прогнозирования до этой волны искусственного интеллекта заключалась в том, что у нас не было множества реальных примеров того, как может выглядеть лучший прогноз. По определению, более точный прогноз — это лучший прогноз, но является ли это единственным способом? Искусственный интеллект предоставляет другие примеры, которые показывают, что это не так. Это немного похоже на то, как если бы мы смотрели на что-то в черно-белом, а теперь видели в цвете. Речь идет не только о лучшем разрешении, но и о новом измерении. Для цепей поставок, я считаю, наибольшие выгоды возникнут от задач, которые вовсе не выглядят как статистические, и именно здесь искусственный интеллект действительно проявит себя.
Kieran Chandler: Итак, вы говорите, что существуют проблемы, которые на первый взгляд совсем не выглядят как статистические, но которые фактически могут быть использованы в качестве прогноза, чтобы сделать возможным использование технологий ИИ. Можете ли вы немного подробнее рассказать об этом?
Joannes Vermorel: В прошлом году у меня была возможность поработать над одной очень интересной задачей, а именно совместимостью автомобильных запчастей в автоиндустрии.
Kieran Chandler: В основном, у вас есть автомобили, которые нужно ремонтировать, и для этих автомобилей требуются запчасти. Чтобы дать представление о проблеме на европейском рынке, существует несколько миллионов различных запчастей. Это немного безумие, если учесть, что европейцев всего 300 миллионов. Более того, имеется свыше ста тысяч различных автомобилей. Существует целая индустрия, пусть и небольшая, которая конкурирует в одном направлении: создании базы данных совместимости между автомобилями и запчастями. Все, что делают эти компании, — это составляют список, какая запчасть совместима с каким автомобилем.
Joannes Vermorel: Действительно, эти базы данных состоят из миллионов строк и полностью поддерживаются вручную, буквально сотнями людей, посвящающих свою жизнь поддержке этой базы данных. Моя команда в Lokad, которая специализируется на машинном обучении, а не на самом искусственном интеллекте, смогла разработать алгоритм. Мы протестировали этот алгоритм в реальных условиях, и он достиг 98% точности в выявлении заявленной совместимости в базе данных. Алгоритм также продемонстрировал 98% точность в выявлении отсутствующих совместимостей, так что может быть деталь, которая на самом деле может быть установлена на ваш автомобиль, но вы или кто-либо еще о ней не знают, поскольку отслеживать такое количество автомобилей и запчастей довольно сложно.
Kieran Chandler: Использование искусственного интеллекта для определения, совместима ли автомобильная запчасть с моим автомобилем, кажется немного избыточным. Я бы подумал, что простой каталог мог бы решить эту задачу или использовалось бы базовое готовое решение. Но что насчет цепей поставок в целом? Что может сделать для них искусственный интеллект?
Joannes Vermorel: Суть, которую я хочу проиллюстрировать, заключается в том, что большинство проблем в цепочках поставок связано с крайними случаями. Это ситуации, которые обычно работают, но затем возникают исключения. Эти исключения не решаются сами собой. Для их решения нужны люди, и их очень много. В итоге получается, что целые армии людей правят Excel-таблицами, ведь по числу людей, правящих Excel-таблицами, можно судить о количестве случаев, с которыми приходится сталкиваться в цепочках поставок. Они не теряют время зря — они занимаются случаями, которые не вписываются в основную систему ERP. Им приходится возвращаться к Excel для управления ими. Так что, технически, когда вы видите, что люди вынуждены вручную разбираться с множеством крайних случаев, в которых обычно используется Microsoft Excel, это ситуация, которую, скорее всего, сможет решить искусственный интеллект.
Kieran Chandler: Итак, идея использования ИИ для обнаружения этих крайних случаев кажется отличной. Это, безусловно, поможет решить некоторые проблемы, которые мы наблюдаем здесь в Lokad, например, задержки и случайные дефициты запасов. Но как это будет выглядеть на практике? Будет ли это что-то вроде Siri или Cortana, голосового помощника, который подсказывает оператору, что и когда делать?
Joannes Vermorel: Идея о том, чтобы ваш телефон внезапно сказал: “look left, you have a problem” — чистая научная фантастика. Современные системы ИИ, такие как Cortana и Siri, представляют собой скорее набор сильно специализированных микро-приложений. Например, у разработчиков Cortana и Siri есть специальный сценарий для заказа пиццы. Они пишут огромное количество кода, чтобы сделать систему достаточно гибкой для работы практически во всех уголках мира, позволяя вам заказать пиццу.
Kieran Chandler: Доставка пиццы в любой точке мира на самом деле представляет собой довольно сложную задачу. Всё сводится к очень специфическим сценариям использования. Эти помощники ИИ — всего лишь совокупность хорошо интегрированных сценариев. Теперь, в цепочке поставок ситуация будет примерно такой же. Вы будете получать прогнозы для всех областей, где присутствует неопределённость. Будущий спрос — не единственное, что подвержено неопределенности в вашей цепочке поставок; существует множество других факторов, таких как, например, сроки поставки. Ваши поставщики не являются идеально надёжными. Неясно, насколько они надёжны или ненадёжны.
Joannes Vermorel: Абсолютно, и здесь ИИ может помочь. Искусственный интеллект способен обеспечить очень точный вероятностный прогноз проблем, которые могут возникнуть у ваших поставщиков. И дело не только в задержках. Возможно, ваш поставщик доставит заказанные вами товары вовремя, но когда они прибудут на ваш склад и вы их проверите, вы можете обнаружить проблему с качеством.
Таким образом, это не только про задержки, но и про качество полученного товара. Если вы, например, являетесь платформой модной электронной коммерции, то продаёте товары своим клиентам, и иногда, поскольку дело касается моды, им просто не нравится товар. Поэтому они его возвращают. Знание заранее о том, кто и сколько людей вернёт товары, чрезвычайно полезно для оптимизации вашей цепочки поставок.
Существует множество областей, где вы сталкиваетесь с неопределённостью, возможно, не настолько значительной, как прогноз будущего спроса, но всё же критически важной для решения. Я считаю, что будущие технологии на основе ИИ значительно повлияют на управление цепочками поставок.
Kieran Chandler: Перейдём к стороне человеческого надзора. Эти технологии ИИ не смогут работать самостоятельно. Насколько глубокой экспертизы в области ИИ на самом деле потребуется, чтобы подобный проект заработал? Крупные компании, такие как Google, могут позволить себе нанимать множество экспертов по ИИ, но как же быть остальным? Например, компании модной электронной коммерции обычно опережают технологические тренды, но в их рядах может не оказаться экспертов по ИИ. Как вы считаете, как это будет работать в реальном мире?
Joannes Vermorel: Прежде всего, лучшие компании модной электронной коммерции, которые мне известны, действительно имеют экспертов по ИИ в своих рядах, хотя это скорее исключение. Отвечая на ваш вопрос, я считаю, что компании, занимающиеся управлением цепочками поставок, не обязательно нуждаются в экспертах по ИИ. Им нужно нечто иное, и я вернусь к этому позже.
Компонент ИИ может быть полностью передан на аутсорсинг компании вроде Lokad. Если у вас возникают опасения по поводу ИИ, вы можете просто стать клиентом Lokad и передать нам аутсорсинг вашего компонента ИИ. Это стратегия, которая хорошо масштабируется.
Однако давайте обсудим те элементы, которые не масштабируются, и здесь на первый план выходит аспект времени. Я считаю, что проблема ИИ в том, что он заставляет компании становиться более рациональными. Он также побуждает их устранять неоднозначности и бросать вызов существующему положению вещей. Именно об этом я и пишу в своей книге о количественной оптимизации цепочки поставок. Если вы хотите что-либо оптимизировать, сначала необходимо установить измеримые показатели. Это сложно, потому что напрямую ставит под сомнение статус-кво. И это, я считаю, настоящая проблема технологий ИИ в цепочке поставок.
Kieran Chandler: Компании сталкиваются с задачей изменения статус-кво для улучшения и использования ИИ. Это потенциально может привести к внутренним разногласиям. Интересно наблюдать, как это будет развиваться. Кажется, что есть компании, которые рассматривают ИИ как реальную перспективу. Но при этом существует сочувствие к тем сотрудникам, чьи рабочие места могут быть заменены этими интеллектуальными системами. Сколько времени пройдёт, прежде чем у нас на телевидении появится ведущий ИИ? Шутки в сторону, возникает вопрос: не замедлит ли это внедрение технологий? Здесь, в Lokad, у нас много клиентов. Если мы внедрим новую модель искусственного интеллекта, как, по вашему мнению, она будет работать с вашими клиентами?
Joannes Vermorel: Это хороший вопрос. Опасения оправданы, но ожидания людей относительно будущего обычно ошибочны. Если читать прессу, можно подумать, что все эти рабочие места будут заменены, и люди воспримут это негативно. Однако в цепочке поставок всё обстоит иначе. Почему? Потому что те рабочие места, которые заменяются, откровенно говоря, не представляют особой ценности. Представьте, что вы посвящаете восемь часов в день редактированию Excel-таблиц — это не увлекательная работа. Люди обычно рады, когда эта задача автоматизируется. Тогда они могут заниматься более интересной работой, которая имеет смысл и не связана с утомительным редактированием Excel. Но это не означает, что конфликтов не будет. Такие разногласия, однако, будут происходить на совершенно другом уровне — на корпоративном.
Например, рассмотрим розничную сеть с различными магазинами. Вопрос в том — что делать с запасами в каждом магазине? На первый взгляд может показаться, что все товары в магазинах существуют исключительно для продажи покупателям. Но это не совсем так. Запасы в магазине выполняют две функции. Первая — когда покупатель заходит в магазин, находит нужный товар и делает покупку. Вторая — для того, чтобы магазин выглядел привлекательно и побуждал покупателя что-либо приобрести. Таким образом, запасы играют двойную роль.
Kieran Chandler: Проблема, которую мы обсуждаем сегодня, и есть причина, по которой магазины так переполнены товарами. Кажется, они боятся выглядеть полупустыми, как магазин в СССР. Это не самый желательный образ для покупателей.
Joannes Vermorel: Абсолютно, люди в ритейле это понимают. Именно об этом и идёт речь в мерчендайзинге. Теперь давайте рассмотрим, что может предложить искусственный интеллект. ИИ настолько точен, что способен дать ответы, о которых вы даже не подозревали. Во-первых, он может определить точно, сколько единиц товара вам нужно для обслуживания клиентов. Во-вторых, он может вычислить, сколько товара необходимо, чтобы магазин выглядел привлекательно для покупателей.
Kieran Chandler: Итак, если рассматривать это на корпоративном уровне, кто будет оплачивать эти два типа запасов?
Joannes Vermorel: Ну, цепочка поставок естественным образом оплачивает запасы, необходимые для обслуживания клиентов. Но дополнительные запасы, которые существуют исключительно для того, чтобы магазин выглядел привлекательно, по сути, являются маркетинговыми расходами. Это сродни оплате телевизионной рекламы — она не продаёт товары напрямую, а генерирует интерес. Таким образом, когда вы интегрируете ИИ в свою розничную сеть, граница между цепочкой поставок и маркетингом начинает стираться. Некоторым это может показаться сложным, особенно директору по маркетингу, который может внезапно обнаружить, что огромная часть бюджета выделена на запасы.
Kieran Chandler: Кажется, что это изменение может вызвать внутренние конфликты в компании.
Joannes Vermorel: Да, может возникнуть сопротивление, особенно со стороны тех, кто привык к прежним бюджетным договорённостям. Они могут сказать: “Нет, ребята из цепочки поставок, оставьте это. Мне и раньше хватало телевизионной рекламы в бюджете.” Но теперь восприятие меняется. Запасы становятся воспринимаемыми как часть маркетинга. Это фундаментальное изменение, и хотя внедрение программного обеспечения на базе ИИ возможно осуществить быстро, понимание и адаптация к этим изменениям могут занять десятилетия.
Kieran Chandler: Понятно, это достаточно проницательная точка зрения. Ну, боюсь, на сегодня всё. Спасибо за столь интересную беседу, Джоаннес. Мы обсудили широкий круг вопросов — начали с искусственного интеллекта и закончили разговором о магазинах в СССР. Вот так всё и бывает. Благодарю за ваше время, Джоаннес.
Joannes Vermorel: Спасибо, Киран.
Kieran Chandler: Надеюсь, наша беседа помогла развеять некоторые распространённые заблуждения об искусственном интеллекте. Спасибо, что были с нами и за отличные отзывы на наши видео. Мы скоро вернёмся, а до тех пор — до свидания.
