האם AI יחליף מנהלי לוגיסטיקה? העתיד של שילוב אדם-מכונה

הערכות רבות מצביעות על כך כי מקצועות רבים יוחלפו על ידי בינה מלאכותית. בחלק מאותן הערכות מככב גם מקצוע ניהול שרשרת האספקה. מאמר זה נועד להרגיע – בינה מלאכותית לא תחליף את מנהלי שרשרת האספקה.

במקום זאת, היא תהפוך תהליכי עבודה חוזרים ונשנים לאוטומטיים, תציף תובנות בקנה מידה גדול ותתמוך בקבלת החלטות מהירה יותר. פיקוח אסטרטגי, משא ומתן, הערכת סיכונים ושיקול דעת תפעולי הם עדיין תחומי אחריות אנושיים. בינה מלאכותית עשויה לשנות את גבולות האחריות הללו, אבל היא לא תבטל את הצורך בהם.

תפקידה הנוכחי של הבינה המלאכותית בניהול שרשראות אספקה

כיום, בינה מלאכותית משולבת כבר בשכבות המרכזיות של ביצועי שרשרת האספקה: למידת מכונה משמשת לחיזוי הביקוש, ולעתים קרובות היא יעילה יותר מביצועי לוגיקת ה-MRP הוותיקים, עיבוד שפה טבעית תומך בהתאמת חשבוניות, בדיקת חוזים וחילוץ מידע ממסמכים, וראייה ממוחשבת מאפשרת זיהוי פגמים בתהליכי עבודה של אבטחת איכות ומעקב אחר מלאי באמצעות מערכות זיהוי אוטומטיות.
בכל אחת מן הדוגמאות האלו, בינה מלאכותית אינה מטפלת בכל התהליך.

היא מטפלת בחלק ממנו, ולעתים קרובות מדובר בחלק מוגדר היטב, מבוסס כללים וחוזר על עצמו, שמטפל בפונקציות צרות (אבל ניהול שרשרת אספקה אינו צר כלל וכלל).

מה הן הטעויות בשיחות על "החלפה"?

הרעיון שבינה מלאכותית תשתלט על תפקידים שלמים נובע מאי הבנה של אופן הפעולה שלה בפועל. רוב מערכות הבינה המלאכותית אינן מקבלות החלטות אוטונומיות – הן משמשות ככלי לזיהוי תבניות. הן מאומנות על סמך נתוני עבר, מותאמות לתפוקה ספציפית ומוגבלות על ידי ההנחות המובנות במודלים שלהן.
לכן הן טובות במשימות עם פרמטרים מוגדרים בבירור – אבל החלטות בשרשרת האספקה ​​​​נמצאות לעתים קרובות ב"אזור האפור". ניהול מדדי ביצועים סותרים, אופן התגובה לשיבושים או התמצאות בפוליטיקה בין-מחלקתית אינם "ניתנים לתכנות".
למרות זאת, אנשים מבלבלים בין אוטומציה של משימה לביטול הצורך במשרה.

בפועל, אוטומציה נוטה להקצות מחדש את המאמץ. העבודה על גיליונות אלקטרוניים תבוטל בוודאי, אבל היא תוחלף בפיקוח, טיפול בחריגים, כוונון מערכות, ומעל לכל – בקבלת החלטות בתנאי אי ודאות. בינה מלאכותית לא מחליפה את המנהל, היא מקדמת אותו במעלה הזרם לטיפול בבעיות שמכונות אינן מסוגלות לפתור.

מה בינה מלאכותית אינה יכולה להחליף בניהול שרשראות אספקה?

מנהיגות וקבלת החלטות אסטרטגיות

החלטות אסטרטגיות בשרשרת האספקה אינן תמיד קשורות בבחירה באפשרות האופטימלית מבחינה מתמטית, אלא בהתאמת הפעולות לעדיפויות העסקיות, לסבילות לסיכונים ולתזמון.
תמיד יש יותר מתשובה נכונה אחת, ולעתים קרובות אף תשובה אינה מושלמת.

בינה מלאכותית יכולה לספר לכם מהיכן מגיעה עלייה חדה בביקוש, אבל היא אינה יכולה לקבוע אם עליכם לרדוף אחריה, להתגונן מפניה או להקצות מחדש קיבולת מוגבלת למקום אחר.
החלטות אלו תלויות באסטרטגיה המסחרית, בסיכון הכלכלי ואפילו בפוליטיקה הפנימית. בינה מלאכותית יכולה להציע עץ החלטות, אבל מנהלי העסק עדיין יצטרכו לבחור ענף ולקבל אחריות על החלטתם.

ניהול משא ומתן עם ספקים וניהול קשרים

קשרים עם ספקים הם ארוכי טווח, תלויי הקשר ולעתים קרובות פוליטיים.
בינה מלאכותית יכולה להעריך את שיעור האספקות שמגיעות בזמן או לסמן אי התאמה בתמחור, אבל היא אינה יכולה להשפיע על התנהגות או לפתור מחלוקות.
אף מודל לא יידע מתי ספק מרמה, ואף אלגוריתם לא ירגיש מתי שותף ותיק מוריד בשקט את העסק שלכם בסדרי העדיפויות שלו.
כלי בינה מלאכותית יכול להצביע על איחור באספקה, אבל הוא אינו יכול לבנות מחדש מערכת יחסים שניזוקה או להבטיח יחס מועדף במהלך מחסור.

ההיבטים האלו תלויים בשיחות ובמוניטין שטופחו במשך השנים.
השגת תנאים טובים יותר, טיפול בהסלמות או פיתוח משותף של תהליכים חדשים עם שותפים דורשים אנשים שמבינים מהם אמצעי הלחץ, קלפי המיקוח, הדקויות ואת הערך שיש לאמון.

ניהול היבטים אתיים והיבטי קיימות

שרשראות האספקה נמצאות יותר ויותר תחת בחינה לגבי מקורות הרכש שלהן, עם מי הן עובדות ואילו ערכים הן משקפות. בינה מלאכותית יכולה למדוד טביעות רגל פחמניות ולהצביע על הפרות של ספקים, אבל היא אינה נושאת באחריות אתית.
את ההחלטות הללו – עד כמה להרחיק לכת, מתי להביע עמדה, אילו פשרות יהיו מקובלות – יכולים לקבל בני אדם בלבד. בינה מלאכותית יכולה לסייע בניתוח, אבל הניהול נשאר אנושי, לפחות בעתיד הנראה לעין.

שיפוט בתרחישים בעלי סיכון גבוה

בינה מלאכותית תעבוד במיטבה בסביבות עם נתונים מובנים. משבר כמו שריפה במפעל, התקפת סייבר או איסור פתאומי על ייצוא מכניס לתמונה עמימות שבינה מלאכותית אינה מאומנת להתמודד עימה.
במהלך השיבושים, מנהלי שרשרת אספקה ​​פועלים לעתים קרובות על סמך נתונים לא שלמים, ומשקפים אותם לדרגים גבוהים יותר לפני שקיימת בהירות מלאה. קבלת החלטה שגויה עלולה להוביל להפסד כספי, נזק תדמיתי או אי ציות רגולטורי. מנהלים מציעים רמת שיקול דעת והתייחסות לסיכונים שמכונות עדיין לא יכולות לחקות.
בינה מלאכותית ממלאת תפקיד בזיהוי פגיעויות ובסימולציה של תרחישי שיבושים, אבל ההחלטות בפועל במהלך שיבושים אמיתיים עדיין תלויות במנהלים אנושיים מנוסים.

איך הבינה המלאכותית תשנה את משימות היום-יום של מנהלי שרשרת האספקה?

השינוי הגדול ביותר יתבטא במקומות שבהם מושקעים הזמן והאנרגיה. מנהלים יפסיקו לבזבז שעות על איחוד דוחות או על אימות ידני של תחזיות. במקום זאת, הם יבדקו את המידע שהמערכת מציעה ויחליטו מתי לעקוף אותו. תפקיד התכנון יתמקד פחות ביצירת התוכנית ויותר בבדיקתה תחת לחץ.
מומחי רכש לא יבזבזו זמן בעיבוד הזמנות רכש שגרתיות – הם יעריכו את הספקים שסומנו, יבדקו איתותים לגבי סיכונים ויקבלו החלטות לגבי מקרי קצה. עבודת הביצוע תקטן.
מנגד – עבודת הפיקוח תגדל. והפיקוח הזה ידרוש מיומנויות חדשות, כמו לדעת כיצד לפרש את הפלטים של הבינה המלאכותית, מתי לערער עליהם, וכיצד לשנות קלות את המערכת מבלי לפגוע בהיגיון שבבסיסה.

התפקידים החדשים שמתפתחים בניהול שרשרת האספקה ​​הודות לשילוב הבינה המלאכותית

במקביל להתפתחות המשרות הקיימות, אנחנו עדים לתפקידים חדשים לגמרי המתחילים לצוץ, ובמהירות. תפקיד האנליסטים של שרשרת האספקה ​​מוגדר מחדש לפיקוח על מודלים. הם אינם מסתפקים רק בפרשנות של מדדי הביצועים, עליהם להבין גם כיצד האלגוריתמים יוצרים אותם.
מנהלי התפעול בתחום הבינה המלאכותית אחראים על ניטור שינויים בביצועים, כוונון קלטי המודל והבטחת התאמה של התוצאות עם היעדים העסקיים. בחלק מהארגונים, ניתן כבר למצוא "מתרגמים" ייעודיים לשרשרת אספקה ​​בהפעלת בינה מלאכותית, שתפקידם לקשר בין הצוותים של מדעי הנתונים לבין בעלי התפקידים התפעוליים.
והמעניין הוא שאלה אינם תפקידים טכניים בלבד, הם דורשים הקשר תפעולי – הבנה של האילוצים, הפשרות והמציאות בשטח.

כיום, אין די במישהו שיכול לבנות מודל. המודל הזה צריך להיות שימושי למתכנן, לקניין או לרכז לוגיסטיקה שנמצא תחת לחץ. והשימושיות הזו תלויה בשאלה האם האדם שבונה אותו מבין כיצד מתקבלות החלטות באמת (ולא רק בתיאוריה).
פיתוח מיומנויות נועד ליצור סוג חדש של איש מקצוע היברידי – מישהו שמבין במערכות, באסטרטגיה, באוטומציה ובאחריות, בהיגיון מכונה ובדקויות אנושיות, ולא רק יודע לקרוא את הנתונים.

שיתוף פעולה בין אנשים לבינה מלאכותית: שרשרת האספקה המשופרת

שרשראות האספקה ​​הטובות ביותר בעתיד לא יהיו אוטומטיות – הן יהיו משופרות. וזוהי הבחנה חשובה. אוטומציה מלאה עובדת במערכות סגורות ואין אף היבט סגור בשרשראות אספקה. הקלטים משתנים, המטרות משתנות וסדרי העדיפויות סותרים זה את זה. בסביבה כזו, אתם זקוקים גם למהירות וגם לשיקול דעת.

בינה מלאכותית מספקת לכם מהירות, פיקוח אנושי מספק לכם שיקול דעת.
שיתוף הפעולה הזה כבר נראה במגדלי הפיקוח המתקדמים ביותר. בינה מלאכותית עוקבת אחרי שיבושים בזמן אמת, מצביעה על חריגים ומציעה תגובות. אבל המפעיל האנושי מקבל את ההחלטה – האם לשנות מסלול, לדווח לדרגים הגבוהים יותר או להשהות. ההיגיון כאן פשוט: בינה מלאכותית יכולה להראות לכם מה קורה מהר יותר מכל אנליסט. אבל ההחלטה האם זהו הרגע המתאים לפעולה, וכיצד לעדכן על השינוי במעלה ובמורד הזרם – עדיין תלויים במפעיל.
קיימת גם לולאת משוב חדשה – החלטות אנושיות מזינות את חידוד המודל. ככל שיותר מנהלים משנים את הצעות המערכת, ומסבירים מדוע, כך המערכת הופכת למדויקת יותר.

כך נראות מערכות HITL (התערבות אנושית בלולאה) מפותחות. הן אינן מחליפות את המומחיות. הן מפנימות אותה, מקודדות אותה ומגדילות אותה – מבלי להוציא את הגורם האנושי מהמשוואה.

בינה מלאכותית לא תחליף את תפקיד מנהל שרשרת האספקה אלא תשנה אותו

לא נכון לשאול "האם בינה מלאכותית תחליף את מנהלי שרשרת האספקה". השאלה הנכונה היא "כיצד התפקיד יתפתח כשהמכונות יחשבו יותר"?
וזה כבר קורה.

החלקים הידניים של התפקיד מצטמצמים, אבל היקף התפקיד מתרחב. הציפייה כעת היא שעובדי שרשרת האספקה ​​ינחו את המערכות, ולא רק יפעלו בתוכן (כלומר, יאתגרו את התפוקה ולא יעקבו אחריה באופן עיוור).
חשוב להבין מהן החוזקות של הבינה המלאכותית, היכן עדיין נדרשת תובנה אנושית, ולהכיר בכך שהתפתחות הכלים מובילה להתפתחות המקצוע.
מחקרים מן הזמן האחרון מאשרים שלמרות שבינה מלאכותית מביאה להתייעלות ממשית, הערך האסטרטגי מתממש רק כאשר ארגונים משלבים את הרווחים האלו בפיקוח מנוסה והטמעה מובנית.
מנהלי שרשרת האספקה בדור הבא יהיו אלה שלא יראו בבינה מלאכותית איום, אלא כלי לשיפור התובנות, קבלת ההחלטות וההשפעה.

כיצד תוכנת Priority יכולה לעזור?

מערכת ה-ERP של Priority נבנתה במטרה להשתלב בשרשרת אספקה בהפעלת בינה מלאכותית.
Priority נבנתה עם הגמישות והא€רכיטקטורה הדרושה לתמיכה בפעילויות של שרשראות אספקה בהפעלת בינה מלאכותית – כיום, ובהתאם להתפתחותן בעתיד.
בניגוד למערכות ותיקות שדורשות התאמה אישית רבה או אינטגרציה של צדדי ג' לתמיכה בבינה מלאכותית, Priority מציעה פלטפורמה מודרנית ופתוחה עם אוטומציה מובנית, גישה לנתונים בזמן אמת ואת האינטגרציה הדרושה לקבלת החלטות חכמה בקנה מידה גדול.