Generativna umetna inteligenca je lahko le toliko zanesljiva kot podatki, ki jih uporablja

Ko umetna inteligenca sreča preskrbovalno verigo

Preskrbovalne verige povezujejo številne proizvajalce, distributerje, trgovce, logistične ponudnike in informacijske sisteme. Generativna umetna inteligenca lahko pomaga pri analizi velikih količin podatkov, načrtovanju zalog, optimizaciji logistike ter hitrejšem odkrivanju anomalij in neskladij.

Toda sistemi morajo najprej nedvoumno vedeti, za kateri izdelek, lokacijo ali logistično enoto gre.

Tu pomembno vlogo prevzemajo standardi GS1, ki omogočajo enotno identifikacijo in izmenjavo podatkov med različnimi informacijskimi sistemi. Med najbolj razširjenimi identifikacijskimi ključi so GTIN za izdelke, GLN za lokacije in poslovne subjekte ter SSCC za logistične enote.

Slabi podatki pomenijo slabe odločitve

Napačni, nepopolni ali neusklajeni podatki lahko povzročijo napačne napovedi, zamude, dodatne stroške ali napačno izvedena naročila. Umetna inteligenca lahko sicer pomaga pri zaznavanju anomalij in manjkajočih atributov, ne sme pa manjkajočih informacij preprosto ustvariti in jih predstaviti kot dejstva.

Zato ostaja pomemben človeški nadzor. Podjetja morajo vedeti, katere podatke uporabljajo njihovi sistemi, od kod prihajajo in kako se preverjajo rezultati, ki jih ustvari umetna inteligenca.

Od napovedovanja zalog do pametnejše logistike

Kombinacija kakovostnih podatkov in umetne inteligence lahko podjetjem pomaga pri napovedovanju ponudbe in povpraševanja, določanju varnostnih zalog, prerazporejanju blaga ter optimizaciji transportnih poti.

Podobno velja za odzivanje na motnje v preskrbovalnih verigah. Analitični modeli in digitalni dvojčki lahko pomagajo simulirati posledice zamude dobavitelja, zaprtja transportne poti ali nenadne spremembe povpraševanja.

V vseh teh primerih pa morajo biti podatki o izdelkih, lokacijah in logističnih enotah pravilno povezani. Standardizirana identifikacija zmanjšuje možnost, da bi informacijski sistem med seboj zamenjal različne izdelke ali lokacije.

Umetna inteligenca potrebuje podatkovne temelje

Z razmahom generativne umetne inteligence postaja vprašanje kakovosti podatkov še pomembnejše. Zmogljivejši algoritmi sami po sebi ne morejo odpraviti težav, ki nastanejo zaradi napačnih, zastarelih ali neusklajenih vhodnih informacij.

Standardi GS1 zagotavljajo skupni jezik za identifikacijo, zajem in izmenjavo podatkov med podjetji in informacijskimi sistemi. Ne odpravljajo vseh tveganj umetne inteligence, ustvarjajo pa podatkovne temelje, na katerih je mogoče graditi zanesljivejše digitalne procese.

Preberite več: Generativna umetna inteligenca v preskrbovalnih verigah potrebuje kakovostne podatke