Umjetna inteligencija – tiha orkestracija lanca opskrbe

**Od prediktivne analitike i generativne umjetne inteligencije do robotike, računalnog vida i automatizacije, ove tehnologije pokreću lance opskrbe i mijenjaju desetljećima stare prakse.** **Autor: Boban Mladenovski** ![Innovative industry robot working in warehouse for human labor replacement](https://cdn.zefir.quest/mops/5-280/innovative-industry-robot-working-warehouse-human-labor-replacement.webp)Innovative industry robot working in warehouse for human labor replacement Putovanje boce šampona ili kartona mlijeka od tvorničkog pogona do police supermarketa se transformira. U skladištima diljem Europe već imamo flote robota koji prikupljaju narudžbe, dok algoritmi pročišćavaju podatke kako bi predvidjeli trendove kupovine. Umjetna inteligencija (UI) brzo je prešla put od popularne riječi do revolucionarnog i ključnog faktora u FMCG industriji, preoblikujući i logistiku i iskustvo potrošača. Od prediktivne analitike i generativne umjetne inteligencije do robotike, računalnog vida i automatizacije, ove tehnologije pokreću lance opskrbe i narušavaju desetljećima stare prakse. Kompanije poput Unilevera, Tesca, Ocada i Carrefoura ulažu velika sredstva u umjetnu inteligenciju kako bi povećale učinkovitost i agilnost. Tradicionalno predviđanje potražnje oslanjalo se na neku vrstu arhive i sezonskih tablica. Prediktivna UI analitika sada integrira prošlu prodaju, vremensku prognozu, društvene medije i lokalne događaje radi veće točnosti. Na primjer, Unilever je smanjio otpad za 40% nakon implementacije predviđanja potražnje zasnovanog na UI-ju u svim svojim proizvodnim operacijama. Generativni UI pojavljuje se kao „kopilot“ lanca opskrbe. Studija Harvard Business Reviewa primijetila je da UI može smanjiti vrijeme donošenja odluka s dana na minute, a McKinsey je otkrio da UI smanjuje administrativne zadatke i do 60%. Tesco koristi takozvano strojno učenje za analizu podataka o karticama lojalnosti, promet u trgovinama i vremenske prognoze, omogućavajući predviđanja na razini trgovine koja minimiziraju nestašice. U usporedbi s tradicionalnim reaktivnim planiranjem, UI omogućava proaktivan pristup: police se pune prije nego što dođe do skokova potražnje. Najvidljiviji utjecaj UI-ja je u skladištima. Hive sustav također kontrolira stotine robota koji se kreću po mreži kako bi prikupili narudžbe. Narudžbu od 50 artikala mogu završiti za pet minuta – šest puta brže od ljudi. Računalni vid omogućava robotskim rukama da precizno rukuju krhkim predmetima poput jaja, dok digitalne simulacije optimiziraju tokove rada u stvarnom vremenu. U međuvremenu, Carrefour uvodi umjetnu inteligenciju (UI) u svoje trgovine s 500 kamera i 70.000 elektroničkih etiketa na policama, omogućavajući praćenje zaliha u stvarnom vremenu i dinamičko određivanje cijena. Umjesto da osoblje ručno provjerava police, sustav odmah označava nestašice i ažurira cijene pritiskom na gumb. Ocado i Carrefour sada prilagođavaju cijene u stvarnom vremenu na temelju uvjeta ponude i potražnje. Digitalne etikete na policama u Carrefouru omogućavaju trenutno uvođenje popusta ili promocija. Unilever je čak testirao zamrzivače pokretane umjetnom inteligencijom koji prilagođavaju cijene sladoleda po vrućem vremenu, povećavajući prodaju do 30%. Transparentnost za potrošače putem umjetne inteligencije.Potrošači također zahtijevaju transparentnost. Platforme za praćenje umjetnom inteligencijom omogućavaju kupcima da skeniraju QR kodove kako bi vidjeli porijeklo proizvoda, rješavajući etičke norme i probleme održivosti. Studije pokazuju da je 73% potrošača spremno platiti više za transparentne lance opskrbe. Po gotovo svim mjerama, lanci opskrbe poboljšani umjetnom inteligencijom nadmašuju svoje starije analogne prethodnike. Dobici u učinkovitosti vidljivi su u brzini i troškovima. Automatizirana skladišta poput Ocadovog mogu obrađivati narudžbe zapanjujućom brzinom – više narudžbi za vrijeme koje bi ljudskoj posadi trebalo da odabere jednu – smanjujući troškove ispunjenja po jedinici. Ocadov pristup također smanjuje troškove otpada i zaliha: s naprednim predviđanjem i kontrolom u stvarnom vremenu, njihova stopa bacanja hrane je djelić prosjeka u industriji. Tradicionalni lanci opskrbe često su imali višak zaliha „za svaki slučaj“, vežući kapital; umjetna inteligencija omogućava pojednostavljen tok *just-in-time* koji i dalje precizno zadovoljava potražnju. Studija o vidljivosti lanca opskrbe otkrila je da tvrtke s visokom transparentnošću zasnovanom na podacima smanjuju operativne troškove za 10-15% kroz bolju koordinaciju. Ove uštede mogu se prenijeti na cijene ili reinvestirati u korisničku podršku. **Agilnost i umjetna inteligencija** Agilnost je još jedno područje u kojem se UI sustavi ističu. Ako toplinski val neočekivano pogodi sjevernu Europu, Unileverovi UI alati mogu detektirati porast potražnje za sladoledom i preraspodijeliti zalihe u roku od nekoliko sati – nešto što bi konvencionalni sustav vjerojatno primijetio tek nakon što se police isprazne. Slično tome, Carrefourova UI platforma za viziju u trgovinama može detektirati nestašice na policama u roku od sat vremena umjesto dva dana sa starim metodama, praktično eliminirajući dane nestašice zaliha. Ova agilnost znači manje izgubljene prodaje i zadovoljnije kupce. Također čini cijeli lanac otpornijim: umjetna inteligencija može rano prepoznati probleme s opskrbom (kao što su kašnjenja u isporukama ili usporavanja u proizvodnji) i pokrenuti kupovine za nepredviđene situacije ili alternativne rute distribucije. **Potrošačko iskustvo bolje je s umjetnom inteligencijom** Iz perspektive kupca, iskustvo kupaca znatno je poboljšano. U maloprodaji optimiziranoj umjetnom inteligencijom, police su uglavnom punije, zalihe su bolje prilagođene lokalnom ukusu, a trgovine ili aplikacije mogu personalizirati vaše iskustvo – bilo kroz preporučene proizvode ili brže opcije dostave. Ocadov model čak nudi i širi asortiman: njihova automatizirana skladišta mogu uskladištiti do 50.000 različitih artikala, oko 78% više proizvoda od tipičnog supermarketa, pružajući kupcima veći izbor i praktičnost naručivanja s jednog mjesta. Usluga je također brža. Mnogi kupci u Velikoj Britaniji primijetili su da se *online* termini za namirnice isporučuju istog ili sljedećeg dana, jer algoritmi optimiziraju rute dostave i ispunjavanje narudžbi (što je ranije zahtijevalo rezervaciju danima unaprijed). Koliko vrijedi ulaganje u umjetnu inteligenciju? Kako su sve ove prednosti povezane? U početku, implementacija umjetne inteligencije i robotike zahtijeva velika ulaganja – skupu opremu, integraciju sustava i obuku. Tradicionalne metode, u usporedbi s tim, imaju niže početne troškove (ljudi i papir), ali veću kontinuiranu neefikasnost. S vremenom, sustavi vođeni umjetnom inteligencijom imaju tendenciju da se isplate smanjenjem operativnih troškova. Automatizirano skupljanje smanjuje troškove rada i pogreške (roboti ne prave pauze niti griješe skenirajući barkodove). Bolje prognoze znače manje novca potrošenog na višak zaliha ili hitne isporuke u zadnji čas. Dinamičko određivanje cijena može optimizirati marže tako što ne ostavlja novac na stolu tijekom velikih skokova potražnje (niti odbija kupce preskupim artiklima tijekom niske potražnje). Europska tvrtka za dostavu na zadnju milju uštedjela je 30 milijuna funti godišnje koristeći agente za „virtualnu dispečersku“ dostavu s umjetnom inteligencijom kako bi pojednostavili usmjeravanje i podršku vozačima, nakon što je uložila samo 2 milijuna funti u tehnologiju. Takav povrat ulaganja ohrabruje čak i rukovoditelje FMCG industrije koji su svjesni troškova da prihvate umjetnu inteligenciju. S druge strane, tvrtke koje se drže tradicionalnih praksi mogu se naći u nepovoljnom položaju po pitanju troškova, nesposobne da se natječu s konkurentima koji koriste umjetnu inteligenciju. Svjetski ekonomski forum procjenjuje da bi 25% radnih mjesta moglo biti poremećeno u roku od pet godina. Iako se pojavljuju nove uloge u robotici, ne mogu svi radnici lako prijeći na drugu industriju. Tvrtke poput Unilevera ističu da se planeri sada više fokusiraju na strategiju, dok se umjetna inteligencija bavi obradom brojki. Složeni sustavi umjetne inteligencije mogu zakazati, uzrokujući ozbiljne poremećaje. Tvrtke moraju održavati ljudski nadzor i rezervne procese kako bi osigurale otpornost. FMCG industrija razvija se od krutih ka modelima vođenim prognozama i inteligentnim, responzivnim mrežama. Pioniri u Velikoj Britaniji i EU pokazuju što je moguće: prediktivna potražnja, autonomna skladišta, personalizirane ponude i transparentna ponuda. Vrijednost umjetne inteligencije mora biti jasna potrošačima – uz niže cijene, bolju uslugu i pouzdanu transparentnost – dok tvrtke upravljaju privatnošću, pravednošću i tranzicijom radne snage. Kako tehnologija napreduje, pobjednici će biti oni koji kombiniraju strojnu inteligenciju s ljudskom prosudbom. U sljedećem desetljeću, kutija žitarica ili posuda sladoleda mogle bi stići do potrošača brže, svježije i etičnije nego ikad prije, zahvaljujući umjetnoj inteligenciji koja tiho orkestrira lanac opskrbe iza kulisa.