Tekoälystä puhutaan paljon toimitusketjun hallinnan (SCM) yhteydessä. Keskustelussa tekoäly sekoitetaan kuitenkin helposti automaatioon ja robotiikkaan.

Toistuva, selkeästi määritelty ja sääntöihin perustuva työ on usein automaation tai robotiikan paikka.

Tekoälystä voi olla hyötyä silloin, kun tietoa pitää tulkita, yhdistää useista lähteistä tai käyttää päätöksen valmisteluun.

Toimitusketjun prosesseissa tällaisia tilanteita voivat olla esimerkiksi:

– tilausvahvistusten, vastaanottotietojen ja laskujen vertailu

– toimituspoikkeamien selvittäminen eri järjestelmistä ja viesteistä

– toimittajien viesteissä olevan tiedon käsittely

– suunnittelua tukevan tilannekuvan kokoaminen

– puuttuvien tai ristiriitaisten tietojen tunnistaminen

Esimerkit eivät vielä kerro, mikä ratkaisu kannattaa valita. Sama työvaihe voi olla toisessa organisaatiossa sääntöautomatiikan, toisessa robotiikan ja kolmannessa tekoälyn paikka.

Siksi keskustelua ei ehkä pitäisi aloittaa kysymyksellä:

”Mihin voisimme lisätä tekoälyä?”

Parempi lähtökohta on tarkastella, miten työ tällä hetkellä tehdään:

Mitä tietoa prosessissa käytetään? Missä kohtaa ihminen joutuu etsimään, vertailemaan ja tulkitsemaan tietoa? Mitkä tilanteet toistuvat? Mitkä ovat aidosti sääntöperusteisia ja mitkä edellyttävät harkintaa?

Acenon kuuden viikon vakiomalli lähtee liikkeelle todellisista tapauksista, nykyisestä työstä ja käytettävissä olevista tietolähteistä. Sen aikana arvioidaan, mikä osa kannattaa toteuttaa tekoälynä, mikä automaationa tai robotiikkana ja mikä vaatii prosessin korjaamista.

Tavoitteena ei ole tuottaa yleistä listaa AI-ideoista, vaan perusteltu näkemys siitä, missä tekoälystä voisi olla hyötyä, mitä se edellyttää ja miten etenemistä voidaan arvioida.

Voisiko teidän organisaatiossanne tekoäly avustaa SCM-prosesseja?