GyártásTrend:A szeptemberi felmérés számos érdekes megállapítást tett. Ezek közül az egyik, hogy a cégek leginkább a termelésben és ügyfélkapcsolatok területén várnak előrelépést a mesterséges intelligenciától. Melyek a termelés területén azok az AI-alapú alkalmazások, amelyek könnyen, hatékony segítséget tudnak nyújtani a gyártástámogatásban?
Pintér Szabolcs: Valóban, a felhőalapú AI-megoldásaink képesek forradalmasítani a beszerzés, az ellátási lánc és a logisztika környezetét, hiszen üzleti folyamatokat tesznek automatizálttá, de az ember által meghatározott paraméterek szerint. Az AI-alkalmazások részletes betekintést nyújtanak az egyes területek tevékenységeibe, összefüggéseket tudnak felmutatni, ezek alapján ajánlásokat írnak elő, a beszerzési szakembereket pedig megszabadítják az unalmas adminisztratív feladatoktól.
Hogy néhány összefoglaló példát is mondjak, az AI segítségével például egy rendszer előre jelezheti a készletfeltöltési igényeket; beszerzési eseményeket kezdeményezhet az értékláncból gyűjtött információk alapján; működési elemzéseket használhat a kereskedelmi partnerek fő teljesítménymutatóinak frissítésére; vagy értesítheti a beszállítókat, jelezve új áruk elérhetőségét – mindezt autonóm módon, manuális beavatkozás nélkül.
GyT.: A felmérés szerint már sokan használnak mesterséges intelligencia által támogatott megoldásokat a beszerzésben, raktározásban és számlakezelésben. Konkrétan milyen extra AI-támogatást tartalmaztak ezek a modulok, és milyen előnyökkel jár az automatizáláshoz képest?
P. Sz.: A logisztikában a robotizált eszközök mozgása, tájékozódása, önvezetése egyre elterjedtebb. Az anyagmozgatásban egyre összetettebb feladatok bízhatók a robotokra: szortírozni, alkatrészeket a legkevesebb polc közötti mozgással összeválogatni, a rendhagyó helyzeteket (hiány, sérült áru, méret- és minőségbeli eltérés) felismerni és kezelni is képesek.
A beszerzésben az automatizálható feladatokon – ajánlatkérés, ajánlatértékelés, készletnyilvántartás és rendelésoptimalizálás – túlmenően az AI-ra bízható a készletgazdálkodás optimalizálása: az értékesítés, a szezonalitás és egyéb paraméterek (supply chain krízis vagy éppen konjunktúra) függvényében igazíthatók a készletszintek, és az azok kezeléséhez szükséges erőforrás mértéke is.
GyT.: Számos kihívással küzd az élelmiszeripar is az elmúlt években: a geopolitikai nehézségek, a fogyasztói elvárások változásai, a fenntarthatóságért való küzdelem és a magas infláció mind újabb feladatok elé állítják a gyártókat. Melyek azok a megoldások, amelyek kimondottan az élelmiszeripari gyártók számára jelenthetnek előnyt?
P. Sz.: Mielőtt a konkrét megoldásokba belemennénk, szeretném hangsúlyozni, hogy az SAP üzleti mesterségesintelligencia-szolgáltatásokat kínál, amelyek a legkritikusabb businessfolyamatokat működtető SAP-alkalmazásokba beágyazottan érhetők el. Fontos, hogy ezeket a megoldásokat kiterjedt iparág-specifikus adatokra és mély folyamatismeretekre építettük, ezért olyan iparági sztenderd megoldásokat tudunk nyújtani, amelyeket minden szervezet bátran használhat, de természetesen az egyéni igényekhez is alakítjuk ezeket.
Hogy néhány megoldásunkkal is érthetővé tegyem mindezt: a mesterséges intelligencia által vezérelt prediktív analitika segíthet az élelmiszergyártóknak a kereslet előrejelzésében, a készletszint optimalizálásában és a piaci trendek előrejelzésében, így jobb döntéshozatalt és erőforrás-tervezést tesz lehetővé.
A gépi tanulási algoritmusok optimalizálni tudják a rendelések teljesítését, és javíthatják a minőség-ellenőrzési folyamatokat is azáltal, hogy azonosítják a gyártási mintákat és anomáliákat, így pedig biztosítják az élelmiszertermékek konzisztenciáját és biztonságát.
A mesterségesintelligencia-technológiák segítségével nagyobb rálátást lehet biztosítani az ellátási láncban, ami lehetővé teszi a gyártók számára a hatékonyság hiányának azonosítását, az átfutási idők csökkentését és az ellátási lánc általános teljesítményének javítását. A különféle adatforrásokat, például a közösségi médiát és a piaci trendeket elemző AI-algoritmusok javíthatják a keresletérzékelési képességeket, ami segít a termelési és ellátási lánc stratégiáinak a változó fogyasztói preferenciákhoz való igazításában.
Ezeken kívül pedig természetesen az élelmiszergyártók – mint minden más szervezet – is hatékony támogatást kaphatnak olyan általánosabb üzleti AI-megoldásoktól, mint például a chatbotok és a virtuális asszisztensek használata, amelyek azzal, hogy valós idejű választ adnak a kérdésekre, követik a rendeléseket és más, az ügyfelekkel kapcsolatos interakciókat, javítják az ügyfelek elkötelezettségét.
GyT.: A termékfejlesztésben milyen támogatást nyújt az AI?
P. Sz.: Az SAP AI-megoldások prediktív elemzést kínálnak a kereslet előrejelzéséhez, és javítják a minőség-ellenőrzést képfelismeréssel és gépi tanulással. Ezek az eszközök a tudományos adatok és a fogyasztói visszajelzések elemzésével felgyorsítják a kutatási és fejlesztési folyamatokat, és segítik az innovatív, személyre szabott termékek létrehozását. Ezenkívül, ahogy azt már többször is említettem, az AI megkönnyíti az ellátási lánc együttműködését, biztosítja a nyersanyagok hatékony koordinációját és a szabályozói szabványok betartásának ellenőrzését.
GyT.: A nyelvi modellek alkalmazása milyen területen jelenthet előnyt az élelmiszergyártóknak?
P. Sz.: A nyelvi modellek segítségével gyorsan és hatékonyan elemezhetjük a fogyasztói visszajelzéseket, ami tudjuk, milyen kulcsfontosságú mind a termékfejlesztésben, mind pedig a marketingstratégia kialakításában. De a nyelvi modellek alkalmazásával javíthatjuk az ügyfélszolgálati folyamatokat is, és folyamatosan figyelemmel kísérhetjük a piaci tendenciákat és a konkurensek tevékenységét, amelyek alapján rugalmasabban alkalmazkodhatunk az iparági változásokhoz és elvárásokhoz, valamint az új fogyasztói trendekhez.
Azok az élelmiszergyártók, amelyek több piacra termelnek, meg kell hogy feleljenek az egyes országok vagy államközösségek helyi szabályainak, az összetételi, a csomagoláson feltüntetett tartalmakra vonatkozó, a szállítási, tárolási, kezelési, visszagyűjtési szabályoknak. Ezeket mind írott törvények, rendelkezések, iparági kódexek vagy best practice-ek szabályozzák. Ezek teljesítése és az esetleges változások figyelése kifejezetten rábízható az LLM-re.
GyT.: A gyártás területén már régóta foglalkoztatják a cégeket az adatban és az öntanuló rendszerek alkalmazásában rejlő lehetőségek, a kutatásból mégis az derül ki, hogy viszonylag kevesen (31-46 százalék) bíznának üzleti döntést egy 100 százalékban mesterséges intelligencia által készített elemzésre. Ugyanakkor az AI pont a döntéstámogatásban, előrejelzésekben jelent nagy előnyt. Az SAP mivel tudja támogatni az emberek bizalmának erősödését az AI iránt?
P. Sz.: A felmérésből arra a következtetésre juthatunk, hogy a cégvezetők a döntést magát nem szeretnék átadni a mesterséges intelligenciának, de természetesen a döntés-előkészítés, döntéstámogatás (pl. elemzés, szcenáriók felállítása) területén üdvözlik az AI nyújtotta előnyöket. A befogadó hozzáállás pedig jellemzőbb volt azok körében, akik amúgy eleve automatizált vagy szoftveresen fejlettebb irodai környezetben, illetve vállalatirányítási rendszerre is támaszkodó vállalatnál dolgoznak.
Fontosnak tartom azt is kiemelni, hogy a mi tevékenységünk eleve a bizalomra épül, hiszen ügyfeleink ránk bízzák a legkritikusabb üzleti folyamataikat és legérzékenyebb adataikat. A mesterséges intelligenciára sem tekinthetünk másképpen: a bizalom alapvető összetevője a mesterségesintelligencia-etika.
Az SAP büszke arra, hogy az első európai technológiai vállalat volt, amely kiadta a mesterséges intelligencia etikai vezérelveit, és külső mesterségesintelligencia-etikai tanácsadó testületet hozott létre. Az SAP a politikai döntéshozókkal is együttműködik, például az Európai Bizottság mesterséges intelligenciával foglalkozó magas szintű szakértői csoportjának központi tagja, és hozzájárul a készülő EU-s AI-törvényhez. Mindent megteszünk tehát, hogy a felsorolt kezdeményezésekkel és törekvésekkel, valamint etikus termékeinkkel hozzájáruljunk a felhasználók bizalmának erősödéséhez hosszú távon.
