Kunstig intelligens kan bane vej for mere resiliente og regenerative værdikæder

”Samtidig med usikkerhed som følge af for eksempel covid-19, krigen i Ukraine og klimakrisen oplever vi en eksplosion i alle typer af data - strukturerede og ustrukturerede - fra første-, anden- og tredjepart, hvis værdi bare venter på at blive udnyttet”, fortæller Alis Sindbjerg Hinrichsen. 

Hun har mange års praktisk erfaring med SCM fra virksomheder som Danfoss, Odense Universitetshospital, VELUX, Optilon og LEGO – og hun er en flittig bidragsyder med viden og debat om supply chain udvikling. Hun udgav sammen med medforfatter Henning de Haas for eksempel for nylig bogen ’Re-Imaging the Value Chain – a Regenerative Approach”.

I artiklen ”How AI can support in paving the way for more resilient, regenerative, and responsible Value Chains” beskriver hun, hvordan supply chain ledere aktivt kan gøre brug af generativ kunstig intelligens til at håndtere de store kerneudfordringer i form af resiliens, regeneration og ansvarlighed, som de fleste værdikæder i dag er udfordret af.

Læs også: Værdikæden der giver mere end, den tager – del 1: Introduktion

I artiklen udforsker hun visionen om, at datadrevede beslutninger kan gøre virksomheder mere agile og øge deres mulighed for at med kort varsel at skifte kurs, inden korthuset ramler.

Datadrevet med AI har potentiale
Ifølge Cap Gemini viser forskning, at der er mange reelle fordele for organisationer, der stræber efter at blive datadrevne. Her er nogle eksempler:

• Højere toplinjevækst (over 70 procent).
• Effektivitet i deres forretning.
• Betydeligt højere produktivitet (17 procent højere indtjening per medarbejder).
• Højere kundetilfredshed og loyalitet.
• Talentfastholdelse (en målt stigning i jobtilfredshedsgraden fra 67 til 80 procent).
• Afkast af investering.

”Jeg håber, at vi kan blive enige om, at data er en fantastisk ting. Det indeholder så meget ubrugt potentiale for at hjælpe organisationer med at blive bedre på næsten alle områder og blive endnu mere modstandsdygtige, regenerative og ansvarlige. Udfordringen ligger i at udnytte dette potentiale. For mange virksomheder er data stadig en sovende kæmpe. ’Data er det nye olie’ er en frase, som du måske har hørt blive kastet rundt. Det henviser til det faktum, at data og information nu er en endnu mere værdifuld ressource end olie. Imidlertid kan idéen om, at ’data er mere som solskin end olie’, som Googles CFO udtalte på World Economic Forum i 2021, være mere præcis. Den underliggende betydning er, at vi kan blive ved med at bruge den, og den vil fortsætte med at generere indsigt”, skriver Alis Sindbjerg Hinrichsen.

Læs også: Værdikæden der giver mere end, den tager – del 2: Hvorfor?

Kunstig intelligens er den store løftestang
Hun fremhæver, at kunstig intelligens (AI) som værktøj eller teknologi har potentialet til at spille en betydelig rolle i den måde, vi opererer på, udnytter data og træffer beslutninger i vores virksomheder og vores værdikæder i fremtiden. AI forventes at have en global indvirkning med en 26 procent stigning i det globale BNP inden 2030.

”Udfordringen for mange ledere ligger mest i at forstå, hvilke anvendelsestilfælde det kan  anvendes til, og hvordan det skaber værdi”, skriver hun.

Kort sagt tilbyder AI kraftfulde værktøjer til at drive innovation inden for værdikæder og hjælpe virksomheder med at: 

• reducere deres miljømæssige fodaftryk,
• forbedre effektiviteten og
• skabe langsigtet værdi både for virksomheder og samfundet.

Behov for radikal innovation 
Digitale teknologier, og det vil først og fremmest sige AI, kan ifølge Alis Sindbjerg Hinrichsen transformere virksomhedens forretningsmodel og accelerere udviklingen mod den regenerative og resiliente værdikæde. Innovation er mere end bare at udvikle og implementere teknologi; det handler om at kombinere de rigtige teknologier på det rigtige tidspunkt og sted. Teknologi er et værktøj til at løse komplekse problemer. At have en datadrevet innovationstilgang sætter dig i stand til at udnytte nye teknologiske gennembrud på det rigtige tidspunkt. 

Læs også: Værdikæden der giver mere end, den tager – del 3: Hvad er det?

”Når nyttige data er tilgængelige for mange i en organisation, er det langt mere sandsynligt, at medarbejdere vil bruge informationen til at innovere i deres daglige arbejde. En god datadrevet kultur vil også drive mange små innovationer hver dag”, skriver hun og supplerer:

”Lad mig gøre et forsøg på at kickstarte din fantasi - lad os se på tre potentielle anvendelsestilfælde for anvendelse af AI som en løftestang til mere regenerative, ansvarlige og modstandsdygtige værdikæder”.

1.Ansvarlighed

AI kan optimere værdikæder ved at analysere store mængder data, som for eksempel kan identificere etiske indkøbspraksisser. Det kan også muliggøre gennemsigtighed og sporbarhed, så forbrugerne kan træffe informerede valg. AI-drevne blockchain-systemer kan forbedre gennemsigtigheden og sporbarheden inden for værdikæder ved at give realtidsvisning af varernes og råmaterialernes bevægelser. Denne gennemsigtighed gør det muligt for virksomheder at spore produkternes oprindelse og verificere bæredygtighedsanprisninger.

AI kan opmuntre til bæredygtig adfærd ved at give personaliserede anbefalinger og feedback til enkeltpersoner. AI kan også hjælpe med uddannelsesinitiativer ved at give interaktive læringsoplevelser om bæredygtighedsemner. Amazon er en frontløber inden for anvendelse af AI i driften, virksomheden har udviklet AI-algoritmer til at screene nye produkter for oplysninger om miljøpåvirkning for at kunne estimere et produkts kulstofaftryk. Amazon anslår at have ændret den nødvendige tid til analyse og registrering fra måneder til timer.

2. Modstandskraft eller resiliens

• Identificering af risici: AI kan behandle data fra sensorer, satellitter og andre kilder for at overvåge og analysere miljøforhold. Det kan hjælpe med at opdage og forudsige naturkatastrofer, overvåge luft- og vandkvalitet, spore skovrydning og identificere mønstre relateret til klimaforandringer.
• Valg af leverandør og risikostyring: AI kan vurdere leverandørers bæredygtighedspræstationer ved at analysere forskellige faktorer såsom miljøpåvirkning, arbejdspraksis og samfundsansvar.
• Ved at vælge leverandører med stærke bæredygtighedspraksisser kan virksomheder reducere de miljømæssige og sociale risici inden for deres værdikæder. AI kan bruges til at vurdere partnernes og leverandørernes bæredygtighed samtidig med, at der identificeres potentielle områder til forbedring. Ved at analysere tilgængelige data om leverandørpræstationer - herunder CO2-emissioner - vil virksomheder være i stand til at træffe informerede beslutninger om deres værdikædepartnere.

3. Regeneration

• Biodiversitet og bio-løsninger: AI kan støtte bevaringsindsatser ved at analysere vildtkameraer, satellitbilleder og akustiske sensordata. Det kan hjælpe med at identificere truede arter, spore deres bevægelser, opdage krybskytteri og støtte initiativer til bevaring af levesteder. Det kan føre til bevarelse af biodiversitet.
• Energiforvaltning: AI kan analysere energiforbrugsmønstre og optimere energiforbruget i bygninger, fabrikker og transportsystemer. Maskinlæringsalgoritmer kan identificere muligheder for energibesparelse og foreslå strategier til reduktion af energispild. AI kan bruges til at udvikle intelligente net, der overvåger og styrer elektricitetsproduktion, distribution og forbrug. Ved at analysere data fra forskellige kilder kan AI-algoritmer optimere strømproduktion og -distribution, minimere netværkets ineffektiviteter og integrere vedvarende energikilder effektivt.
• Affaldshåndtering og genanvendelse: AI kan forbedre affaldshåndteringssystemer ved at analysere data for at optimere affaldsindsamlingsruter, reducere lossepladskapacitet og identificere genanvendelsesmuligheder. Billedgenkendelsesalgoritmer kan hjælpe med at automatisere affaldssorteringsprocesser og forbedre genanvendelseseffektiviteten. Ved at optimere produktionsprocesser og identificere måder at genbruge materialer på kan virksomheder minimere affaldsgenerering og fremme en cirkulær økonomi inden for deres forsyningskæder.

Et andet eksempel fra Amazon er, hvordan de bruger AI til at optimere emballagen til forskellige produkter, herunder størrelse og form af et produkt og kvalitetsoplysninger fra tidligere leverancer. Denne AI-model anslås at have sparet mere end 2 millioner tons emballagemateriale.

• Transport: AI kan optimere trafikflow og forbedre transporteffektiviteten. AI-drevne algoritmer kan analysere realtids trafikdata, forudsige efterspørgselsmønstre og foreslå optimale ruter eller nye forsyningskædedesign eller driftsmodeller. Optimering af transport har potentiale til at give betydelige omkostningsbesparelser. I USA anslås omkostningerne ved flyforsinkelser at være 39 milliarder USD.
• Livscyklusvurdering af produkter: AI kan udføre livscyklusvurderinger af produkter for at evaluere deres miljømæssige påvirkning fra udvinding af råmaterialer til bortskaffelse. Ved at forstå produkternes miljøaftryk kan virksomheder identificere muligheder for forbedring og udvikle mere bæredygtige alternativer.
• Efterspørgselsprognoser og lagerstyring: AI-algoritmer kan analysere historiske data, markedsudviklinger og eksterne faktorer for at forudsige efterspørgsel nøjagtigt. Ved at forudsige efterspørgsel mere nøjagtigt kan virksomheder optimere lagerbeholdningsniveauer, reducere overskydende lager og minimere spild.

Amazon bruger AI som en del af deres genopfyldelsesprocesser, der opdager beskadigede varer, før de sendes til en kunde. På den måde sparer de anstrengelser til forsendelse, kundens returnering af defekt produkt og behovet for at sende et nyt produkt.

Men det kræver stærkt fokus på data
Alis Sindbjerg Hinrichsen peger på, at AI har potentiale til at transformere virksomhedernes forretningsmodel og accelerere deres overgang til mere regenerative, ansvarlige og modstandsdygtige værdikæder. Ved at udnytte AI's kraftfulde analyse- og forudsigelsesfunktioner kan virksomheder identificere muligheder for at reducere miljøaftryk samt øge effektivitet og konkurrenceevne. Men for at realisere dette potentiale skal virksomheder være villige til at omfavne innovation, ændre deres arbejdsmetoder og investere i teknologi og talent.

Læs også: Værdikæden der giver mere end, den tager – del 4: Sådan gør du

”For at lykkes med AI-initiativer skal virksomheder fokusere på at opbygge en datadrevet kultur, etablere et solidt datagrundlag og udvikle de nødvendige færdigheder og kompetencer internt. Ved at investere i AI og datadrevne teknologier kan virksomheder positionere sig selv til at lykkes i den digitale økonomi og skabe værdi på tværs af deres værdikæder”, skriver hun afsluttende.

Kilde: ”How AI can support in paving the way for more resilient, regenerative, and responsible Value Chains”.