Peran Generative AI dalam Mendongkrak Kinerja Supply Chain Management

0

Oleh: Dody Suhermawan

Di seluruh rantai pasokan end-to-end, teknologi yang menarik ini menambah kemampuan ekstra pada tugas-tugas AI dan menjanjikan para penggunanya kemudahan pengoperasian .

Perusahaan semakin banyak menerapkan kecerdasan buatan (AI) dalam Supply Chain Management untuk perencanaan permintaan dan pengadaan, sambil menjajaki penggunaannya di bidang lain, seperti standarisasi proses dan optimalisasi pengiriman jarak jauh.

Namun pada tahun lalu, evolusi AI lain yang menjadi sorotan – AI generatif (GenAI), yang dipopulerkan oleh ChatGPT – telah mengubah persepsi kita tentang apa yang mungkin terjadi.

Apa itu GenAI dalam Supply Chain Management ?

GenAI membuat konten baru, seperti data numerik, gambar, teks, audio atau video, berdasarkan data yang telah dilatih. Kemajuan terkini mempermudah penggunaan dan merealisasikan manfaatnya, namun teknologi ini bukanlah hal baru. Sudah sekitar 40% perusahaan baik lokal maupun internasional berinvestasi di GenAI, dengan fokus pada aplikasi manajemen pengetahuan.

Ketika investor mengucurkan dana untuk teknologi ini, para eksekutif berlomba-lomba menentukan dampaknya terhadap operasional dan model bisnis. Bagi mereka yang dengan tekun mengejar inovasi yang dipandu oleh strategi dan pemahaman akan keterbatasan — bukan dorongan untuk mengejar hal-hal baru yang cemerlang — GenAI dapat terbukti menjadi co-advisor dan pengganda yang lincah dalam memperkuat Supply Chain Management.

Terdapat keterbatasan dan risiko dalam penggunaan GenAI dalam rantai pasokan — terutama ketika penerapannya dilakukan secara terburu-buru atau tidak terintegrasi dengan baik di seluruh organisasi dan jaringan rantai pasokan. Alat GenAI hanya sekuat data masukannya, sehingga alat tersebut dibatasi oleh kualitas dan ketersediaan data dari mitra rantai pasokan. Secara umum, risiko yang timbul akibat lebih sedikitnya kontak manusia – seperti kurangnya transparansi atau pertimbangan etika dan hukum – paling baik dikelola dengan tata kelola yang kuat dan bekerja sama dengan mitra yang berpengalaman.

Namun, apa yang tampak seperti fiksi ilmiah setahun yang lalu kini dimanfaatkan dalam kasus penggunaan dunia nyata di seluruh rantai pasokan ujung ke ujung. Proyek-proyek ini dimungkinkan melalui kemampuan GenAI untuk:

  1. Mengklasifikasikan dan mengkategorikan informasi berdasarkan data visual, numerik atau tekstual.
  2. Analisis dan modifikasi strategi, rencana, dan alokasi sumber daya dengan cepat berdasarkan data waktu nyata.
  3. Secara otomatis menghasilkan konten dalam berbagai bentuk yang memungkinkan waktu respons lebih cepat.
  4. Meringkas data dalam jumlah besar, mengekstraksi wawasan dan tren utama.
  5. Membantu dalam mengambil informasi yang relevan dengan cepat dan memberikan respons instan melalui suara atau teks.
  6. Para pemimpin dapat mengintegrasikan AI ke dalam empat elemen dasar operasi rantai pasokan ini: merencanakan, mencari sumber, membuat, memindahkan.

Menghasilkan kesederhanaan dengan AI

GenAI menambahkan kesederhanaan pada interaksi melalui upaya perencanaan berbasis teknologi. Fungsi “chat” dari salah satu alat GenAI ini membantu perusahaan bioteknologi mengajukan pertanyaan yang menginformasikan perkiraan permintaannya. Misalnya, perusahaan dapat menjalankan skenario bagaimana-jika dalam mendapatkan bahan kimia tertentu untuk produknya dan apa yang mungkin terjadi jika terjadi guncangan global tertentu yang mengganggu operasional sehari-hari. Alat GenAI saat ini bahkan dapat menyarankan beberapa tindakan jika terjadi kesalahan. Manajemen risiko mungkin merupakan bidang yang paling menjanjikan untuk dijadikan masukan bagi GenAI, khususnya dalam mempersiapkan risiko yang belum dipertimbangkan oleh perencana rantai pasokan.

Perusahaan-perusahaan Global Fortune 500 dan organisasi pemerintah sedang mengembangkan alat GenAI dengan mitra untuk memetakan dan menavigasi jaringan pemasok yang kompleks. Alat-alat ini mempermudah perencanaan pemasok alternatif jika terjadi gangguan dan menawarkan platform penelusuran produk untuk memenuhi persyaratan peraturan atau ESG.

Peran GenAI dalam mendorong nilai dalam perencanaan ada beberapa bentuk :

Perkiraan permintaan

Banyak organisasi menggunakan AI untuk menganalisis kumpulan data penjualan historis yang besar, tren pasar, dan variabel lainnya untuk menciptakan model permintaan waktu nyata. ​Dengan GenAI, tingkat inventaris yang optimal, jadwal produksi, dan rencana distribusi dapat dibuat untuk memenuhi permintaan pelanggan secara efisien.​

Rencana produksi

AI membantu merencanakan produksi dan penjadwalan dengan mempertimbangkan faktor-faktor seperti perubahan pelanggan, kapasitas produksi, ketersediaan sumber daya, dan prioritas pesanan.​ Mirip dengan kemampuan perkiraan permintaannya, GenAI dapat membuat rencana produksi, menjadwalkan urutan, dan mengalokasikan sumber daya secara efektif untuk meminimalkan kemacetan dan mengoptimalkan produksi efisiensi.​

Manajemen risiko

Saat ini, AI dapat dimanfaatkan untuk menganalisis data historis, kondisi pasar, pola cuaca, dan peristiwa geopolitik, serta sumber data lainnya, untuk mengidentifikasi potensi risiko rantai pasokan. Namun, alih-alih membuat dasbor yang sudah terisi sebelumnya, misalnya, GenAI dapat diminta untuk membuat penilaian risiko, simulasi skenario, dan strategi mitigasi sesuai permintaan untuk membantu perencana mengelola dan memitigasi risiko secara proaktif.

Rencana produksi

AI membantu merencanakan produksi dan penjadwalan dengan mempertimbangkan faktor-faktor seperti perubahan pelanggan, kapasitas produksi, ketersediaan sumber daya, dan prioritas pesanan.​ Mirip dengan kemampuan perkiraan permintaannya, GenAI dapat membuat rencana produksi, menjadwalkan urutan, dan mengalokasikan sumber daya secara efektif untuk meminimalkan kemacetan dan mengoptimalkan efisensi produksi.​

Meskipun GenAI adalah alat yang ampuh dengan keterbatasan tertentu, ini bukanlah sebuah strategi. Fokus pada nilai bisnis dan tentukan peta jalan untuk membentuk dan memberi dampak pada organisasi, dipandu oleh empat langkah :

  1. Fokus pada transformasi seluruh domain: Tentukan kasus penggunaan yang berdampak besar, bayangkan ekosistem kohesif yang bersinergi dengan model bisnis tradisional dan membuka berbagai kemungkinan.
  2. Koordinasikan kolaborasi organisasi: Diskusikan implikasinya dan identifikasi keterampilan yang diperlukan di seluruh fungsi, lebih dari sekadar peran teknis.
  3. Tetap berpikiran terbuka dan waspada terhadap risiko: Terapkan inisiatif percontohan pembuktian konsep untuk mempelajari lebih lanjut, mendorong kemenangan cepat dan mengupayakan penerapan yang terukur — sambil tetap memperhatikan kualitas data dan risiko halusinasi.
  4. Tetap terdepan: Jelajahi seni dari segala kemungkinan. Seiring dengan meningkatnya adopsi, perusahaan akan menguji dan menerapkan GenAI di area baru dalam rantai pasokan mereka, seperti rantai pasokan yang berkelanjutan dan bertanggung jawab.

Peranan AI menciptakan value di bidang manufaktur:

Desain produk

Menghasilkan dan mengevaluasi ratusan desain alternatif dengan cepat berdasarkan kriteria yang telah ditentukan, sehingga mempercepat proses inovasi secara signifikan. Hal ini dapat digunakan untuk segala hal mulai dari merancang suku cadang baru untuk mesin hingga menciptakan produk konsumen yang lebih efisien, tahan lama, atau menarik secara estetika.

Pemeliharaan prediktif

Dengan belajar dari data yang dikumpulkan dari mesin di lantai pabrik, model GenAI dapat membuat rencana pemeliharaan baru untuk dikorelasikan dengan waktu ketika peralatan kemungkinan besar mengalami kegagalan. Hal ini memungkinkan produsen untuk menyesuaikan jadwal pemeliharaan hanya jika diperlukan, sehingga mengurangi waktu henti dan biaya sekaligus memperpanjang umur peralatan mereka.

Ilmu dan Teknik Material

GenAI dapat digunakan untuk menemukan material baru dan mengoptimalkan material yang sudah ada. Dengan memproses sejumlah besar data tentang sifat material dan melakukan iterasi pada kombinasi yang berbeda, teknologi ini dapat mengusulkan material baru dengan sifat yang diinginkan atau menyarankan optimalisasi untuk material yang sudah ada. Hal ini dapat mengarah pada terciptanya material yang lebih efisien, berkelanjutan, atau tahan lama di bidang manufaktur.

Kesimpulan

AI dalam manajemen rantai pasokan akan membantu perusahaan menjadi lebih tangguh dan berkelanjutan serta akan mengubah struktur biaya. Meskipun memiliki keterbatasan, AI generatif menghadirkan pengganda dalam hal yang dapat dicapai bersama oleh manusia dan teknologi dalam membangun rantai pasokan yang efisien dan tangguh — baik dalam perencanaan, pengadaan, pembuatan, atau pemindahan. Berkat pembaruan terkini yang membuatnya lebih mudah digunakan dan lebih efektif dalam merealisasikan nilai, organisasi kini dipaksa untuk menentukan bagaimana kemajuan ini akan berdampak pada sektor mereka atau akan menimbulkan risiko gangguan.