چگونه می توان ChatGPT توسط سازندگان برای کمک به کسب و کار خود استفاده کرد؟
هر کسی که یک کامپیوتر داشته باشد و کمی کنجکاو باشد می تواند این سوال را از ابزار هوش مصنوعی آنلاین ChatGPT (AI) مطرح کند. با یک اعلان، چت ربات مجهز به هوش مصنوعی تحول دیجیتال را ستایش خواهد کرد – عصر جدیدی برای صنعت که در آن خدمات مشتری و تولید سرنخ در لبه های برتر وجود دارد.
با این حال، برای طرفداران بخش از جمله شبکه حمایت از رشد تولید کلیولند (MAGNET)، پتانسیل این فناوری برای بهینهسازی زنجیره تامین چشمنواز واقعی است.
اتان کارپ، رئیس و مدیر عامل MAGNET اشاره می کند که در سال های اخیر، مدیریت زنجیره های تامین به طور قابل توجهی چالش برانگیزتر شده است. آسیبپذیریهای موجود در جریان مواد خام و کالاهای تمامشده در اثر همهگیری بدتر شد، ایجاد محصول جدید را مختل کرد و شرکتها را در تلاش برای یافتن پاسخ قرار داد.
در عواقب مداوم پس از COVID-19، شرکت های تولیدی به دنبال استراتژی های زنجیره تامین پایدار هستند که شامل استفاده گسترده از هوش مصنوعی است. توانایی نوآوری ChatGPT برای درک روابط و تجزیه و تحلیل حجم عظیمی از داده ها می تواند نحوه رویکرد این شرکت ها را به همه چیز از فروش گرفته تا تهیه مواد تغییر دهد.
کارپ توضیح میدهد: «عملکرد ChatGPT میتواند دادهها را از سیستمهای موجودی بگیرد و ایمیلی برای تأمینکننده ایجاد کند که میگوید: «ما در تاریخ X به آن نیاز داریم».
به گفته کارپ، در حالی که تعمیر و نگهداری پیشگیرانه شاید مورد بحث ترین مورد استفاده ابزارهای هوش مصنوعی مانند ChatGPT باشد، توانایی های شناسایی الگوی فناوری را می توان برای مسائل زنجیره تامین نیز به کار گرفت.
در تئوری، ربات چت قدرتمند میتواند اختلالات عرضه را پیشبینی کند و به تولیدکنندگان این امکان را میدهد تا برای مشکلات قبل از وقوع برنامهریزی کنند. علاوه بر این، هوش مصنوعی میتواند وظایف معمول در مورد ردیابی سفارش و کنترل کیفیت را خودکار کند، هزینهها را کاهش دهد و کارایی را بهبود بخشد.
در همین حال، دپارتمانهای تولیدی و ذینفعان که قبلاً پوشش داده شده بودند، میتوانند توسط هوش مصنوعی گرد هم آیند. این فناوری صنعت را در زمینه مدیریت ریسک نیز تحت پوشش قرار داده است و به سازندگان قبل از بروز اختلالات عمده در شبکه تامین، زمان لازم را در مورد بلایای طبیعی یا رویدادهای ژئوپلیتیکی می دهد.
کارپ میگوید: سیستمهای برنامهریزی منابع سازمانی (ERP) احتمالاً بهترین برنامه مرتبط با عرضه برای چتبات نوپا هستند. از آنجایی که ERP در فرآیندهای کسب و کار روزانه ادغام می شود، از جمله هوش مصنوعی در آن معادله فقط منطقی است.
کارپ میگوید: «همه این عملکردها در مورد ارتباط با تأمینکنندگان در یک بسته نرمافزاری گنجانده میشوند که قدرتمندتر و کاربرپسندتر میشود».
مایکل گولدر، استاد دانشگاه وسترن رزرواز خودت جلو نگیر
مایکل گولدر، استاد دانشگاه کیس وسترن رزرو (CWRU) به خوبی از امکانات زنجیره تامین به کمک هوش مصنوعی آگاه است. گولدر در کنار وظایف خود به عنوان استاد در CWRU، برنامه مدیریت زنجیره تامین کارشناسی ارشد کالج را نیز رهبری می کند.
گولدر در حرفه قبلی خود بر شبکه تامین JoAnn Fabrics مستقر در هادسون نظارت داشت و به او درک کاملی از سیستم پیچیده ای داد که با مواد خام شروع می شود و زمانی که کاربر محصول نهایی را دریافت می کند به پایان می رسد. او می گوید که مدیریت عرضه به درستی هزینه ها را کاهش می دهد و منجر به چرخه تولید کارآمدتر می شود.
با توجه به اینکه خطوط عرضه در طول COVID-19 چقدر شکننده شدند، استفاده از هوش مصنوعی و یادگیری ماشین برای تقویت سیستم یک انتخاب واضح به نظر می رسد.
با این حال، هیاهوی بی حد و حصر پیرامون هوش مصنوعی، پروفسور CWRU را به یاد رونق اینترنت در اواخر دهه 1990 و رکود متعاقب آن می اندازد.
گولدر میگوید: «درباره سرعت تکمیل و تجاریسازی این فناوریها تخمین بسیار زیادی وجود دارد. بیش از 10 سال طول کشید تا اینترنت به بلوغ برسد، و به همین ترتیب بیش از آنچه مردم فکر می کنند برای بلوغ هوش مصنوعی طول می کشد.
اگرچه گولدر در مورد تأثیرات فوری هوش مصنوعی محتاط است، اما دلایلی برای هیجان زده شدن در مورد آینده این فناوری وجود دارد. هوش مصنوعی می تواند به مجموعه داده های زنجیره تامین بزرگ تغذیه شود و هزاران متغیر قابل اجرا را برگرداند.
گولدر میگوید: «زیبایی یادگیری ماشینی در این است که متغیرهایی را تعیین میکند که بیشترین معنا را دارند. زمانی که فناوری به بلوغ رسید، این پیش بینی زنجیره تامین را متحول خواهد کرد.
مدیریت موجودی و حمل و نقل شرایط دیگری هستند که هوش مصنوعی می تواند در آن بدرخشد. در سمت حمل و نقل، هوش مصنوعی میتواند مسیرهای تحویل بهینه یا پنجرههای دقیقی را برای کامیونها برای رسیدن یا خروج از یک مرکز حملونقل مشخص کند..
گولدر میگوید: «شرکتها مدلی در مورد اینکه چه محصولاتی در چه بخشهایی از کشور به فروش میرسند، خواهند داشت، سپس با دانستن خواستهها شروع به ارسال آن کالاها میکنند. ” [AI] مدلها به مرور زمان یاد میگیرند و بهتر میشوند.»
رئیس و مدیر عامل شرکت مگنت، ایتان کارپشرط بندی روی هوش مصنوعی
در حال حاضر، بیشتر سازمان ها پیچیدگی لازم برای استفاده از فناوری های نوظهور هوش مصنوعی را ندارند. گولدر می گوید، هر شرکت تولیدی که علاقه مند به دنبال کردن طرح های دیجیتال است، باید بداند که چگونه ارزش کامل نوآوری را به دست آورد.
این به معنای تجزیه و تحلیل هدفمند به جای آزمایش نیمه کاره با برنامه ای مانند ChatGPT است. گولدر میگوید که انتظار دارد استعدادهایی در اطراف پایتون و سایر زبانهای برنامهنویسی با توجه به رشد هوش مصنوعی در تولید و فراتر از آن مورد تقاضا باشد.
گولدر میگوید: «رهبران کسبوکار میخواهند مهارتهای تحلیلی بسیار توسعهیافتهای داشته باشند – اگر آن شخص پایتون را نشناسد، کسی را استخدام نمیکنند. «آن مهارتها اکنون در جدول هستند. اگر من یک فرد جوان در زنجیره تامین یا یک مدیر میانی بودم، روی آن ابزارها شرط بندی می کردم.
کارپ MAGNET موافق است که ChatGPT را نمی توان فقط به شبکه زنجیره تامین یک شرکت “پیچ” کرد. به سادگی با دادن چند دستور به چت بات، اشتباهات مربوط به تفکر آن آشکار می شود.
کارپ استدلال میکند: «در نهایت، شبیه یک شخص به نظر میرسد و باعث میشود باور کنید که مانند یک شخص فکر میکند، اما فقط اطلاعات را میگیرد و آنها را در هم میکوبد، بدون اینکه فکری به ذهنتان برسد».
جدای از احتیاط ها، کارپ نمی تواند از مزایای اصلی هوش مصنوعی برای زنجیره تامین تولید هیجان زده نشود.
کارپ میگوید: «سالها صحبتهایی درباره هوش مصنوعی وجود دارد، اما این موضوع آن را برای مردم واقعی میکند. “زنجیره تامین [for this tech] منطقی است، زیرا ارتباطات زیادی وجود دارد که به عقب و جلو می رود. زمان واقعی تر [we can get]، بهتر.”