AI Trở Lại Trong Bài Học Chuỗi Cung Ứng Từ Tỷ Lệ Thất Bại 95 Phần Trăm
Emily Johnson
Trong một cuộc khảo sát ngành gần đây, một con số đáng báo động đã xuất hiện: **95% các tổ chức đầu tư từ **30 tỷ đến 40 tỷ đô la vào trí tuệ nhân tạo tạo sinh đang báo cáo không có lợi tức đo lường được. Chỉ riêng tiêu đề này đã gây lo ngại trên nhiều lĩnh vực mà biên lợi nhuận mỏng và việc áp dụng công nghệ cần được chứng minh nhanh chóng. Tuy nhiên, dữ liệu cũng cho thấy một lộ trình rõ ràng cho số ít những đơn vị đã biến các khoản đầu tư đó thành lợi ích hữu hình.
Gốc rễ của vấn đề là một khoảng cách kiến thức bao trùm cả bản thân công nghệ và văn hóa tổ chức cần thiết để khai thác nó. Nhiều nhà lãnh đạo cho rằng AI có thể đơn giản thay thế phán đoán của con người, nhưng thực tế là công nghệ này phát huy tối đa hiệu quả khi nó bổ sung, chứ không thay thế, chuyên môn của con người. Những kỳ vọng không phù hợp—tập trung vào các dự án có tính hiển thị cao thay vì các chức năng có giá trị cao—dẫn đến việc triển khai trông ấn tượng nhưng mang lại ít giá trị. Bài học rút ra là AI phải được tích hợp với sự hiểu biết rõ ràng về quy trình làm việc của con người mà nó hỗ trợ, đảm bảo rằng mỗi bước của quy trình được nâng cao chứ không bị gián đoạn.
Một thành phần quan trọng của việc tích hợp thành công là mô hình “con người trong vòng lặp”. Khi con người được lồng ghép một cách chu đáo vào các quy trình làm việc của AI, họ có thể xác minh tính chính xác, sửa lỗi và cung cấp những hiểu biết theo ngữ cảnh mà tự động hóa thuần túy không thể làm được. Sự hợp tác giữa phán đoán của con người và tốc độ của máy móc chính là điều biến dữ liệu thô thành các quyết định có thể hành động. Trên thực tế, điều này có nghĩa là thiết kế các công cụ AI hoạt động song song với người vận hành, cho phép họ tập trung vào các nhiệm vụ cấp cao hơn trong khi hệ thống xử lý việc xử lý dữ liệu thường xuyên.
Số ít các tổ chức đạt được lợi tức đầu tư vào AI đều chia sẻ một số chiến lược chung. Họ hợp tác với các nhà cung cấp bên ngoài chuyên biệt thay vì cố gắng tự xây dựng các giải pháp nội bộ, đảm bảo rằng công nghệ được điều chỉnh theo các quy trình và bộ dữ liệu cụ thể của họ. Họ cũng so sánh kết quả với các chỉ số hoạt động được lấy từ các nhà quản lý tuyến đầu, tạo ra một vòng phản hồi từ dưới lên để liên kết trách nhiệm của ban điều hành với hiệu suất hàng ngày. Cách tiếp cận này giúp đẩy nhanh việc áp dụng đồng thời duy trì sự phù hợp với các quy trình làm việc hiện có.
Khám Phá Thêm Bài Viết
Việc triển khai các giải pháp hỗ trợ hậu cần thường mang lại thời gian hoàn vốn nhanh nhất, với những cắt giảm chi phí rõ ràng mà không làm giảm quy mô lực lượng lao động. Trên thực tế, những triển khai thành công nhất đã cho thấy AI có thể tăng tốc công việc mà không cần thu hẹp đội ngũ hay ngân sách. Các hoạt động vận hành, vốn thường bị bỏ qua, đã nổi lên là chức năng mang lại ROI cao nhất. Những lợi ích này minh họa rằng giá trị của AI nằm ở việc cải thiện hiệu quả và độ chính xác, chứ không phải ở việc tự động hóa thay thế con người.
Một ví dụ cụ thể về các nguyên tắc này có thể được tìm thấy trong việc tối ưu hóa kho bãi. Một nhà bán lẻ hàng đầu với một nhà kho lớn duy nhất ở Nam California đã đối mặt với những hạn chế về mặt vật lý làm giới hạn năng suất. Bằng cách tích hợp AI tạo sinh với phân tích thị giác máy tính, tổ chức này đã cho phép nhân viên của mình tự động tạo ra dữ liệu chất lượng—hình ảnh, mô tả, đánh giá tình trạng và phân loại vật liệu—dựa trên các thuộc tính sản phẩm toàn diện. Kết quả là giảm đáng kể thời gian cần thiết để di chuyển hàng tồn kho từ khâu tiếp nhận đến bán lại, đạt được với cùng số lượng nhân sự và cùng không gian vật lý. Năng suất tăng lên, chi phí giảm và hiệu quả hoạt động của nhà kho được cải thiện rõ rệt.
Tuy nhiên, việc mở rộng những lợi ích do AI thúc đẩy này lại mang đến những thách thức mới. Việc tập trung hóa dữ liệu trên toàn tổ chức có thể gây quá tải cho các đội ngũ CNTT nhỏ, đặc biệt khi nhiều đơn vị kinh doanh—sản xuất, tuân thủ, bán hàng—đồng thời yêu cầu hỗ trợ từ AI. Nút thắt cổ chai này nhấn mạnh tầm quan trọng của các mối quan hệ đối tác chiến lược có thể mở rộng cùng với nhu cầu đang phát triển của tổ chức. Thay vì xây dựng vì mục đích xây dựng, các công ty nên liên kết các sáng kiến AI với các kết quả kinh doanh rõ ràng, đảm bảo rằng mọi quy trình và mô hình đều hỗ trợ trực tiếp các mục tiêu hoạt động.
Bài học rộng lớn hơn dành cho các nhà lãnh đạo chuỗi cung ứng là đầu tư vào AI phải được định hình xung quanh tác động hoạt động, chứ không phải sự mới lạ về công nghệ. Thành công phụ thuộc vào một cách tiếp cận kỷ luật, kết hợp chuyên môn của con người với trí tuệ máy móc, tận dụng các đối tác bên ngoài chuyên môn và đo lường tiến độ dựa trên các chỉ số hiệu suất tuyến đầu. Bằng cách áp dụng các phương pháp hay nhất này, các tổ chức có thể biến AI từ một thử nghiệm tốn kém thành một động lực đáng tin cậy cho hiệu quả, tính bền vững và khả năng sinh lời.
Đang tải bình luận...