- การระบาดใหญ่ของโควิด-19 แสดงให้เห็นว่าซัพพลายเชนทั่วโลกเปราะบางเพียงใด
- ในอุตสาหกรรมเฟอร์นิเจอร์ ยอดขายช่วงต้นการระบาดทำสถิติสูงสุด แต่ระยะหลังมีหลายบริษัทล้มละลายจากการขาดแคลนตู้คอนเทนเนอร์ วัตถุดิบขาดตลาด และการรับชิ้นส่วนสำคัญล่าช้า
- แม้วิกฤติซัพพลายเชนครั้งใหญ่ที่สุดจะผ่านพ้นไปแล้ว แต่ระดับของการสะดุดและความสับสนได้กลายเป็นเรื่องปกติในชีวิตประจำวัน
- คาดว่าความเสียหายจากการหยุดชะงักของซัพพลายเชนในช่วงหลายปีที่ผ่านมาอยู่ที่ราว $1.6tn
- เมื่อดูข้อมูลการหยุดชะงักของซัพพลายเชนตลอด 10 ปี โดยเฉลี่ยแล้วบริษัทอาจสูญเสียกำไรราวครึ่งหนึ่งของกำไรทั้งปี
3 ปัจจัยของความปั่นป่วนในซัพพลายเชน
-
เครื่องมือสื่อสารที่พึ่งพาข้อมูลแบบไม่มีโครงสร้าง
- ข้อมูลแบบไม่มีโครงสร้าง เช่น อีเมล ข้อความ และเอกสารสแกน มีข้อมูลสำคัญอยู่มาก แต่ยากต่อการดึงออกมาและวิเคราะห์อย่างเป็นระบบ ทำให้การสื่อสารกับซัพพลายเออร์ซับซ้อนขึ้น
- ตัวอย่าง: Tesla มองข้ามข้อมูลเรื่องการขาดแคลนชิปในอีเมล จนเกิดความล่าช้าในการผลิต และในไตรมาส 3 ปี 2021 มีผลกระทบต่อการผลิต 190,000 คัน
-
ระบบ EDI ที่ล้าสมัยและนำไปใช้ไม่สม่ำเสมอ
- EDI เป็นระบบแลกเปลี่ยนไฟล์เอกสารธุรกิจที่เริ่มใช้มาตั้งแต่ทศวรรษ 1960 และได้รับการนำไปใช้อย่างแพร่หลายโดยผู้ผลิตรายใหญ่ในทศวรรษ 1990
- ตัวอย่าง: บริษัทขนาดใหญ่อย่าง La-Z-Boy ใช้ EDI เพื่อส่งคำสั่งซื้อโซฟาหนัง 50,000 ตัวไปยังซัพพลายเออร์ต่างประเทศ และให้ทีมจัดซื้อเปรียบเทียบราคาเสนอ
- ในทางกลับกัน ธุรกิจขนาดกลางและเล็กนำ EDI มาใช้ได้ยาก จึงประสบปัญหาในการเจรจากับซัพพลายเออร์ต่างประเทศผ่านหลายช่องทางและหลายแพลตฟอร์มเป็นเวลาหลายวัน
-
ดาต้าไซโลที่เกิดจากการใช้ระบบจัดการซอฟต์แวร์หลายตัว
- การใช้ซอฟต์แวร์หลายประเภท เช่น ERP, WMS, TMS ทำให้เกิดดาต้าไซโลที่ขัดขวางการมองเห็นซัพพลายเชนแบบ end-to-end
- ตัวอย่าง: Unilever เกิดความคลาดเคลื่อนของสต็อกจากการที่ ERP และ WMS ไม่สื่อสารกัน ส่งผลให้ในปี 2022 สินค้าขาดสต็อกทั่วโลกเพิ่มขึ้น 23% และสต็อกส่วนเกินเพิ่มขึ้น 17%
โอกาสทางตลาด $62b ที่ AI ทำได้
- Gartner คาดว่าการใช้จ่ายรายปีด้านซอฟต์แวร์บริหารซัพพลายเชนจะเติบโตจาก $29b ในปี 2023 เป็น $62b ในปี 2028 หรือคิดเป็น CAGR 16.3%
- สตาร์ทอัพ AI ที่มีนวัตกรรม วางตำแหน่งได้ดี และเคลื่อนไหวรวดเร็ว มีโอกาสเข้าครองตลาดนี้
- AI สามารถจัดหมวดหมู่ข้อมูลภาพ ตัวเลข และข้อความ รวมถึงจำลองสถานการณ์ที่ซับซ้อนได้ด้วยความแม่นยำสูง
- ตัวอย่าง: ระบบคอมพิวเตอร์วิทัศน์สามารถตรวจสอบผลิตภัณฑ์บนสายการประกอบและระบุข้อบกพร่องได้สม่ำเสมอกว่ามนุษย์
- อัลกอริทึมแมชชีนเลิร์นนิงสามารถวิเคราะห์ทุกอย่างตั้งแต่รูปแบบการซื้อในอดีตไปจนถึงความปั่นป่วนทางการเมือง สภาพแรงงาน และสภาพอากาศ เพื่อคาดการณ์อุปสงค์ได้อย่างแม่นยำอย่างที่ไม่เคยมีมาก่อน
3 พื้นที่ที่มีแนวโน้มสูงสุดสำหรับการนำ AI มาใช้
- การจัดซื้อ (Procurement): การจัดหาและจัดเตรียมสินค้าที่จำเป็นต่อการดำเนินธุรกิจ
- ซัพพลายเออร์อินเทลลิเจนซ์ (Supplier Intelligence): การรวบรวมข้อมูลเพื่อประเมินและเพิ่มประสิทธิภาพความสัมพันธ์กับซัพพลายเออร์
- การวางแผนอุปสงค์ (Demand Planning): การคาดการณ์ความต้องการของลูกค้าในอนาคตเพื่อให้มีอุปทานที่เหมาะสม
เหตุใดจึงเหมาะอย่างยิ่งกับระบบอัตโนมัติด้านการจัดซื้อ
- การจัดซื้อมีความสำคัญต่อการรักษาอุปทานวัตถุดิบให้มีเสถียรภาพ การดูแลความสัมพันธ์กับซัพพลายเออร์ และการปรับปรุงมาร์จิ้น
- สตาร์ทอัพอย่าง Tonkean กำลังทำให้กระบวนการจัดซื้อส่วนใหญ่เป็นอัตโนมัติ เช่น การต่ออายุสัญญาหรือการประมวลผลใบแจ้งหนี้
- RPA สามารถทำกระบวนการป้อนข้อมูลแบบอิงกฎให้เป็นอัตโนมัติได้ แต่ไม่สามารถจัดการข้อมูลแบบไม่มีโครงสร้างได้
- สตาร์ทอัพ AI อย่าง Didero, Lighthouz AI, Soff กำลังดึงอินไซต์ที่ซ่อนอยู่ในอีเมลและ PDF ออกมา
- Pulse AI กำลังสร้างเสิร์ชเอนจินสำหรับค้นหาข้อมูลแบบไม่มีโครงสร้างเพื่อตอบคำถามเกี่ยวกับซัพพลายเชน
- Mandel AI กำลังพัฒนาเอเจนต์ซัพพลายเชนที่อัปเดต ERP โดยอัตโนมัติเมื่อ lead time ของซัพพลายเออร์และราคามีการเปลี่ยนแปลง
วิธีเสริมความแข็งแกร่งให้ Supplier Intelligence ด้วย AI
- การค้นหาซัพพลายเออร์ที่ดีที่สุดต้องพิจารณาทั้งข้อกำหนดด้านการปฏิบัติตามกฎ ระดับราคาเสนอ และการเปลี่ยนแปลงของตลาด
- นอกจากนี้ การมีซัพพลายเออร์หลายรายยังช่วยเพิ่มความยืดหยุ่นของซัพพลายเชนต่อแรงกระแทกอย่างโควิด-19 หรือสงครามรัสเซีย-ยูเครน
- AI ทำให้เกิดการทำแผนที่และการจับคู่ซัพพลายเออร์อย่างชาญฉลาด แทนที่จะเป็นเพียงช่องค้นหาแบบธรรมดา
- Altana เป็นผู้นำในด้านนี้ โดยได้สร้าง value chain อัจฉริยะครอบคลุมหลายชั้นของซัพพลายเชน และมีผู้ช่วย LLM สำหรับการสอบถามข้อมูลเกี่ยวกับซัพพลายเออร์เฉพาะราย
- Keelvar, Fairmarkit และรายอื่น ๆ ก็มีแพลตฟอร์มที่ขับเคลื่อนด้วย AI เพื่อช่วยให้ทีมจัดซื้อจัดหาซัพพลายเออร์ได้ง่ายขึ้น
- ล่าสุด ผู้เล่นหน้าใหม่อย่าง Kipo AI, Terra ก็กำลังสร้างแพลตฟอร์มสำหรับจับคู่บริษัทกับซัพพลายเออร์
การวางแผนอุปสงค์ไปไกลกว่าข้อมูลในอดีต
- การคาดการณ์การเปลี่ยนแปลงของอุปทานและอุปสงค์สามารถช่วยป้องกันไม่ให้ความผิดปกติในซัพพลายเชนส่งผลกระทบต่อผู้บริโภค
- ซอฟต์แวร์วางแผนแบบดั้งเดิมคาดการณ์โดยอาศัยข้อมูลในอดีตเป็นหลัก ซึ่งอาจไม่เพียงพอในตลาดและสถานการณ์ภูมิรัฐศาสตร์ที่เปลี่ยนแปลงรวดเร็ว
- AI สามารถยกระดับความสามารถในการวางแผนได้โดยพิจารณาทั้งข้อมูลในอดีตและแนวโน้มตลาดปัจจุบัน
- งานวิจัยระบุว่า AI สามารถระบุค่าผิดปกติและจัดประเภทเป็นสิ่งที่เกี่ยวข้องได้ จึงตรวจจับกรณี "การซื้อด้วยความตื่นตระหนก" เช่น การกักตุนกระดาษชำระในช่วงการระบาดใหญ่ได้
- McKinsey ระบุว่า การวางแผนซัพพลายเชนอัตโนมัติสามารถเพิ่มรายได้ได้สูงสุด 4% และลดต้นทุนได้สูงสุด 10%
- Ikigai ใช้โมเดลกราฟขนาดใหญ่ที่จดสิทธิบัตรเพื่อเชื่อมโยงแหล่งข้อมูลที่แยกจากกันและสร้างการคาดการณ์กับสถานการณ์จำลอง
- สตาร์ทอัพอย่าง Spherecast ก็เข้าสู่พื้นที่การวางแผนเช่นกัน โดยสร้างเอนจินสำหรับจัดการหลายช่องทางและสร้างการคาดการณ์อุปสงค์แบบละเอียดในหลายระดับ
พลิกโฉมซัพพลายเชนด้วย AI
- ในแวดวงซัพพลายเชนมีองค์ประกอบ 2 อย่างที่ดึงดูดสตาร์ทอัพ AI ได้แก่ ระบบจัดการซอฟต์แวร์ที่แยกส่วนเป็นไซโล และข้อมูลแบบไม่มีโครงสร้างจำนวนมหาศาล
- ไม่ว่าจะเป็นด้านการจัดซื้อ ซัพพลายเออร์อินเทลลิเจนซ์ หรือการวางแผนอุปสงค์ AI มีแนวโน้มจะทั้งพลิกเกมและเสริมความแข็งแกร่งให้ซัพพลายเชนในอีกหลายปีข้างหน้า
ความเห็นของ GN⁺
- มีสตาร์ทอัพจำนวนมากขึ้นที่ผสานเทคโนโลยี AI เข้ากับซอฟต์แวร์บริหารซัพพลายเชน ซึ่งเปิดโอกาสใหม่ในการยกระดับวิธีบริหารซัพพลายเชนแบบเดิมที่เคยขาดตอนและไม่มีประสิทธิภาพให้เปลี่ยนแปลงไปพร้อมกับพัฒนาการของ AI
- โดยเฉพาะในด้านการจัดซื้อ ซัพพลายเออร์อินเทลลิเจนซ์ และการวางแผนอุปสงค์ เทคโนโลยี AI คาดว่าจะมีบทบาทอย่างมากในการทำให้กระบวนการเดิมเป็นอัตโนมัติและเพิ่มประสิทธิภาพ เพราะการจัดการข้อมูลแบบไม่มีโครงสร้างและการจำลองสถานการณ์ซับซ้อนคือจุดแข็งของ AI
- อย่างไรก็ตาม ซัพพลายเชนเป็นพื้นที่ที่ซับซ้อนมากและเกี่ยวข้องกับผู้มีส่วนได้ส่วนเสียหลากหลายฝ่าย จึงมีหลายประเด็นที่ต้องพิจารณาอย่างรอบคอบเมื่อจะนำ AI มาใช้ เช่น การจัดการคุณภาพข้อมูล การป้องกันอคติของอัลกอริทึม และการสร้างระบบการทำงานร่วมกันระหว่างมนุษย์กับ AI
- ที่สำคัญ AI เป็นเพียงเครื่องมือช่วยตัดสินใจเท่านั้น ความรับผิดชอบสุดท้ายยังคงอยู่ที่มนุษย์ ต้องไม่ลืมว่าการตัดสินใจที่สมดุลควรอาศัยทั้งประสบการณ์และอินไซต์ของผู้เชี่ยวชาญ ไม่ใช่ทำตามสิ่งที่ AI แนะนำอย่างไร้การไตร่ตรอง
- โดยสรุป เทคโนโลยี AI อาจเป็น game changer ที่ช่วยแก้ปัญหาความไร้ประสิทธิภาพของการบริหารซัพพลายเชนและทำให้การเพิ่มประสิทธิภาพเป็นไปได้จริง แต่สิ่งที่จำเป็นคือการใช้งานอย่างมีกลยุทธ์ให้สอดคล้องกับเป้าหมายทางธุรกิจ มากกว่าการเชื่อมั่นในตัวเทคโนโลยีอย่างสุดโต่ง
1 ความคิดเห็น
AI จะนำสิ่งนี้ไปทำให้เป็นจริงได้อย่างไรนะ? อืม.. ยังไม่ค่อยรู้สึกร่วมเท่าไหร่เลย ห่วงโซ่อุปทานเป็นปัญหาที่มีทั้งมิติทางกายภาพ จับต้องได้ และการเมือง ดังนั้นการบอกว่าจะแก้ด้วยซอฟต์แวร์ก็ดูน่าแปลกใจอยู่เหมือนกัน