एआई लाभ समझाते हुए

 

लॉजिस्टिक्स प्रौद्योगिकी में पारदर्शिता, एकीकरण और विश्वास निर्णायक क्यों बन रहे हैं? पीटर मैकलियोड एक विशेषज्ञ से बात करते हैं।

इस वर्ष के LogiMAT में, यदि कोई ऐसा विषय था जो अन्य की तुलना में शोर को अधिक स्पष्ट रूप से काटता है, तो वह गति होगी। न केवल संचालन की गति, बल्कि तैनाती की गति, नवाचार की गति और अंततः सबसे बड़ी बात: निवेश पर वापसी की गति। इन्फॉर्म सॉफ्टवेयर के लिए, यह चर्चा तेजी से एक व्यापक प्रश्न की ओर ले जाती है: लॉजिस्टिक्स संगठन पारदर्शिता, नियंत्रण या विश्वास खोए बिना अधिक बुद्धिमान सिस्टम कैसे अपना सकते हैं?

 

स्टटगार्ट में व्यस्त शो फ्लोर पर मुझसे बात करते हुए, इनफॉर्म के एसवीपी इन्वेंटरी एंड सप्लाई चेन, डॉ. बर्नड हेनरिक्स ने बताया कि कंपनी आपूर्ति श्रृंखला और इंट्रालॉजिस्टिक्स वातावरण में कृत्रिम बुद्धिमत्ता को कैसे विकसित होती हुई देखती है।

 

अनुकूलन परत का विस्तार

इन्फॉर्म लंबे समय से जटिल, डेटा-संचालित वातावरण में अनुकूलन से जुड़ा हुआ है। लेकिन जैसे-जैसे बाजार अधिक अस्थिर होते जा रहे हैं, अनुकूलन प्रणालियों को तेजी से प्रतिक्रिया करने, अधिक संकेतों को शामिल करने और अधिक गतिशील निर्णय लेने का समर्थन करने के लिए कहा जा रहा है।

यह बदलाव ऐसे वातावरण में विशेष रूप से प्रासंगिक है जहां निर्णय अन्योन्याश्रित होते हैं। मांग योजना में बदलाव से इन्वेंट्री, परिवहन क्षमता, श्रम आवंटन या सेवा स्तर प्रभावित हो सकते हैं। ऑपरेशन के एक भाग में की गई अनुशंसा अन्यत्र परिणाम उत्पन्न कर सकती है, जो दिन-प्रतिदिन के उपयोग के लिए पारदर्शिता को आवश्यक बनाती है।

हेनरिक्स के लिए, यहीं पर लॉजिस्टिक्स में एआई को अपना व्यावहारिक मूल्य साबित करना होगा। वे कहते हैं, "मैं एआई के बारे में बात नहीं करता। मैं समझाने योग्य एआई के बारे में बात करता हूं।" "हम जो कुछ भी करते हैं, जो कुछ भी हम प्रस्तावित करते हैं, उसकी एक व्याख्या होती है। अन्यथा, लोग इस पर भरोसा नहीं करते हैं।"

एक व्यावहारिक आवश्यकता के रूप में भरोसा करें

विभिन्न उद्योगों के ग्राहकों के साथ बातचीत में, वह कहते हैं कि एक ही सवाल बार-बार उठता है: "सिस्टम ने उस विकल्प को क्यों चुना, दूसरे को क्यों नहीं?"

 

प्रश्न मायने रखता है क्योंकि लॉजिस्टिक निर्णय शायद ही कभी केवल प्रौद्योगिकी द्वारा किए जाते हैं। इनमें योजनाकार, प्रबंधक, संचालन दल और, कई मामलों में, ग्राहक या बाहरी भागीदार शामिल होते हैं। यदि ये हितधारक एआई समर्थित अनुशंसा के पीछे के तर्क का पालन नहीं कर सकते हैं, तो उनके इस पर कार्रवाई करने की संभावना कम है।

 

हेनरिक्स के लिए, यह यूरोपीय प्रौद्योगिकी प्रदाताओं के लिए भेदभाव का एक सार्थक बिंदु बन सकता है। वे कहते हैं, ''हम एआई को किसी अन्य के जितना ही अच्छा बना सकते हैं, लेकिन हम कुछ अलग भी जोड़ सकते हैं।'' "यह एक ब्लैक बॉक्स नहीं होना चाहिए।"

जैसे-जैसे कंपनियां एआई अनुप्रयोगों को स्थापित व्यावसायिक प्रक्रियाओं में एम्बेड करना चाहती हैं, यह अंतर तेजी से महत्वपूर्ण हो जाता है। सिस्टम को तकनीकी रूप से मजबूत होने की आवश्यकता है, लेकिन उन्हें इतना समझने योग्य भी होना चाहिए कि उपयोगकर्ता समय के साथ उन्हें चुनौती दे सकें, मान्य कर सकें और उनमें सुधार कर सकें।

 

कम पूर्वानुमानित वातावरण का प्रबंधन

अकेले ऐतिहासिक डेटा के साथ परिचालन वातावरण की योजना बनाना कठिन होता जा रहा है। मांग के पैटर्न में बदलाव होता है, बाहरी कारक हस्तक्षेप करते हैं और बाजार की स्थितियां तेजी से बदल सकती हैं, अक्सर इससे पहले कि वे बदलाव संख्याओं में स्पष्ट रूप से दिखाई दें। वे कहते हैं, "आपको वास्तविक समय का डेटा इकट्ठा करना होगा और केवल ऐतिहासिक डेटा पर निर्भर नहीं रहना होगा।" "आपको अस्थिरता पर प्रतिक्रिया देनी होगी और विभिन्न स्रोतों से संकेतों को अपने निर्णयों में एकीकृत करना होगा।"

यह अधिक स्थैतिक अनुकूलन मॉडल से प्रतिक्रियाशील सिस्टम की ओर बदलाव का प्रतीक है जो लगातार नई जानकारी को ध्यान में रखता है। उन्होंने आगे कहा, "यह और अधिक गतिशील होता जा रहा है।" "अगला कदम इसे और अधिक एजेंटिक बनाना है - पर्यावरण में होने वाले परिवर्तनों पर स्वयं प्रतिक्रिया करना।"

 

समाचार से पूर्वानुमान तक

LogiMAT में पहली बार प्रस्तुत किया गया एक उदाहरण Inform एक नया AI आधारित दृष्टिकोण है जिसे बाहरी घटनाओं को सीधे पूर्वानुमान और परिदृश्य योजना में लाने के लिए डिज़ाइन किया गया है। हेनरिक्स का कहना है कि शुरुआती बिंदु एक सरल प्रश्न था: पूर्वानुमान मॉडल अक्सर इस बात को नज़रअंदाज़ क्यों करते हैं कि उनके आसपास की दुनिया में क्या हो रहा है?

 

"यदि आप आज शास्त्रीय पूर्वानुमान चलाते हैं, तो यह ऐतिहासिक आंकड़ों पर आधारित है," वह बताते हैं। "लेकिन वास्तव में, मांग लगातार भू-राजनीतिक संघर्ष, आपूर्ति श्रृंखला व्यवधान, नए विनियमन या बाजार के रुझान जैसी घटनाओं से प्रभावित होती है। यह जानकारी मौजूद है, लेकिन आमतौर पर समाचार के रूप में, संख्या के रूप में नहीं।"

नया समाधान उस अंतर को पाटने के लिए डिज़ाइन किया गया है। उपयोगकर्ता एक समय श्रृंखला प्रदान करते हैं, जैसे बिक्री के आंकड़े या बाजार संकेतक, और संक्षेप में संदर्भ का वर्णन करते हैं। इसके बाद एआई प्रासंगिक समाचार घटनाओं पर शोध करता है, ऐतिहासिक संबंधों का विश्लेषण करता है और भविष्य के कई संभावित परिदृश्य तैयार करता है। परिणाम एक पूर्वानुमान है जिसके साथ साक्ष्य आधारित स्पष्टीकरण भी है कि एक बाज़ार विभिन्न दिशाओं में क्यों विकसित हो सकता है।

लूप में मानव

हेनरिक्स (नीचे चित्रित) के लिए, एआई के बारे में चर्चा भी सीधे मानव विशेषज्ञता की भूमिका की ओर ले जाती है। एआई पैटर्न की पहचान कर सकता है, बड़ी मात्रा में जानकारी संसाधित कर सकता है और गति से परिदृश्य तैयार कर सकता है। लेकिन इसका मूल्य तब बढ़ जाता है जब लोग अनुभव, संदर्भ और निर्णय जोड़ सकते हैं जो डेटा अकेले प्रदान नहीं कर सकता है।

वे कहते हैं, "एआई केवल उतना ही अच्छा है जितना डेटा के साथ यह काम करता है और जो लोग उस डेटा को अर्थ देने में सक्षम हैं।" "यही कारण है कि मानव पाश का एक अनिवार्य हिस्सा बना हुआ है।"

व्यवहार में, इसका मतलब है कि योजनाकारों और निर्णयकर्ताओं को प्रक्रिया से नहीं हटाया जाता है। वे इसके केंद्र में रहते हैं। उनकी भूमिका परिदृश्यों को मान्य करना, धारणाओं पर सवाल उठाना और परिचालन ज्ञान या बाजार अंतर्ज्ञान के आधार पर आउटपुट को परिष्कृत करना है।

 

हेनरिक्स बताते हैं, "अगर लोग समझते हैं कि सिस्टम किसी चीज की सिफारिश क्यों करता है, तो वे तय कर सकते हैं कि उस पर भरोसा करना है या नहीं, उस पर सवाल उठाना है या उसमें सुधार करना है।" "यही वह जगह है जहां मानव निर्णय और मशीन बुद्धि के बीच सहयोग वास्तव में शक्तिशाली हो जाता है।"

 

एकीकरण और अंतरसंचालनीयता

ग्राहक चर्चा में एक और सुसंगत विषय एकीकरण है। जैसे-जैसे लॉजिस्टिक्स ऑपरेशन अधिक परस्पर जुड़े होते जा रहे हैं, एआई संचालित अनुप्रयोगों को मौजूदा सिस्टम से जोड़ने की क्षमता आवश्यक होती जा रही है। "हमें हमेशा यह प्रश्न मिलता है: मैं अपने ईआरपी सिस्टम, अपने अन्य समाधानों के साथ कैसे एकीकृत होऊं?" हेनरिक्स मुझसे कहते हैं। इनफॉर्म की प्रतिक्रिया कनेक्टर्स को मानकीकृत करने और एसएपी और माइक्रोसॉफ्ट जैसे प्रमुख प्लेटफार्मों के साथ संरेखित करने की रही है। परिणाम एक अधिक सरल एकीकरण पथ है, जो लागत और कार्यान्वयन समय दोनों को कम करता है।

 

"इससे बहुत फर्क पड़ता है," वह आगे कहते हैं। "और इससे हमारे लिए अंतरराष्ट्रीय स्तर पर विस्तार करना भी आसान हो जाता है।"
एआई को अपनाने में यह एक महत्वपूर्ण बिंदु है। यहां तक ​​कि सबसे उन्नत एप्लिकेशन भी मूल्य बनाने के लिए संघर्ष करेगा यदि वह उन प्रणालियों से अलग बैठता है जहां व्यवसाय प्रक्रियाएं वास्तव में प्रबंधित होती हैं। लॉजिस्टिक्स कंपनियां पहले से ही स्थापित आईटी परिदृश्य के साथ काम करती हैं, और नए समाधानों को अतिरिक्त जटिलता पैदा किए बिना उन वातावरणों में फिट होना चाहिए।

 

 

डेटा जिम्मेदारी

बढ़ती कनेक्टिविटी और डेटा उपयोग के साथ सुरक्षा के इर्द-गिर्द जांच बढ़ गई है। साइबर सुरक्षा में हेनरिक्स की पृष्ठभूमि इस मुद्दे पर एक मजबूत रुख की जानकारी देती है। वह कहते हैं, ''प्रत्येक उत्पाद पर बाहर जाने से पहले एक सुरक्षा मोहर लगी होनी चाहिए।'' "यह अनिवार्य है।"

जैसे-जैसे एआई मॉडल व्यापक डेटा स्रोतों पर आधारित होते हैं - जिसमें समाचार और बाजार की जानकारी जैसे बाहरी फ़ीड शामिल होते हैं - उस डेटा को प्रबंधित करने और सुरक्षित करने की जटिलता बढ़ती है। हेनरिक्स कहते हैं, "जितना डेटा हम उपयोग कर रहे हैं वह डेटा सुरक्षा के संदर्भ में एक बड़ी मांग पैदा करता है।" "आपको इसके शीर्ष पर रहना होगा।"

 

चलने के लिए तैयार बाज़ार

संभवतः हेनरिक्स का बाजार भावना का आकलन सबसे अधिक चौंकाने वाला है। सावधानी के बजाय, वह प्रयोग और तेजी से प्रगति की बढ़ती भूख देखता है।

वह कहते हैं, ''ग्राहक हमसे विचारों के साथ आने के लिए कह रहे हैं।'' "वे तेजी से जीतने के इच्छुक हैं, तेजी से असफल होने के लिए।" वह खुलापन बुद्धिमान समाधानों के लिए उपजाऊ जमीन तैयार करता है जो बड़े पैमाने पर परिवर्तन परियोजनाओं की जड़ता के बिना ठोस सुधार प्रदान कर सकता है।

 

कई कंपनियों के लिए, डिजिटलीकरण का अगला चरण केवल AI द्वारा परिभाषित नहीं किया जाएगा। इसे एआई द्वारा परिभाषित किया जाएगा जो खुद को समझाता है, मौजूदा सिस्टम से साफ-सुथरा जुड़ता है और उन निर्णयों का समर्थन करता है जिन पर लोग भरोसा कर सकते हैं।