הנחיות לדוגמה מראות היכן בינה מלאכותית יכולה לעזור בעבודה שגרתית ומה המשתמשים צריכים לבדוק שוב
בינה מלאכותית לא צריכה לשלוט במחסן או לחזות הפרעה משמעותית כדי להיות שימושית. מי שעובד בתעשיית שרשרת האספקה יכול להשתמש בכלי בינה מלאכותית כדי להתמודד עם משימות קטנות רבות שממלאות את ימינו.
כלים כמו ChatGPT, Claude ו-Gemini יכולים לארגן מידע, להציע שאלות, לנסח מסמכים שגרתיים ולספק נקודת התחלה לניתוח. עם זאת, הם לא יכולים להבטיח שהתשובות שלהם שלמות או נכונות. מישהו שמבין את העסק ואת ההחלטה שמתקבלת צריך לבדוק כל תגובה של בינה מלאכותית.הדוגמאות הבאות מראות היכן בינה מלאכותית יכולה לסייע בעבודת שרשרת האספקה היומיומית. כל אחת כוללת דוגמת הנחיה ובדיקות שהמשתמשים צריכים לבצע לפני שהם מסתמכים על התגובה.
1. השוואת הצעות ספקים
מה בינה מלאכותית יכולה לעשות: בינה מלאכותית יכולה לארגן הצעות בפורמט אחיד ולהדגיש הבדלים במחיר, זמני מסירה, תנאי תשלום, הזמנות מינימום ודרישות נוספות. הוא גם יכול לזהות שאלות שדורשות מענה לפני בחירת הספק.
דוגמת הנחיה: "השווה את שלוש ההצעות הספקיות האלה. צור טבלה המציגה מחיר, זמן אספקה, תנאי תשלום, כמות הזמנה מינימלית, אורך החוזה וכל עמלות נוספות. ואז רשום חמש שאלות שעליי לשאול לפני קבלת החלטה."
איזה מידע לספק: כלול את אותן קטגוריות מידע לכל ספק. תגיד לבינה המלאכותית אילו גורמים חשובים ביותר והאם יש דרישות שהן חובה.
מה כדאי לבדוק שוב: בדוק כל מחיר, תאריך, שכר ותנאי חוזה מול ההצעות המקוריות. הבינה המלאכותית עלולה להתעלם מהבדלים חשובים או להעניק משקל רב מדי לגורמים הלא נכונים.
2. ניסוח בקשה להצעה
מה בינה מלאכותית יכולה לעשות: בינה מלאכותית יכולה לנסח בקשת הצעה, או RFP, בהתבסס על צרכי המשלוח, האחסון, הטכנולוגיה או הרכישה של החברה. זה גם יכול להציע שאלות לספקים פוטנציאליים.
דוגמת הנחיה: "נסח RFP לחברה שמחפשת מוביל חבילות אזורי חדש. כלול סעיפים המכסים את אזור השירות, תמחור, זמני אספקה, מעקב, תביעות, חיובי עונת השיא, תמיכת לקוחות ויישום."
איזה מידע לספק: הסבר מה נרכש, נפח המשלוח או ההזמנה הצפוי, דרישות השירות, מועדי הזמנים והמידע שהספקים חייבים להגיש.
מה כדאי לבדוק שוב: ודא שהמסמך כולל את כל דרישות העסק, המשפט, האבטחה והשירות. צוותי הרכש והמשפטים צריכים לבדוק אותו לפני שהוא נשלח לספקים.
3. סקירת חריגות משלוח
מה בינה מלאכותית יכולה לעשות: הבינה המלאכותית יכולה למיין רשימה של משלוחים מאוחרים, פגומים או תקועים ולקבץ אותם לפי מוביל, לקוח, מיקום, מוצר או סיבת החריג. לאחר מכן הוא יכול לסכם אילו בעיות מופיעות הכי הרבה.
דוגמת הנחיה: "עיין בדוח החריגה של המשלוח הזה. קבץ את הבעיות לפי מוביל וסיבה, זהה את הבעיות הנפוצות ביותר, ורשום את המשלוחים שדורשים טיפול מיידי."
איזה מידע לספק: כלול סטטוס משלוח, תאריך משלוח שהובטח, משלוח, מקור, יעד, עדיפות לקוח וסיבה לכל חריג. הסר שמות לקוחות ומידע מוגבל אחר אלא אם כן הכלי אושר עבור אותם נתונים.
מה כדאי לבדוק שוב: אשר שלא פספסו משלוחים דחופים. תמיד השווה את סיכום הבינה המלאכותית לדו"ח המקורי לפני שמישהו יוצר קשר עם ספק או לקוח.
4. מצא דפוסים בנתוני מלאי
מה בינה מלאכותית יכולה לעשות: כאשר משתמשים ב-AI עם כלי מאושר שיכול לקרוא גיליונות אלקטרוניים, הוא יכול לסייע בזיהוי מלאי איטי, מלאי תכוף, שינויים חריגים בביקוש ומוצרים שעשויים להזדקק לבדיקה נוספת.
דוגמת הנחיה: "נתח את גיליון המלאי הזה. זהה מוצרים עם אספקה של יותר מ-90 יום, פריטים שאספו יותר מפעמיים, וכל שינוי משמעותי בביקוש השבועי. הסבר איך הגעת לכל מסקנה."
איזה מידע לספק: כלול מספרי מוצרים, רמות מלאי, היסטוריית הזמנות, נתוני מכירות או שימוש, זמני אספקה ותקופת הכיסוי על ידי הקובץ. הגדר מונחים כמו "איטי" או "מחסום".
מה כדאי לבדוק שוב: בדוק את הנוסחאות, טווחי התאריכים, יחידות המדידה וההנחות. בינה מלאכותית יכולה לקרוא לא נכון עמודות גיליונות אלקטרוניים או להתייחס למידע חסר כאפס.
5. להפוך SOP לרשימת בדיקה
מה בינה מלאכותית יכולה לעשות: בינה מלאכותית יכולה להמיר הליך תפעולי סטנדרטי ארוך לרשימת בדיקה קצרה יותר לקבלה, איסיפה, אריזה, טעינה, בדיקות ציוד או עבודה חוזרת אחרת.
דוגמת הנחיה: "הפוך את תהליך הקבלה הזה לרשימת בדיקה שלב אחר שלב לעובדי המחסן. שמרו על כל בדיקות הבטיחות והאיכות הנדרשות, השתמשו בשפה פשוטה, וסמנו כל הוראה שאינה ברורה."
איזה מידע לספק: תן לבינה המלאכותית את ההליך המאושר הנוכחי ותסביר מי ישתמש ברשימת הבדיקה. כלול כל שלב שצריך להשלים בסדר קבוע.
מה כדאי לבדוק שוב: ודא שלא הוסר שלב בטיחות, רגולציה או בקרת איכות. המפקח צריך לבדוק את רשימת הבדיקה מול כל ההליך לפני השימוש בה.
6. התכוננו לפגישת ספקים
מה בינה מלאכותית יכולה לעשות: הבינה המלאכותית יכולה להפוך נתוני ביצועים והערות ישיבות עבר לסדר יום מוצע. הוא גם יכול להציע שאלות לגבי משלוחים מאוחרים, בעיות איכות, שינויים במחירים או הזמנות עתידיות.
דוגמת הנחיה: "באמצעות תוצאות כרטיסי הניקוד של הספקים והערות הפגישות, צור סדר יום של 30 דקות. כלול שאלות לגבי משלוחים מאוחרים, הזמנות שנדחו, פעולות תיקון וביקוש צפוי ברבעון הבא."
איזה מידע לספק: שתפו נתוני ביצועים מאושרים, בעיות פתוחות, התחייבויות קודמות ומטרת הפגישה. תאר את מערכת היחסים עם הספק ואת ההחלטות שצריך לקבל.
מה כדאי לבדוק שוב: אשר שהשאלות משקפות מידע עדכני. הבינה המלאכותית לא יודעת על שיחות טלפון, מיילים או הסכמים שלא כלולים בהנחיה.
7. טיוטת הודעות שגרתיות לספקים או ללקוחות
מה בינה מלאכותית יכולה לעשות: בינה מלאכותית יכולה לנסח אימייל על הזמנה מאוחרת, ניירת חסרה, שינוי לוח זמנים, בקשת מחיר או בעיה נפוצה אחרת. הוא גם יכול לשנות את הניסוח כדי להפוך את המסר לברור יותר או לפחות עימותי.
דוגמת הנחיה: "ניסח מייל ישיר אך מקצועי לספק לגבי הזמנה שבאיחור של חמישה ימים. בקש את הסטטוס הנוכחי, סיבת העיכוב, תאריך אספקה מאושר, וצעדים למניעת עיכוב נוסף."
איזה מידע לספק: הסבר מה קרה, מה כבר נדון, איזו תגובה נדרשת, ומתי היא נחוצה. הימנעו מהוספת פרטי או חשבון לכלי לא מאושר.
מה כדאי לבדוק שוב: בדוק שמות, תאריכים, מספרי הזמנות, התחייבויות וטון. לעולם אל תאפשר לבינה מלאכותית לשלוח את ההודעה אוטומטית בלי שמישהו יבדוק אותה.
8. הסבר מונח שרשרת אספקה לא מוכר
מה בינה מלאכותית יכולה לעשות: בינה מלאכותית יכולה להסביר מונח משלוח, סעיף חוזה, מדד מחסן, מסמך מסחר או ראשי תיבות תעשייתיים בשפה פשוטה. הוא גם יכול לתת דוגמה פשוטה המראה כיצד משתמשים במונח.
דוגמת הנחיה: "הסבר את הדחייה והעיכוב בשפה פשוטה. תאר את ההבדל ביניהן, תן דוגמה אחת לכל אחד מהם, והסבר מדוע ייתכן ששולח יחויב."
איזה מידע לספק: ציינו את המונח וספקו כל הקשר רלוונטי, כמו שיט ימי, הובלת משאיות, רכש או אחסון. בקש מהכלי לזהות כל דבר שעשוי להשתנות בין חברת ביטוח, מדינה או חוזה.
מה כדאי לבדוק שוב: אשר הגדרות עם מקור אמין. כללי מסחר, חוזים, עמלות ודרישות ממשלתיות יכולים להשתנות, וכלי AI עשוי לספק מידע מיושן.
9. תרחישי תכנון ביקוש לבנייה
מה בינה מלאכותית יכולה לעשות: בינה מלאכותית יכולה לסייע למתכננים לתכנן תרחישים אפשריים עם ביקוש גבוה, בינוני ונמוך. הוא יכול להציע שאלות שיש לשקול כאשר מכירות, זמני אספקה של ספקים, מבצעים או תנאים כלכליים משתנים.
דוגמת הנחיה: "צור שלושה תרחישי ביקוש לרבעון הבא באמצעות הערכות מכירות של 8,000, 10,000 ו-12,000 יחידות. לכל תרחיש, רשום את המלאי, הספק, המחסן וההובלה שצוות התכנון צריך לבדוק."
איזה מידע לספק: כלול את תקופת התחזית, הביקוש הצפוי, מלאי נוכחי, זמני הובל, מגבלות הזמנות, מבצעים ומגבלות עסקיות ידועות.
מה כדאי לבדוק שוב: תתייחס לתוצר ככלי עזר לתכנון, לא לתחזית. תרחישים שנוצרים על ידי בינה מלאכותית לא צריכים להחליף את נתוני הביקוש, מערכת התכנון או שיקול הדעת של עובדים שמבינים את השוק.
10. חקור בעיה חוזרת בשרשרת האספקה
מה בינה מלאכותית יכולה לעשות: בינה מלאכותית יכולה לארגן עובדות ידועות על עיכובים חוזרים, מחסורים, טעויות בזיהוי או בעיות איכות. הוא יכול להציע סיבות אפשריות ולעזור ליצור רשימת שאלות לסקירת שורש הסיבה.
דוגמת הנחיה: "ההזמנות האלה נשלחו באיחור בארבעת השבועות האחרונים. מקבץ את האירועים לפי מוצר, משמרת, יום וסיבה. להציע סיבות אפשריות לחקירה, אך להפריד עובדות מאומתות מהנחות."
איזה מידע לספק: כלול תאריכים, מיקומים, מוצרים, משמרות עבודה, מערכות מעורבות, סיבות מדווחות וכל שינוי אחרון. להבחין בבירור בין עובדות ידועות לבין דעות עובדים.
מה כדאי לבדוק שוב: אל תניח שהסיבות המוצעות נכונות. הבינה המלאכותית יכולה לזהות דפוסים, אך העובדים חייבים לבחון את התהליך, לדבר עם המעורבים ולאשר מה באמת קרה.
****************
מקור הכתבה: supplychain247
************
המידע בכתבה זו הוא מידע כללי בנושא. המידע אינו מהווה המלצה או הכוונה. כל פעולה על סמך המידע היא באחריות הקורא בלבד, היות ויש לבחון את הנושא בהתאם למשתנים רבים הקשורים ללקוח ולהתאים את התהליך לצרכיו. בעל האתר וכותבי המאמרים אינם אחראים לכל פעולה או הסתמכות על האמור במאמרים היות ומדובר במידע כללי שאינו המלצה לפעולה עבור הלקוח.
