Enligt en studie av Gartner används AI än så länge endast i begränsad omfattning för att driva förändring i företags processer och arbetsflöden. I samband med Gartner Supply Chain Symposium/XPO i Orlando 4-6 maj konstaterades att orsaken till detta är ett antal utmaningar som försvårar och begränsar möjligheterna att införa AI.
I Gartners studie om AI-strategier i supply chain deltog 140 ledande beslutsfattare i supply chain. Resultaten visade att endast 17 procent av de deltagande företagen strävar efter att här och nu transformera sina processer och arbetsflöden i supply chain, och att resterande 83 procent antingen tillämpar ett stegvis införande av specifika case och piloter eller gradvis skalar upp sin AI-användning genom att integrera tekniken i sina befintliga processer.
”Få har införlivat AI i sina kärnprocesser”
Trots att den växande geopolitiska instabiliteten skapar nya störningar som ökar intresset för mer AI-orkestrerade supply chains, så konstaterade Gartners expert, Caleb Thomson, att de flesta företag tvingas tillämpa en strategi där man utvecklar sin AI-användning stegvis.
– Ihållande volatilitet driver intresset för att utvärdera AI-orkestrerade förmågor, men investeringarna begränsas fortfarande av att det finns luckor i de grundläggande förutsättningarna. Även bland företag som är ledande inom supply chain och som har lyckats att förbättra sina prestationer med AI, så är det få som verkligen har införlivat AI i sina kärnprocesser, konstaterar Caleb Thomson, Senior Director Analyst på Gartners Supply Chain-verksamhet.
Typiska brister i de grundläggande förutsättningarna är tekniska brister, behov av kompetensutveckling av personal samt ett fragmenterat landskap av teknikleverantörer, vilket begränsar ett framgångsrikt införande och användning av AI-teknik.
Dagens utmaningar för AI-driven orkestrering
Till skillnad från traditionella verktyg för planerings och genomförande i supply chain framhåller Gartner att en AI-driven orkestrering gör det möjligt att kontinuerligt övervaka skeenden i försörjningsnätverk och simulera olika handlingsalternativ. Detta möjliggör ett snabbt samarbete mellan människa och AI för kritiska beslut som behöver fattas snabbt. Med en AI-driven supply chain-orkestrering ökar möjligheterna att förutse och reagera på störningar och mildra effekterna genom end-to-end-visibilitet i försörjningsnätverket, tvärfunktionell analys och mer automatisering baserad på AI-agenter.
– Dagens tekniska och organisatoriska utmaningar borde inte vara ett skäl till att försena utvecklingen av de underliggande funktioner som behövs för en AI-driven orkestrering av supply chains. Vår forskning visar att affärsvärdet kommer att vara transformativt, eftersom det lägger grunden för framtida agentisk orkestrering i hela supply chain-nätverk, säger Caleb Thomson, som presenterade följande typiska faktorer som försvårar ett bredare införande av en AI-driven transformation i supply chain:
- Fragmenterade leverantörslandskap – flera verktyg för planering, svisibilitet och analys.
- Datagap begränsar anpassningsförmågan – bristande datakvalitet, där många organisationer kämpar med kvaliteten på grundläggande masterdata.
- Inkonsekvent partnerdata – utmaningar med datakvalitet sträcker sig över hela leveransnätverket, eftersom information från handelspartner ofta är ofullständig eller felaktig.
- Mänsklig expertis är fortfarande avgörande – för en ökad beslutsautonomi krävs kontinuerlig kompetensutveckling och gradvis implementering, där AI förstärker, inte ersätter, det mänskliga omdömet.
- Processmognad är grundläggande – tydliga processer, roller och standardiserade datamodeller är avgörande för att möjliggöra orkestrering och effektiv beslutsstyrning.
